课程文献中心 更多>>

关键词： 水系格局   连通性   连通性指标   等高截水   东海县  

摘要： 等高截水工程由一系列沿等高线开挖的平底河道组成，具有横向截水、排水、调水等综合功能，在江苏沿海河网区水安全保障中发挥了重要作用。为定量揭示等高截水工程实施对河网区水系格局及功能的影响机理，本文基于水系形态结构分析法、景观生态学理论、图论及复杂网络方法，建立考虑区域和节点两层面的水系结构及连通性综合分析方法，并在东海县龙梁河－石安河水网区进行应用。结果表明，在水系结构方面，河流的发育数量和发育长度分别提升了75.95%和78.05%；在区域连通性层面，等高截水工程通过横向连接孤立河网，使得区域水网的水系环度、节点连接率和水文连通度指数分别提高了44.34%、16.96%和15.22%，水系整体连通性显著增加；在节点连通性层面，由于等高截水工程具有双向连接节点的能力，节点连通程度显著提升，节点传播能力和节点重要程度的空间分布得到优化。

关键词： 图像配准   Spark分布式网络   轨道交通   智慧监控   SURF算法  

摘要： 针对传统轨道交通监控系统存在视频图像智能分析效果不佳的问题，提出设计一个结合图像配准和分布式网络的轨道交通智慧监控系统。首先，采用Spark分布式分析计算框架进行智慧监控系统构建；然后通过SURF算法对监控图像进行特征提取，并结合双向匹配和RANSAC算法进行特征匹配，以实现图像配准；最后将图像配准结果输入至系统中进行图像双光融合和目标检测，由此实现智慧监控。实验结果表明，提出的图像配准方法的mAP值高达97.32%，FPS仅为11.48ms，明显低于其他图像配准方法，异源图像融合效果显著提升。采用Spark分布式网络构建的系统功能模块完善，满足轨道交通智慧监控图像智能分析需求，具备有效性和稳定性。

关键词： 径流预报   概率预报   长预见期   深度学习  

摘要： 可靠高精度的径流长预见期概率预报可为水库调度和决策提供信息。本文围绕如何仅采用历史降雨、蒸发和径流数据完成长预见期预报、提高径流预报精度、量化预报不确定性等开展研究。采用最大平移相关系数法分析上游站点流量演进到下游站点的传播时间；然后将上游、下游、支流历史流量以及区间历史降雨与蒸发变量构建为三维张量形式；提出基于卷积单控记忆神经网络（ConvSCM）的确定性预报模型，并结合变分贝叶斯推理框架构建径流概率预报模型BConvSCM。将本文提出的模型应用于长江流域中下游径流预报，结果表明：（1）在缺少降雨预报数据时，概念水文预报模型仅能完成1个时段预见期的预报，而BConvSCM模型可完成径流的长预见期预报；（2）BConvSCM模型的均值预报结果确定性系数比传统概念水文模型平均提高约2.86%，比现有深度学习模型平均提高0.68%，且获取了合适的径流预报概率密度函数。该研究成果可为径流长预见期概率预报提供参考。

