反锐化掩膜(unsharp masking, USM)锐化是图像编辑中改善图像视觉清晰度的一种常用操作。然而,若将这一操作应用到篡改司法证据或者公共事件图片等场景,则会造成严重危害。近年来,图像取证领域的研究者已经提出许多USM锐化取证与反取证的方法,本文对该领域文献进行系统性综述。首先阐述USM锐化操作的基本原理,然后从算法实现原理角度对现有的USM锐化取证与反取证方法进行分类总结,接着介绍相关文献常用的数据集,并对现有方法的性能进行对比评价,最后分析现有方法面临的挑战并对未来的研究方向进行展望,主要包括以下几个方面:使用新的数据集,深入取证与反取证博弈的研究,深入研究锐化反取证,注重取证方案的执行效率,提高反取证的可靠性。

毕赤酵母Komagataella phaffii已经被广泛应用于生物技术行业,近年来,其作为模式生物的潜力逐渐受到关注。目前,酿酒酵母是最常用酵母模型,毕赤酵母与酿酒酵母在2.5亿年前分化,相比酿酒酵母,毕赤酵母进化速度较慢,更多保留了古代酵母祖先的特征,还具有利用甲醇作为唯一碳源生长的能力,这些特征使其成为研究真核生物分子细胞生物学的有价值模式生物。本文总结了毕赤酵母基础生物学方面的研究成果,包括甲醇同化、过氧化物酶体生成、交配与产孢行为,以及蛋白质分泌、脂质合成和细胞壁形成等过程,旨在全面且系统地综述毕赤酵母作为模式生物的研究进展。

好氧堆肥是实现鸡粪资源化处理最主要的技术手段之一。然而在鸡粪堆肥过程中氮素损失较为严重,在降低肥效的同时,还引起严重的面源污染。本文总结影响鸡粪堆肥过程氮素损失的主要原因,并综述初始C/N、初始含水率、翻堆频率、添加剂种类对鸡粪堆肥过程氮素损失的影响,得出减少鸡粪堆肥氮素损失的最适初始C/N为20～25、初始含水率为60%～65%、翻堆频率为7天1次。复合添加剂较单一添加剂更能降低堆肥过程中的氮素损失。最后提出鸡粪堆肥未来方向的研究展望,为今后进行鸡粪堆肥过程中氮素损失的研究提供理论依据。

采用文献计量学方法厘清国内外三维荧光光谱技术对内陆水体中溶解性有机质(DOM)的研究现状、热点和发展趋势。利用CiteSpace知识图谱分析工具,以CNKI和WoS核心合集为数据源,从年发文量、发文作者、发文国家、关键词聚类以及突显等方面进行可视化分析,并对三维荧光光谱技术研究内陆水体中的DOM及其数据分析方法与解析技术进行综述。结果表明该领域年发文量呈上升趋势且以外文文献量增长较快为主要特征,中国是发文量最多的国家,国际化交流合作程度高且已形成较为稳定的研究团体,研究潜力充足。国内外利用三维荧光光谱技术对内陆水体中DOM的研究主要集中在易受人类活动影响或富营养化严重的水域,包括富营养化水体与沉积物中溶解性有机质,有色溶解性有机质和消毒副产物的研究,以及涉及溶解性有机质与重金属相互作用、全球气候变化响应、生物利用性等方面。除了采用常规的数据分析方法外,综合运用三维荧光光谱与吸收光谱、质谱等技术相结合,从分子水平解析内陆水体中DOM的组成和来源特征是该领域未来的重要研究热点与趋势。

准确预测车辆轨迹可以保障自动驾驶车辆行驶安全,针对已有方法对长序列轨迹建模预测能力有限的问题,本文提出一种基于Transformer网络的车辆轨迹预测模型。将车辆的运动数据与交互数据输入驾驶意图预测模块生成概率意图向量,通过Concatenate函数与轨迹信息拼接后输入轨迹预测编码器,利用多头注意力机制充分提取轨迹特征,经解码器得到未来时刻的车辆轨迹分布。在车辆轨迹真实数据集NGSIM上进行验证,结果表明:在2 s预判时间下,驾驶意图预测模块准确率可达到85%以上;在4 s的预测时域下,轨迹预测模型相较于已有模型,其RMSE降低均达到10%以上。本文提出方法为自动驾驶车辆准确预测轨迹提供技术支持。

针对含有网络攻击的非线性广义系统形式描述的信息物理系统,本文研究其状态估计和攻击信号重构问题。首先,将广义系统形式上写成一般系统,利用中间变量重构攻击信号,设计出中间变量观测器;而后,通过线性矩阵不等式得出观测器增益矩阵存在的充分条件;最后,利用数值仿真验证所提方法的可行性。仿真分析中,针对智能汽车的车道保持系统进行建模,将车辆动力模型和车辆保持模型转化为动力系统的形式,从信息物理系统的角度出发,研究车辆的安全状态估计问题。当系统含有网络攻击时,利用所提观测器对车道保持系统状态进行估计,结果表明设计的中间变量观测器能够准确地估计系统状态和攻击信号,且误差系统均在4 s内趋于稳定。

