首先,对罕见变异遗传关联分析领域存在的统计问题及相关研究前沿和热点进行梳理分析;其次,对单位点及多位点分析常用统计方法做系统概述,并讨论这些方法存在的问题及面临的挑战;最后,对多性状多位点关联分析方法的未来发展前景作展望。

广义Howell设计是一类双可分解设计,与置换表、多层常重码有密切联系。本文利用可迁和不可迁starter-adder直接构造方法和广义Howell标架递推工具,给出广义Howell设计新的构造,除了53个可能例外值,解决了每行和每列恰好有5个空单元格的广义Howell设计GHD(n+5,3n)的存在性问题。利用广义Howell设计和多层常重码之间的关系,得到相应最优多层常重码MCWC(3,3n;1,n+5;1,n+5;8)的存在性。

水果的自动检测是自动采摘、果园喷药、采后分拣等农业应用中的关键技术。针对果园环境中柑橘目标小、噪声多、遮挡严重等问题,本文基于YOLOv4算法提出一种改进的适用于果园环境的柑橘快速识别方法。主要改进措施包括:一是在训练阶段利用Canopy算法和K-Means++算法自动选择先验框的数目和大小;二是在YOLOv4网络中每个不同尺度特征的输出层前增加一个调整层,并采用残差网络结构和密集连接网络相结合,同时修改回归框损失函数,以便检测复杂背景下的小柑橘;三是在保证不造成较大检测精度损失的前提下,对网络中不重要的通道和网络层进行剪枝。与目前常用的YOLOv4、MLKP和 Cascade R-CNN等3种目标检测算法的对比实验结果表明,本文改进的YOLOv4算法对果园环境下不同生长期柑橘的检测平均准确率达96.04%,平均检测速度为每张图像0.06 s,均优于对比的3种主流目标检测算法。本文提出的方法可为自然条件下果园中柑橘的采摘、产量评估等应用提供技术和方法指导。

针对无人机任务随机下发场景中由于任务完成时间约束带来的任务完成度低的问题,本文提出一种基于深度强化学习的分布式多无人机任务动态分配方法。该方法通过无人机之间的实时交互,首先,对正在执行的任务和新到任务的时间约束、任务量、优先级等特征进行实时量化,同时在任务执行过程中动态生成新的任务优先级特征;然后,将无人机交互后形成的全局任务特征视为无人机共享的任务情况,并不断进行更新形成动态决策依据;最后,在时间约束下,根据实时任务完成情况通过深度强化学习方法进行无人机的行为决策,达到新任务与正在执行任务的动态分配以提高任务完成度。仿真结果表明,该方法能提高时间约束下的系统整体任务完成度。

多模态数据的急剧增长带来了跨模态检索的应用需求,促进了对跨模态检索方法的研究。本文追溯该领域最新进展,跟踪并深入研究国内外基于表示学习的跨模态检索方法,对跨模态检索问题进行定义并梳理该领域常用技术方法、主流模型、常用数据集、评价方法和面临的主要挑战。主要从统计相关分析、图正则化和度量学习3方面介绍基于表示学习跨模态检索方法,并分析其优缺点。为了分析上述方法的优劣性,实验分别在4个数据集上复现14种方法进行对比评价。实验结果表明:基于统计相关分析方法训练效率较高且易于实施;基于图正则化方法通过挖掘模态内和模态间的相似性,实现语义关联;基于度量学习方法是在公共子空间中尽可能保留数据语义相似/不相似的信息。本文介绍基于表示学习的跨模态检索方法的研究现状,为跨模态检索方法研究提供参考。

能源消耗与环境污染使得微藻生物柴油生产成为研究焦点。通过同时提取类胡萝卜素和油脂,对微藻进行综合利用,可以有效降低微藻生物柴油生产成本。类胡萝卜素是一类重要的活性物质,但是, 目前对于微藻类胡萝卜素的合成和代谢调控还缺乏了解。为了更好地理解和操纵微藻类胡萝卜素代谢以增强类胡萝卜素积累,本文综述了微藻类胡萝卜素合成与代谢调控的研究进展,包括类胡萝卜素生物合成途径,提高类胡萝卜素积累的生化调控方式、诱变方式和基因工程方式,阐述环境因素对类胡萝卜素积累的影响,总结了增强类胡萝卜素合成途径关键酶基因的表达、增强调控类胡萝卜素合成途径的转录因子基因的表达等基因工程策略,同时也对微藻类胡萝卜素代谢研究的发展进行了展望。