关键词： 特征图谱   网络药理学   地骨皮   地骨皮甲素   地骨皮乙素   质量标志物  

摘要： 基于地骨皮特征图谱并结合网络药理学，在中药质量标志物（quality marker，Q-Marker）“五原则”指导下，筛选地骨皮的潜在Q-Marker并建立其定量分析方法，为地骨皮质量控制提供参考。本研究采用高效液相色谱（high performance liquid chromatography，HPLC）法建立20批地骨皮药材特征图谱，结合化学计量学分析筛选出不同产地的地骨皮差异标志物，再通过网络药理学等方法获取地骨皮特征成分的核心靶点及关键通路，绘制出“成分-靶点-通路”网络，筛选出地骨皮治疗高血压、高血糖和高血脂（简称“三高症”）的核心成分。基于Q-Marker“五原则”最终筛选出地骨皮治疗“三高症”的潜在Q-Marker，并采用HPLC法建立其定量分析方法，对其进行含量测定。本研究建立了地骨皮药材特征图谱，确定了12个共有峰，通过对照品指认了其中6个色谱峰，分别为咖啡酰丁二胺、N-阿魏酰基-1，4-丁二胺、地骨皮乙素、地骨皮甲素、枸杞素A、枸杞素B。经化学计量学分析，筛选出咖啡酰丁二胺、N-阿魏酰基-1，4-丁二胺、地骨皮乙素、地骨皮甲素、枸杞素A、枸杞素B为不同产地的差异性标志物。经网络药理学分析，筛选出地骨皮治疗“三高症”的N-阿魏酰基-1，4-丁二胺、地骨皮乙素、地骨皮甲素3个核心成分，表皮生长因子受体（epidermal growth factor receptor，EGFR）、丝裂原活化蛋白激酶10（mitogen-activated protein kinase 10，MAPK10）、MAPK8、MAPK14、雌激素受体（estrogen receptor 1，ESR1）、一氧化氮合酶（nitric oxide synthase 3，NOS3）等核心靶点以及癌症信号通路、癌症中的蛋白聚糖类、MAPK信号通路、内分泌的阻力、补体和凝血级联反应等关键信号通路。基于“五原则”的指导，最终筛选出地骨皮甲素、地骨皮乙素为地骨皮治疗“三高症”的潜在Q-Marker，并建立了其含量测定方法，含量分别为0.19%～0.97%、1.77%～5.66%。本研究建立了地骨皮药材HPLC特征图谱，结合化学计量法和网络药理学分析预测了地骨皮治疗“三高症”的潜在Q-Marker，为地骨皮药材质量控制和质量评价提供科学依据与参考。

关键词： 中尼FTA   负面清单   金融开放   金融体制改革  

摘要： 在中国—尼加拉瓜自由贸易协定（简称“中尼FTA”）中，中国首次在所有行业均采用了投资负面清单管理模式。金融业在中尼FTA负面清单中作为一个单独附件被列出，这对于中国深化金融体制改革、扩大金融开放具有里程碑意义。在上述背景下，本文详细梳理了中尼FTA金融业负面清单的内容，对签约双方负面清单的限制强度在细分行业层面上进行了全面比对。在此基础上，结合金融业投资限制措施的特点，优化了已有文献的负面清单量化方法，并以美国负面清单模式FTA伙伴国为样本，对金融业负面清单文本进行了量化处理。通过比较样本国家金融业负面清单的累积限制强度、限制偏度和相似度等指标，本文深入分析了中国金融业负面清单的特点、存在问题及其深层原因，并提出了在构建高标准FTA网络背景下，中国优化金融业负面清单及进一步扩大金融开放的思路与对策。

关键词： 网络药理学   分子对接   玉米须   2型糖尿病  

摘要： 玉米须（MS）已被证明具有显著的降血糖作用。研究旨在使用网络药理学和分子对接方法探索玉米须治疗T2DM的分子机制，通过动物实验验证玉米须提取物对2型糖尿病大鼠的空腹血糖、胰岛、肝脏病理学改变及PI3K、AKT mRNA表达的影响。TCMSP表明玉米须包含12种活性成分。PPI和核心靶点分析确定AKT1、TNF、TP53、IL6和PTGS2是玉米须治疗T2DM的关键靶点。分子对接方法证实玉米须生物活性分子与T2DM靶点具有高亲和力。富集分析表明：玉米须活性成分参与多种信号通路，主要通路包括脂质和动脉粥样硬化、IL-17信号通路、PI3K-Akt信号通路等。动物实验证明玉米须提取物能够控制T2DM大鼠空腹血糖，改善T2DM大鼠胰岛和肝脏组织形态，逆转PI3K和AKT mRNA表达。网络药理学、分子对接以及动物实验验证结果表明，玉米须可改善T2DM，其作用机制可能与调节PI3K和AKT mRNA表达有关。