为解决电力系统中电源侧和负荷侧的不确定性对电网调度计划的影响,针对电源侧,考虑风电与光伏出力的不确定性,分别建立风电与光伏的概率密度函数模型,通过拉丁超立方采样方法生成场景并进行缩减,从而得出风电与光伏出力区间;针对负荷侧,考虑柔性负荷对电网消峰填谷的作用,提出基于智能小区的综合需求响应两阶段鲁棒优化模型。在日前阶段,以电网系统运行成本和碳交易成本最小为优化目标,考虑源荷的不确定性,基于价格需求响应模型,从而确定日前调度方案。在日内阶段,基于日前阶段优化结果,以智能小区运行成本和碳交易成本最小为优化目标,建立两阶段鲁棒优化模型,通过列约束生成(column-and-constraint generation,C&CG)算法将目标函数进行转换,采用Karush-Kuhn-Tucker条件和Big-M约束方法将max-min形式优化问题转化为混合整数线性规划(mixed integer linear programming,MILP)模型。最终,通过算例验证了所提模型的正确性以及算法的有效性。

针对Brugada综合征(Brugada syndrome, BrS)患者的症状发展与其异常CV(conduction velocity, CV)恢复和异常APD(action potential duration, APD)恢复之间的联系仍未明确问题,本文采用元胞自动机模型对其进行研究。首先根据BrS患者心电信号的特点对元胞自动机模型进行量纲化处理,并在模型中考虑CV恢复和APD恢复;然后使用该模型数值模拟不同CV恢复及APD恢复下与心动过速对应的心电信号螺旋波态的演化行为。结果表明:只存在CV恢复时,心动过速只会维持,不会恶化;在CV恢复和无记忆APD恢复共同影响下,心动过速可能消失,也可能转化为心室颤动,其中转化为心室颤动的概率为54%,明显高于临床数据;在CV恢复和带记忆APD恢复共同影响下,心动过速可能消失、维持或转化为心室颤动,其中转化为心室颤动的概率约为35%,与临床数据一致。跟踪观察波头附近的心电信号传导情况,发现BrS患者的症状发展与CV恢复或APD恢复导致的电信号传导阻滞有关,传导阻滞的程度越严重,BrS患者就越容易由心动过速发展为心室颤动。记忆性APD恢复因其记忆效应能降低APD的振荡幅度,所以能降低心室颤动的发生率。

糖尿病视网膜病变眼底图像中出血点病灶尺寸小且分布密集,导致现有算法难以实现该病灶的精确检测及定位。本文提出一种RCA-YOLO出血病灶检测算法,算法在YOLOv5s基础上,首先在主干网络中使用RCA-Net模块,使网络在获得各通道间联系的同时保留目标病灶的位置信息,增强网络对出血区域的特征提取及定位能力;然后在特征融合阶段采用轻量化特征金字塔网络Tiny-BiFPN,在减少网络参数量的同时,实现高效率的多尺度特征融合;最后提出小目标特征增强模块,提升算法对小出血点病灶的检测精度。实验结果表明,改进后的RCA-YOLO算法能够准确地检测并定位出血点病灶,平均检测准确率(mAP)可达79.3%,较YOLOv5s算法提高了9.5个百分点,其检测结果同样优于Faster R-CNN、YOLOv6s、YOLOv7和YOLOv8s等主流算法。

现有点云配准算法提取的特征不够丰富,导致配准精度很难进一步提升。针对该问题,本文提出一种基于深度学习的多尺度特征融合点云配准算法。首先,利用EdgeConv提取多个不同尺度的特征,该特征能够保持局部几何结构特性;接着,引入非线性极化注意力对其输出特征进行筛选,从而提高特征信息的有效性;然后,将以上多尺度特征进行融合并再次利用EdgeConv提取其特征,从而提高特征的表达能力;在刚体姿态估计阶段,采用线性李代数处理旋转变换以充分挖掘点云中的变换信息;最后,根据配准过程中提取点云特征的变化,动态调整损失函数各组成部分的权重,获得更准确的模型预测结果。在ModelNet40数据集上进行实验,本文算法在训练集和测试集样本种类相同时的旋转误差为1.826 7,位移误差为0.001 0;在训练集和测试集的样本种类不相同时(泛化实验)的旋转误差为2.979 4,位移误差为0.001 0。实验结果表明,本文算法的配准精度相比当前主流算法均有提高且泛化性能较好。

