课程文献中心 更多>>

关键词： 随机块模型   节点度   属性网络   社团检测  

摘要： 随机块模型可以拟合各种网络的生成,挖掘网络的隐含结构与潜在联系,在社团检测中具有明显的优势.广义随机块模型GSB是基于链接社团的思想发现广义社团的,但其仅适用于有向无属性网络.针对无向属性网络,对网络拓扑信息建模的同时对节点属性进行建模,提出一种度修正的属性网络广义随机块模型DCGSB (degree corrected general stochastic block model).在该模型中,假设网络拓扑信息和属性信息的生成过程都服从幂函数形式的分布,并且引入节点的度来刻画网络的无标度特性,可以更好地拟合真实网络的生成.利用期望最大化算法对DCGSB模型的参数进行估计,通过硬划分处理,得到节点隶属度,进而完成社团检测.在3个含有不同结构的真实属性网络数据集上进行实验,并与10种社团检测算法进行对比,结果表明DCGSB模型不仅继承了GSB模型的优点,能发现广义社团,而且由于属性信息和节点度的引入,使其社团检测能力优于其他10种比较算法.

关键词： 量子计算   量子机器学习   混合量子卷积神经网络   恶意代码检测  

摘要： 量子计算是基于量子力学的全新计算模式，具有远超经典计算的强大并行计算能力。混合量子卷积神经网络结合了量子计算和经典卷积神经网络的双重优势，逐渐成为量子机器学习领域的研究热点之一。当前，恶意代码规模依然呈高速增长态势，检测模型越来越复杂，参数量越来越大，迫切需要一种高效轻量型的检测模型。为此，本文设计一种混合量子卷积神经网络模型，将量子计算融入经典卷积神经网络，以提高模型计算效率。该模型包含量子卷积层、池化层、经典全连接层。量子卷积层采用低深度强纠缠轻量型的参数化量子线路实现，仅使用两类量子门：量子旋转门Ry和受控非门CNOT(controlled-NOT)，并仅使用两量子比特实现卷积计算。池化层基于经典计算和量子计算实现了三种池化方法。本文在Google TensorFlow Quantum上进行了模拟实验。实验结果显示，本文模型在恶意代码公开数据集DataCon2020和Ember的分类性能（accuracy，F1-score）分别达到了（97.75%，97.71%）和（94.65%，94.78%），均有明显提升。

关键词： 激光雷达   微多普勒   光信号处理   深度学习   参数预测  

摘要： 空间锥形目标的参数估计在目标姿态确定、再入后落点预测和目标识别等方面具有重要的意义。本文利用深度学习的方法，预测在多种假目标干扰下空间锥形目标的几何参数和运动参数。首先根据物理光学中的面元剖分思想，建立了多种目标的面散射模型，仿真了各目标的回波信号，再利用短时傅里叶变换对回波信号进行时频分析，以获取由目标微动引起的微多普勒时频谱，最后根据提出的基于空间金字塔的多层残差网络，实现对空间锥形目标的参数预测。仿真结果表明，所提方法对各项参数预测的平均相对误差在15%以内，为实现空间锥形目标运动轨迹的预测奠定了基础。

关键词： 骨质疏松症   骨方颗粒   网络药理学   分子动力学模拟   破骨细胞  

摘要： 目的 通过网络药理学、分子动力学模拟和体外实验验证，探讨骨方颗粒治疗骨质疏松症的潜在靶点和作用机制。方法 通过TCMSP数据库和文献获取骨方颗粒的有效成分，利用PubChem数据库和SwissTargetPrediction数据库预测相关靶点。通过蛋白相互作用网络分析和机器学习模型筛选药物核心靶点，绘制独立验证数据集的受试者特征曲线以评估模型的预测性能。使用基因集富集分析核心靶点的表达和通路。应用分子动力学模拟分析化合物-靶点复合物的结构稳定性和相互作用。采用CCK-8法筛选药物的非细胞毒性浓度，以低、中、高浓度含药血清分别处理RAW264.7细胞，通过TRAP染色法计数破骨细胞，qRT-PCR和Western blot检测相关基因和蛋白表达。结果 通过网络药理学分析获得骨方颗粒潜在有效成分251个、相关靶点1 078个，其中核心靶点SRC和TNF的高表达主要与破骨细胞分化、MAPK信号通路和PI3K/Akt信号通路相关。分子动力学模拟显示，核心活性成分Glabridin与SRC、TNF靶蛋白具有较强的稳定性及相互作用。骨方颗粒含药血清组TRAP染色阳性细胞数量较RANKL组明显减少（P<0.05），其中高浓度含药血清组的抑制效果更显著（P<0.05）；骨方颗粒含药血清显著降低NFATc1、CTSK、SRC和TNF-α mRNA表达（P<0.05），并显著下调NFATc1、CTSK、p-SRC和TNF-α蛋白表达（P<0.05）。结论 骨方颗粒可能通过下调NFATc1、CTSK、p-SRC、TNF-α表达抑制破骨细胞分化，从而减缓骨质疏松症的病理进程。