关键词： 小样本学习   医学图像分割   注意力机制   原型自校准  

摘要： 当前，小样本医学图像分割方法主要通过特征空间对齐和增强模型泛化性以指导查询集分割，但其忽略了支持集与查询集病理器官间存在显著类内差异以及前景与背景之间存在边缘误差。本文提出一种双路自优化小样本医学图像分割网络（A Dual-Branch Self-Optimizing Segmentation Network，DSSNet），该网络充分利用医学图像的结构位置先验，采用前景与背景双路径并行优化原型策略，以提升对样本边缘分割精度。同时本文提出了一种自匹配的动态优化策略，通过利用高置信度原型进行原型校准，缓解支持样本与查询样本间的类内差异。该策略通过在双分支网络中引入前景与背景的并行优化，增强了两者之间的结构信息互补。此外，本文提出了一种多尺度特征聚合模块，通过聚合模型中不同尺度的语义特征，在保留更多细节信息的同时增强模型的长距离相关性依赖。模型在公开的医学图像分割数据集Abd-MRI和Card-MRI上进行了充分的对比实验与消融实验，结果验证了所提模型与当前最先进的小样本医学图像分割方法相比，在分割准确率上展现出了显著的性能优势。

关键词： 滨水空间意象   城市意象   网络文本   宋都水系工程  

摘要： 城市滨水空间是城市发展的重要资源，对于提升城市品质、促进经济发展和增强城市竞争力具有重要意义。以开封宋都水系工程为研究对象，基于网络文本数据构建滨水空间“意象感知”转译公式，利用多源数据、网络文本分析、回归分析等方法探究其滨水空间意象特征。研究发现，人们对宋都水系工程不同期段的空间意象感知情况存在显著差异，其沿岸的历史文化元素是公众最主要的空间感知意象，同时具有地域文化属性的商业消费空间也吸引了较大的关注。进一步探究其影响因素，发现公众对于滨水空间意象的感知情况与空间的功能混合度和功能密度相关，进而为滨水空间的功能组织和规划上提供理论参考和优化建议。

关键词： 知识图谱   注意力机制   推荐系统   图注意神经网络  

摘要： 针对当前推荐系统对邻阶信息利用不高的问题，将知识图谱应用到推荐系统，增加注意嵌入传播层，学习知识图谱中与实体相邻的节点信息，通过挖掘实体之间的相关属性，能够有效的学习实体间的关系，大幅度提高信息的利用效率以及推荐系统的性能。为验证该方法的有效性和正确性，在两个知识图谱数据集上进行实验，并与相关基线模型进行对比。实验结果表明，本方法能够有效利用邻阶信息，提高推荐系统正确率。

关键词： 人脸超分辨率   低光图像增强   监督学习   随机掩码   损失函数   深度学习   局部特征提取   全局特征提取  

摘要： 在低光环境下，人脸图像增强是许多任务的重要恢复方法。然而，现有的低光环境下人脸超分辨率方法通常依赖于低光增强和超分算法的序列建模。遗憾的是，由于优化目标之间的差异，使用这种方法来增强人脸图像很容易导致伪影或噪声。为了应对这一挑战，本文提出了一个端到端的低光人脸图像超分辨率网络LFSRNet（low-light face super resolution network）。该网络由浅层特征提取、深层特征提取和特征过滤上采样3个模块组成。浅层特征模块首先将输入的低光、低分辨率人脸图像映射到特征空间。随后，深度特征提取模块对其进行亮度校正并细化结构。最后，特征过滤上采样模块处理提取到的特征并重建人脸图像。此外，为了更好地重建丢失的面部细节本文还设计了一个损失函数faceMaskLoss。大量实验证明了所提模型的有效性。