为了解决联盟链中实用拜占庭容错(PBFT)共识机制在区块链网络中节点数量增多的情况下,通信复杂度高、共识效率低下等问题,本文提出一种基于Raft的多主节点拜占庭容错共识机制IMRBFT。IMRBFT通过Maglev一致性哈希算法对区块链网络节点均匀分组,将这个共识流程分成组外共识和组内共识2部分。组内先选出领导者节点,通过信用机制将节点分为3个等级:可信节点、普通节点和不可信节点。与投票机制共同降低恶意节点成为领导者节点的概率,并与其他组的领导者节点组成委员会,委员会再经过组外信用值机制选出信用值最高的多个主节点进行组外PBFT共识。组内共识在Raft共识的基础上引入监管节点与中继节点,进一步提升安全性与共识效率,减少恶意节点的作恶行为。实验结果表明:IMRBFT的通信开销为线性增长,通信量为PBFT的41.6%,吞吐量为PBFT的4.2倍,共识延时降低76.4%。随着节点增多,优化更加明显,完全满足大型区块链网络的通信复杂度小、吞吐量高、共识延时短、安全性与共识效率高的要求。

针对传统最大似然波达方向(maximum likelihood direction of arrival,ML-DOA)估计存在计算量大、估计精度差等问题,本文提出一种采用改进帝王蝶优化算法(improved monarch butterfly optimization algorithm,IMBO)的ML-DOA估计方法。IMBO算法通过精英反向学习策略对初始帝王蝶种群进行优化,得到适应度值较优的初始帝王蝶个体,进而能够改善帝王蝶种群的多样性;引入差分进化算法启发的变异操作以及自适应策略对帝王蝶个体的寻优方式进行改进,扩大了算法的搜索空间;引入了高斯-柯西变异算子,自适应调整变异步长,避免算法陷入局部最优。将IMBO应用于ML-DOA,实验表明,与传统的DOA估计算法相比,在不同信源数目、信噪比以及种群数量下,本文提出的算法收敛性能更好,均方根误差更低,运算量更小。

本文研究一类具有Beddington-DeAngelis型功能性反应的随机时滞捕食-被捕食系统。利用Lyapunov函数、It公式等证明该系统存在唯一全局正解和随机最终有界性,得到全局渐近稳定性的充分条件。利用Milstein方法进行数值模拟,验证系统的全局渐近稳定性。

本文研究带加性白噪声的随机反应扩散方程的随机吸引子关于噪声强度的稳定性。首先,在非线性函数满足更一般条件下,在初始空间L²(R^N)中获得随机微分方程的解收敛到确定方程的解,从而得到随机吸引子的上半连续性;然后,利用非线性分解和差分估计,证明L^p(R^N)(p>2)空间中解的收敛性和随机吸引子的上半连续性,其中p是非线性函数的增长指数。

本文在逐步Ⅰ型混合截尾下,研究复合Rayleigh分布竞争失效产品部分步加寿命试验的统计分析问题。首先,基于复合Rayleigh分布竞争失效产品和损伤失效率(TFR)模型,运用极大似然理论和渐近似然理论,给出未知参数和加速因子的极大似然估计和渐近置信区间;然后,对未知参数和加速因子选取先验,利用MH抽样算法获得参数和加速因子的Bayes估计和最大后验密度置信区间(HPD);最后,通过Monte Carlo模拟对2种估计方法进行比较。结果表明:贝叶斯估计效果整体优于极大似然估计(MLE),在相同置信水平下,基于Bayes估计的HPD置信区间长度略短于MLE的渐近置信区间长度。

䗛目昆虫因其拟态现象、断肢再生、孤雌生殖、防御机制等特殊行为具有重要的研究价值。通过查阅文献整理出广西䗛目昆虫名录,共6科7亚科38属88种2亚种,并提供了每个种的相关文献记录、分布地点、模式产地、模式标本及保存地、两性标本和卵等信息。与前人研究相比,新名录新增了13种2亚种,并按照亚科、属和种分类阶元以及拉丁字母的先后顺序进行整理归纳,为广西䗛目昆虫的分类学和保护生物学研究提供参考。

Nr4a3(nuclear receptor subfamily 4 group a member 3)属于核受体亚家族成员,参与细胞增殖、细胞迁移和细胞凋亡的调控。据报道,Nr4a3在多种肿瘤组织中表达下调。为探索Nr4a3在乳腺癌发生、发展中的作用,本文利用公共数据库分析NR4A3在乳腺癌组织中的表达以及与乳腺癌患者总生存率的关系。在4T1细胞系上敲除Nr4a3基因,通过流式细胞术等检测细胞凋亡、细胞周期;CCK-8与集落形成实验检测细胞活力;细胞划痕与侵袭检测细胞迁移与侵袭能力;通过q-PCR检测细胞周期和凋亡基因的表达水平。结果表明:Nr4a3在乳腺癌组织中表达水平显著下调;与乳腺癌患者的总生存率呈正相关关系;Nr4a3敲除后,细胞增殖增强,细胞凋亡减少及细胞迁移能力和侵袭能力增强。本研究揭示了Nr4a3在乳腺癌细胞增殖、凋亡、迁移和侵袭的潜在作用,可能成为乳腺癌潜在的治疗靶点。