多模态融合旨在将多个模态信息整合以得到一致、公共的模型输出,是多模态领域的一个基本问题。通过多模态信息的融合能获得更全面的特征并且提高模型鲁棒性,目前多模态融合技术已成为多模态领域核心研究课题之一。本文基于ImageNet、HowNet和CCD,通过人工标注构建了一个新的多模态知识库,已完成校准ImageNet中21 455个名词及动词概念的映射,有效地将HowNet以及CCD中概念映射到ImageNet中。该数据集能够应用于自然语言处理任务和计算机视觉任务,并通过图片信息和概念信息提高任务效果。在图片分类中,通过增加HowNet和ImageNet概念能够融合更多的图片特征来辅助分类;在语义理解中,通过映射增加图片信息可以更好地理解语义。

随着医疗技术的进步,各种新技术与新方法不断涌现,评价这些方法测量结果的一致性尤为重要。可靠的一致性评价结果对提高医疗服务质量、减少医疗资源浪费具有重要意义。目前我国对临床测量中Bland-Altman一致性评价方法的研究较少,且在临床应用中该方法的使用不当问题凸显。本文讨论单次测量和重复测量情况下的Bland-Altman一致性评价流程,针对不同数据类型介绍其处理方式,并对该方法的使用规范进行梳理,以帮助医学工作人员在临床数据分析中正确使用统计分析方法。

免疫荧光技术是检测蛋白质细胞定位的常用方法,不同的细胞固定方法可能会影响染色效果。本文以核膜蛋白lamin A/C、emerin为研究对象,利用3种不同固定剂进行免疫荧光实验。结果表明,利用体积分数为4%多聚甲醛溶液固定细胞通常可以获得良好的免疫荧光染色效果,利用甲醇固定时lamin A/C染色效果相对较弱,而利用丙酮固定的细胞其荧光信号往往呈现为核膜不连续染色。综合分析,作为最常用的固定剂,利用4%多聚甲醛溶液通常可以取得较好的染色效果;但对于新的目的蛋白来说,由于蛋白质的结构与功能特异性,适合的固定方法仍需要具体的试验检测才能确定。

针对双向单车道的AGV(automated guided vehicle)系统作业场景,考虑到AGV车辆行驶过程中直线和弯道的速度差异,以最小运行代价和优先级相结合为任务生成策略,构建了避免冲突的AGV系统动态路径规划的时间窗模型及其算法流程,为运行总成本最小约束下智能物流和自动化仓储系统中多台AGV协同作业的动态路径规划问题提供了有效方法。经过案例验证,该算法能够有效规划系统中多台AGV协同作业的路径,使系统运行的成本最低,降低仓储系统运行的总成本。

实用拜占庭容错(PBFT)算法可以容忍网络存在不超过节点总数三分之一的拜占庭节点,常被作为联盟链的共识算法。针对PBFT存在主节点选取规则简单、通信复杂度较高等问题,提出一种基于可验证随机函数(VRF)和BLS签名的拜占庭容错(VBBFT)共识算法。在VBBFT共识算法,VRF在共识节点中选取主节点,主节点作为消息收集和发送的协调者,并将节点间的信息交互过程转化为BLS签名过程,降低了节点间的通信复杂度,并保证了节点间的信息交互是安全的。仿真实验结果表明,VBBFT共识算法与PBFT算法相比,交易吞吐率提高了62.3%,时延降低了12%。

针对大多数扫地机器人在进行全覆盖路径规划时,普遍存在重复率偏高和覆盖率偏低问题,并且在遇到密集零散的障碍区域时,会产生线路规划凌乱甚至不能覆盖的问题,设计一种基于分治思想的全覆盖路径规划算法,通过在地图上构建若干线段序列,按照线段序列端点间曼哈顿距离最小原则对局部路径线段进行相连,形成若干弓形线路块;然后采用分治算法实现全局各弓形线路块间最近端点对的匹配,并进行衔接,最终生成路径均匀的全覆盖线路。通过与牛耕式单元分解结合生物激励神经网络覆盖算法进行场景实验对比,分析表明在密集零散的障碍区域中,本文算法仍能规划出整齐平滑的可通行路径,覆盖率仍能高达91.3%,重复率下降约39.3%,时间花销约降低28.1%。

接触角是衡量液体在固体表面润湿的重要特征量。目前已经有一些方法模拟固体表面上液滴的接触角现象并测量接触角的大小,但曲面上液滴的接触角测量方法都较为复杂。本文基于化学势的多弛豫晶格Boltzmann方法,提出一种简单高效的测量曲面上液滴接触角的方法。对曲面基板设置一系列的化学势,通过计算曲面上固定液滴的接触角,观察不同化学势下液滴在曲面上的润湿性。在不考虑重力的理想情况下,本文方法得到的接触角和球冠法的计算结果相比,最大误差在3°左右,符合良好。在考虑重力的影响时,不同尺寸的液滴在重力作用下会发生不同程度的形变,此时球冠模型不再适用,而本文模型计算得到的接触角基本不变,与微观接触角和重力无关的理论预期一致。

气候变暖背景下研究气候过渡区森林土壤有机碳沿海拔梯度的分布格局,是土壤碳库时空动态变化研究的重要内容。为研究北亚热带—暖温带气候过渡区典型森林土壤有机碳分布特征,以100 m为高差在鄂东龟峰山南、北坡5个不同海拔高度设置10个采样点,以[0,20)、[20,30)、[30,40)和[40,50)(单位cm)深度分层采集土样,测定土壤有机碳含量和土壤理化性质,研究有机碳分布特征及其影响因素。结果表明:1)龟峰山南、北坡表层土壤有机碳含量和有机碳密度均随海拔升高而显著增加(P＜0.01);2)土壤有机碳沿土层深度的增加而下降,但不同海拔土壤有机碳随土层深度下降的幅度不同;3)相关分析表明土壤有机碳含量与土壤容重、石砾含量存在极显著相关关系。本研究对评估北亚热带山地土壤有机碳储量及变化特征具有重要的参考价值。

为对比“夜间慢速充电+白天快速充电”、“夜间慢速充电”两种不同的整车直接充电模式下,电动公交车的车辆发车计划与充电费用,考虑时刻表、电量限制、充电站距离、允许车辆等待发车时间阈值的影响,建立并运行模型。结果发现,两种模式需要的最小公交车辆数、单日需要的充电费用均不同,建议企业应考虑车辆数、充电费用等因素选取适合的充电模式。此外,还对公交车前往充电站的距离、公交车到达站点等待发车的时间阈值与充电费用的关系进行了敏感性分析,据此建议合理设置充电站位置,并根据具体条件设置合适的等待发车时间阈值,以减少充电费用。

针对传统深度卷积神经网络分类精度不佳,参数量巨大,难以在内存受限的设备上进行部署的问题,本文提出了一种多尺度并行融合的轻量级卷积神经网络架构PL-Net。首先,将上层输出特征图分别送入两种不同尺度的深度可分离卷积层;然后对并行输出特征信息进行交叉融合,并加入残差学习,设计了一种并行轻量型模块PL-Module;同时,为了更好地提取特征信息,利用尺度降维卷积模块SR-Module来替换传统池化层;最后将上述两个模块相互堆叠构建轻量级网络。在CIFAR10、Caltech256和101_food数据集上进行训练与测试,结果表明:与同等规模的传统CNN、MobileNet-V2网络及SqueezeNet网络相比,PL-Net在减少网络参数的同时,提升了网络的分类精度,适合在内存受限的设备上进行部署。

针对传统PID控制不能实时更新整定的K_p、K_i、K_d参数,以及控制精度不高等缺点,在结合四旋翼无人机自身特性的基础上,本文提出一种附加惯性项的BP神经网络与PID控制结合的姿态控制方法,并对惯性系数进行修改,来实现无人机在受干扰情况下飞行过程的姿态控制。仿真实验分析表明:与BP神经网络参数自整定PID控制和传统PID控制相比,该控制方法提高了系统的抗扰性、鲁棒性和动态性能,从而对于提高无人机的姿态控制具有较好的实际参考价值。