本文旨在研究日粮添加不同水平发酵红薯渣对黄羽肉鸡生长性能、屠宰性能和肉品质的影响。先应用强迫饲喂代谢试验测定黄羽肉鸡对红薯渣发酵饲料营养物质的表观代谢率。再选用360羽1日龄黄羽肉鸡随机分为Ⅰ、Ⅱ、Ⅲ和Ⅳ 4个处理组,每组6个重复,每重复15羽。对照组(Ⅰ组)饲喂基础日粮,试验Ⅱ组、Ⅲ组、Ⅳ组1~21日龄分别饲喂基础日粮+10、30和50 g·kg^-1的发酵干红薯渣(等量代替玉米),22~42、43~70日龄分别饲喂基础日粮+50、80和100 g·kg^-1的发酵干红薯渣(等量替代玉米),试验期为70 d。结果显示:黄羽肉鸡对发酵红薯渣营养物质粗蛋白质、粗脂肪、粗灰分、粗纤维和总能的表观代谢率分别为63.67%、65.72%、70.85%、72.45%和87.93%;日粮中添加发酵干红薯渣等量替代玉米对黄羽肉鸡的平均日增重、平均日采食量和料重比的影响不显著(P>0.05);与对照组相比,Ⅱ、Ⅲ和Ⅳ组胸肌和腿肌的pH值及红度(a^*)值提高(P>0.05),滴水损失率和剪切力降低(P>0.05),蒸煮损失率显著降低(P<0.05)。在日粮中添加50~100 g·kg^-1发酵干红薯渣等量替代玉米可改善黄羽肉鸡肌肉品质。

基于多靶点虚拟筛选、网络药理学分析和体外实验,探讨强肝胶囊(QGC)治疗非酒精性脂肪性肝病(NAFLD)的潜在作用机制。利用基于PPARα/γ、FXR 及 sEH的多靶点虚拟筛选选出QGC中具有治疗 NAFLD的活性成分,运用网络药理学预测活性成分靶点、疾病相关靶点,筛选调控疾病的关键靶点,通过Discovery Studio 2020软件和Gromacs软件对关键活性成分和关键靶点进行分子对接和分子动力学模拟分析。最后,通过实验验证QGC中的关键活性成分对肝细胞脂肪变性的改善作用。多靶点虚拟筛选得到235个 QGC活性成分,网络药理学分析得到320个成分-疾病共同靶点。分子对接结果表明,芹菜素、异鼠李素、迷迭香酸、大黄素甲醚、木犀草素与关键靶点PTPN1、PPARα、PPARγ、AR具有良好的结合能力。分子动力学模拟进一步验证了迷迭香酸、大黄素甲醚等化合物与关键靶点具有良好的结合稳定性。体外实验结果显示, 5个关键活性成分均能改善HepG2细胞的脂肪变性,其中异鼠李素、迷迭香酸、大黄素甲醚改善细胞脂肪变性模型的效果最佳。本研究通过多层面探讨,为QGC在NAFLD治疗中的开发和应用提供理论依据。

大规模交通基础设施的快速发展加剧了生态风险,尤其是生态脆弱区的公路建设,易对沿线生物多样性及生态系统构成重大威胁,如何填补这一空白,更好地优化公路选线仍缺乏普遍研究。本研究以贵州省黔东南州玉屏至镇远公路选线为例,采取客观、定量的评价方法分析公路沿线生态稳定性,通过构建公路生态敏感性评价体系,运用层次分析法(AHP)及ArcGIS空间加权叠加分析,指导其在生态脆弱区的选线优化,有效防止生态系统的进一步破碎和丧失。结果表明:1)从高程(B1)、坡度(B2)、坡向(B3)、水源保护(B4)、土地利用现状(B5)、风景名胜资源保护(B6)、植被覆盖度(B7)、景观破碎度(B8)、地质灾害(B9)9个指标进行评价,权重值由大到小为B7＞B1＞B4＞B8＞B5＞B2＞B9＞B6＞B3,表明植被覆盖度对公路生态敏感性影响最大,坡向影响最小。2)玉屏至镇远公路生态敏感性分值为1.60～5.62,高敏感区和中敏感区分别占10.72%和25.84%。3)对传统公路选线(B线)与基于生态敏感性选线(K线)指标对比,K线生态敏感性(4.34)低于B线(4.58),提出了不同路段工程建设适宜性与生态恢复策略。本研究为生态脆弱区公路选线提供了科学依据,并可推广至其他领域绿色基础设施的规划与实践。