针对传统SUSAN角点检测算法不能区分棋盘格内角点和边缘点,以及因曝光过度导致的角点分离问题,本文提出改进的SUSAN角点检测算法。改进算法求取2组不相邻特征方向3像素灰度和差值,配合门限阈值和差阈值,提取角点集合;利用角点集合的对称分布特性确定角点集合的质心坐标作为此位置角点的坐标,坐标值可直接达到亚像素精度。实验表明:本文提出的改进的SUSAN角点检测算法可以有效、快速地提取角点,重投影误差在0.3个像素以内,可用于相机标定。

本文建立了一类三种群具有捕食-竞争-合作混杂交互关系的生态模型。首先引入辅助系统, 应用微分方程比较原理, 构造合适的Lyapunov函数以及分析方法, 讨论了系统解的正性和有界性, 建立正平衡点全局渐近稳定性的充分条件。然后通过数值模拟检验本文结论的有效性。

针对头部姿态估计中的人脸检测框尺寸难于学习问题和将人脸检测、头部姿态估计分为两阶段的模型中流程复杂、耦合程度高、误差累积严重的问题,本文提出一种基于YOLOv3 模型的人脸检测与头部姿态估计融合算法。通过K-means 聚类方法对训练集中人脸区域的尺寸进行聚类,得出9 组聚类结果,以模拟真实情况下人脸区域的尺寸和比例;通过拓展YOLOv3模型,实现人脸检测和头部姿态估计同时进行,并在3个不同层次的特征图上进行人脸检测和头部姿态估计,实现对特征图的多尺度检测,充分利用了特征图中的信息;采用端到端模式进行训练,简化头部姿态估计任务的处理流程。在CAS-PEAL-R1姿态子集上取得99.23%的预测准确率,在Pointing′04数据集上pitch和yaw方向分别取得了3.79°和4.24°的平均绝对误差。结果表明,本模型在满足实时性要求的前提下,能够出色完成人脸区域检测与头部姿态估计任务,充分证实本文方法的可靠性与实用性。

本文采用TSMC 0.18 μm CMOS工艺,设计了两款可工作在2.4 GHz频率上的窄带低噪声放大器(LNA)。两款LNA的电路结构分别为Cascode电路结构应用电流复用技术,以及应用正体偏置效应的折叠Cascode结构。所设计的两款窄带LNA的仿真结果表明,在2.4 GHz工作频率上,Cascode结构LNA在1.5 V供电电压下电路功耗为4.9 mW,增益为23.5 dB,输入输出反射系数分别为-16.9 dB与-16.3 dB,噪声系数为0.72 dB且IIP3为3.12 dBm;折叠Cascode结构LNA可在0.5 V供电电压下工作,功耗为1.83 mW,增益为23.8 dB,输入输出反射系数分别为-28.2 dB与-24.8 dB,噪声系数为0.62 dB且IIP3为-7.65 dBm,适用于低电压低功耗应用。

基于股价满足双随机波动率跳扩散模型的市场模型,考察复合幂期权定价问题。利用多维随机向量的特征函数、偏微分-积分方程、Fourier反变换等方法,得到欧式复合幂期权价格的解析表达式;应用数值计算实例分析不同市场模型下复合幂期权的价格比较,考查该市场模型中主要参数对期权价格的影响。计算结果表明:股价的波动率和跳跃强度因素对期权价格产生较大效果;复合幂期权有较好的风险管理灵活性, 也能给投资者带来更大收益。

本文综合电网拓扑结构和基于潮流追踪技术,提出一种关键节点识别方法。首先根据潮流运算,得到电力网络中节点之间的潮流流向,然后对电力网络进行潮流追踪运算,得到节点之间的链接强度,并以此建立电网的加权有向网络模型,定义加权有向网络中的出、入强度,根据节点强度和负荷权重定义节点的重要性评价指标。以IEEE39节点系统和IEEE14节点系统为测试案例,得到各系统中节点的重要性排序。按照排序结果对节点进行过负荷攻击,以系统在节点受到攻击后潮流熵的变化来验证节点重要度排序是否合理,研究表明本文提出的方法在电网关键节点识别中更加合理有效。

本文针对动力电池老化试验耗时长、工作量大等问题,在现有的电池老化研究基础上,把电池老化描述为日历老化和循环老化2种过程,并分别建立电池的日历老化模型和循环老化模型,以流经电池的电流大小为转换条件,把二者统一于电池动态老化模型。基于该模型可以估计短时间、多工况切换条件下动力电池的衰减容量。在计算机环境下完成该模型的搭建,并进行了3种不同的电动汽车充电方案下电池老化情况的仿真试验,在较短的仿真时间内模拟了电池老化的过程,降低了验证电池老化过程的成本。

本文考虑短期利率满足一类仿射跳扩散期限结构模型的利率衍生品定价。应用Fourier变换方法和远期测度技术,获到了零息票债券及基于零息票债券为标的资产的欧式债券期权价格的显示解,并将此结果应用于付息债券期权和利率期权的定价。最后,利用数值实例分别分析了债券和零息票债券期权价格受利率模型中各主要参数的影响,以及期权的隐含波动率问题。数值结果表明,跳跃风险参数对利率衍生品价格和隐含波动率有显著作用,这也验证了仿射跳扩散的利率期限结构模型具有较好拟合实际的能力。

数字图像是当前网络环境下重要的信息载体,包含机密信息的图像一旦遭受恶意攻击和窃取,则极有可能出现信息安全问题。因此,对图像信息采取有效的加密保护迫在眉睫。基于压缩感知的混沌图像加密算法同时兼顾了图像数据安全和传输效率,具有很高的研究和应用价值。本综述首先介绍混沌理论、图像加密和压缩感知的基本原理;其次,分析基于压缩感知混沌图像加密中几种主要方法的特征及优势,总结当前的研究现状;最后讨论尚存的问题并展望未来的发展趋势。

含异常值的数据和高维数据越来越频繁地出现,对现有的稳健估计和多元线性回归估计方法提出了挑战。传统的多元线性回归模型估计对异常值非常敏感,基于MCD估计方法的多元线性回归估计对异常值有一定的抵御作用。但随着数据维数的增加,MCD估计的精度不断降低,稳健性也随之降低,且当数据维数大于样本量时MCD估计方法失效。因此,本文利用MRCD的均值向量和协方差矩阵估计,提出了基于MRCD估计方法的高维稳健多元线性回归模型估计。数值模拟的结果表明,基于MRCD估计方法的多元线性回归模型估计能很好地抵御异常值,且在数据维数大于样本量的情况下,基于MRCD估计方法的多元线性回归估计更为有效。实证分析的结果表明,基于MRCD方法的多元线性回归估计能更好地抵御异常值并得到更好的预测效果。

生物神经元是神经系统处理信号的基本单元,其复杂的解剖结构和突触可塑性使得神经元对外界刺激具有很强的自适应性,其放电模态也具有多样性。在脑皮层内存在不同的功能区,功能区内的神经元聚集成不同拓扑结构的网络,相互协作对单一外部刺激进行编码。不同功能区的神经元相互通信,以多层网络同步方式传递信号,驱动肌体和器官协作来完成应激反应。神经元网络群体电活动主要取决于网络局域动力学、连接链路和耦合通道的物理属性,网络拓扑结构及物理效应。构建可靠的生物物理神经元模型,强化耦合通道的可控性,分析神经元网络同步和斑图演化过程中能量输运的特征,噪声驱动的物理机理,神经系统选频和滤波响应的物理机制等对于认知神经系统模态响应和预防神经性疾病具有重要意义。本文从单个神经元电路的功能强化,如在非线性电路嵌入不同的物理器件来设计感知温度、光照、声波、外磁场和电磁辐射的功能神经元电路,到神经元电路内部能量存储和交换,听觉和视觉神经元滤波选频,耦合通道耗能和储能,场能量无量纲化到哈密顿能量,场耦合同步到共振同步,神经元网络斑图及同步稳定性,系统地介绍和评论神经元功能性增强及网络动力学相关问题,为进一步设计智能化的功能神经元阵列和装置提供理论参考。

设G是有限群,子群H称为G的CAP^*-子群, 如果H覆盖或者避开G的每个非-Frattini主因子。子群H称为G的几乎CAP^*-子群,如果存在G的次正规子群K使得HK=G, 且H∩K是G的CAP^*-子群。本文应用G的某些素数幂阶几乎CAP^*-子群刻画有限群的p-超可解性,推广了相关文献的一些结果。

为了设计小型化、低插入损耗、宽阻带的滤波器,本文基于缺陷微带结构(defected microstrip structure,DMS)提出一种新型H形DMS结构微带滤波器,利用DMS结构与1/4波长终端短路谐振器设计制作一种小型超宽带微带带通滤波器,并用ADS(advanced design system)软件对该滤波器进行分析及仿真验证,且对所设计的滤波器进行实物加工测试。测试结果表明,该滤波器的相对带宽达到了116%,阻带在-20 dB以下的频段为12~19 GHz,其宽度达到了7 GHz,与理论分析基本一致。该滤波器尺寸为13.7 mm×6.8 mm,同时还具有插入损耗小、结构简单紧凑等优点。

多任务学习利用不同任务之间的相似性辅助决策,与单任务学习相比,多任务学习能够利用更多的信息,从而可以弥补单任务学习信息利用不足的缺陷。本文选择NTCIR-ECA数据集中的中文和英文文本数据作为实验数据,以情感原因分析作为研究任务,提出了一种结合多任务学习和深度学习的模型 MTDLM(multi-task deep learning model),实现不同语种下的情感原因分析。实验结果表明,在数据不平衡的情况下,MTDLM模型对英文语种的情感原因识别的最优F值为39%,优于单任务学习(F值为0)和传统基线模型(LR的F值为33%),从而验证了模型的有效性。

微分动力系统的极限环与等时中心是微分方程定性理论中2个经典问题,也是微分方程定性理论领域的研究热点,其研究有重要理论意义和应用价值。相较于平面系统,三维微分系统的极限环与等时中心研究也是一项有挑战性的工作,系统复杂度与定性分析难度都有很大提升。本文主要介绍近几十年来三维微分系统的极限环与等时中心的研究进展,并给出该领域一些待解决的问题。

公路行车舒适性与平面道路线形密切相关,在分析车辆在不同道路线形下运行特性的基础上,提出采用加速度和加速度变化对道路平面线形舒适性评价的方法,阐述横向加速度、轴向加速度与舒适性的关系及评价指标。通过分析加速度的变化对舒适性的影响,建立加速度变化率模型和加速度干扰模型。用加速度干扰表示速度摆动大小和变化频繁度,给出在直线、缓和曲线、圆曲线路段上加速度干扰的离散化模型。通过对不同道路线形的实例仿真,定量分析加速度变化率对舒适性的影响,以加速度干扰大小分析不同线形路段条件对行车舒适性的影响程度及变化趋势,并针对不同道路线形给出提高舒适性的改善方法。仿真结果表明,该评价方法为检验道路平面线形舒适性提供了参考依据。

针对循环神经网络(recurrent neural networks, RNN)网络结构存在的长期依赖问题,门控循环单元(gated recurrent unit, GRU)神经网络作为RNN的一种变体被提出。在继承RNN对时间序列优秀记忆能力的前提下,GRU克服了时间序列的长期依赖问题。本文针对金融时间序列数据存在的依赖问题,将GRU扩展应用到金融时间序列预测,提出了基于差分运算与GRU神经网络相结合的金融时间序列预测模型。该模型能够处理金融时间序列数据的复杂特征,如非线性、非平稳性和序列相关性。通过对标准普尔(S&P)500股票指数的调整后收盘价进行预测,实验结果表明,所提出的方案能够提高GRU神经网络的泛化能力和预测精度,并且与传统预测模型相比该模型对金融时间序列的预测拥有更好的预测效果和相对较低的计算开销。

基于深度学习的短文本语义相似度度量方法是现代自然语言处理任务的基石,其重要性不言而喻。本文提出一种基于卷积神经网络和双向门控循环单元的文本编码模型,通过卷积层提取重要语义并且通过双向门控循环单元保证语义顺序,采用孪生神经网络结构保证文本编码的一致性。选取传统的卷积神经网络和长短期记忆网络以及BERT模型进行对比验证,在Quora、Sick和MSRP数据集上的验证结果表明,本文模型的精确率和召回率表现优异,且F₁值也优于传统模型。

肺癌是全球死亡率最高的癌症之一,肺结节作为肺癌早期诊断的重要依据,对其进行精准分割格外重要。为了帮助医生诊断肺部病变,本文提出一种改进的UNet肺结节分割方法。首先,在特征提取部分引入高效通道注意力网络(efficient channel attention for deep convolutional neural networks, EcaNet),提高UNet分割效果,使其具有良好的泛化能力。接着,为了降低模型参数量、提升算法分割性能,提出一种基于深度可分离卷积的特征融合模型,用深度可分离卷积代替传统卷积完成特征融合。然后,针对肺结节图像特点,将基于重叠度损失函数(dice loss)与加权交叉熵(weighted cross entropy, WCE)结合作为新的损失函数。最后,为验证所提算法Eca-UNet的有效性,在LIDC-IDRI肺结节公开数据集上进行评估。结果表明:Eca-UNet算法在DICE相似系数、MIOU上比UNet分割算法分别提高10.47、7.34个百分点;同时在训练速度上提升了10.10%,预测速度提升了11.56%。

遥感卫星降水产品(例如TRMM, tropical rainfall measuring mission)逐渐成为应用极为广泛的数据源。本文在前期研究的基础上,以南方北部湾经济区为研究区,基于降水与NDVI、GDP、城镇化率、人口和高程存在的相关性为基础,构建了TRMM 3B42V7降水数据与上述因子间的回归模型,将2000—2008年的TRMM 3B42V7降水数据空间分辨率由0.25°×0.25°提高到了250 m×250 m。最后利用研究区内27个气象站实测数据进行了精度验证,得出降尺度结果与3B42V7精度基本一致,相对误差(RB)降低了0.93%,决定系数(R²)降低了0.05,相比空间分辨率的提高而言,精度损失基本可以忽略不计,因此该降尺度方法可适用于北部湾经济区。

自动化机器学习是机器学习前沿的一个重要问题,自动化机器学习工具根据数据集及任务需求组合机器学习算子来构造流程,使领域用户在不具备专业机器学习知识的情况下也能完成相应数据分析工作,但目前的自动化机器学习工具普遍存在耗时长和精度低的问题。本文基于数据集相似性和强化学习原理,提出一种数据驱动的自动化机器学习流程的生成方法,利用相似数据集的历史知识,将神经网络与MCTS相结合,指导机器学习流程的生成。实验结果表明:该方法在耗时方面缩短至分钟级别,流程性能也得到提升。

本文设计了厅堂混响、弹簧混响、门混响、金属板混响特殊的人工混响模型。从零极点图、脉冲响应、频率响应角度对各种混响模型中的混响时间、回声密度进行分析和研究。仿真表明,设计的这几种特殊人工混响模型相对单个的梳状滤波器和全通滤波器混响模型,具有较大的回声密度,不存在声染色现象。同时,这几种混响模型混响声可调、声音自然度较好,具有很强的实用价值,可以应用到工程实践中。

Web服务是一种基于Web环境的具有自适应、自描述、模块化和互操作能力的应用程序,这些特点使其具有很好的重用性。软件重用是目前降低软件开发成本的一种颇具前景的方法,Web服务的自动分类在软件重用中起着至关重要的作用。近年来人们将机器学习技术广泛应用于服务分类,取得了一些成果。但是传统机器学习方法的性能高度取决于特征工程的质量。本文提出一种基于预训练模型BERT和深度金字塔卷积神经网络DPCNN相结合的BERT-DPCNN深度神经网络模型,该模型可以自动抽取服务描述的低级表现形式并抽象为高级特征而无需进行特征工程。为了验证该方法的有效性,本文在50个类别、10 184个真实Web服务的数据集上与传统的机器学习方法和一些深度神经网络模型进行全面比较,结果表明,本文提出的模型相比其他方法具有更高的准确率。