关键词： 视网膜血管分割   多分辨率卷积交互机制   深监督   多尺度信息   特征聚合  

摘要： 针对传统U型分割网络在视网膜血管分割任务中容易失去空间信息和对比度低的问题，提出一种全分辨率卷积交互网络模型FRCI-Net（Full-Resolution Convolutional Interactive Network）。该模型通过多分辨率卷积交互机制，在保持完整图像分辨率的同时，有效地在水平和垂直方向上扩展。特征聚合模块集成了相邻阶段的多尺度特征图，以补充上下文信息，特征增强模块用来强化特征表示。改进的残差模块不断学习多分辨率表示，生成高精度的预测结果。在视网膜眼底图像公开数据集DRIVE、STARE和CHASED＿DB1上验证了其优越性，Acc分别达到0.9712，0.9792和0.9764，AUC分别为0.9854，0.9916和0.9904。实验结果表明，与其他分割方法相比，FRCI-Net具有优异的视网膜血管分割性能。

关键词： 建筑物提取   高分辨率遥感影像   BASNet网络   深度可分离残差块   空洞卷积  

摘要： 针对网络模型参数量大、下采样过程丢失影像建筑物细节信息的问题,受轻量级网络的启发,设计了一种融入深度可分离残差块和空洞卷积的建筑物提取网络(SD-BASNet)。首先在深度监督编码器预测模块中设计了一个深度可分离残差块,将深度可分离卷积引入主干网络ResNet中,避免卷积核过大,减少网络的参数量;其次为防止网络轻量化带来的精度下降,将空洞卷积融入后处理优化模块的编码层,增大特征图的感受野,从而捕捉更广泛的上下文信息,提高建筑物特征提取的准确性。在WHU建筑物数据集上进行实验,其总体精度mIoU和mPA分别为92.25%、96.59%,其Recall、Precision和F1指标分别达到96.50%、93.79%和92.61%。与当前PSPNet、SegNet、DeepLapV3、SE-UNet、UNet++等语义分割网络相比,SD-BA SNet网络提取精度得到了显著提升,且提取的建筑物完整度更好;与基础网络BASNet相比,SD-BASNet网络的参数量与运行时间也有所减少,证实了本文提出的SDBASNet网络的有效性。

关键词： 网络切片   异构图神经网络   时延预测   深度回归  

摘要： 端到端时延作为网络切片重要的性能指标，在切片部署中因受到网络拓扑、流量模型和调度策略等影响，很难通过建模方式进行准确预测。为了解决上述问题，提出基于异构图神经网络的网络切片时延预测（Heterogeneous Graph Neural Network-Based Network Slicing Latency Prediction，HGNN）算法，首先，构建了切片-队列-链路的分层异构图，实现了切片的分层特征表达。然后，针对分层图中切片、队列和链路三种类型节点的属性特点，使用异构图神经网络挖掘拓扑动态变化、边特征信息和长依赖关系等和切片相关的底层特征，即分别选用GraphSAGE图神经网络、EGRET图神经网络和门控循环单元GRU来提取切片、队列和链路特征。同时，利用基于异构图神经网络的深度回归实现了网络切片特征表达的更新迭代和切片时延的准确预测。最后，通过构建基于OMNeT++的不同拓扑结构、流量模型和调度策略的切片数据库，验证了HGNN在实际网络场景下对切片端到端时延预测的有效性，并通过对比多种基于图深度学习切片时延预测算法，进一步验证了HGNN在时延预测准确度和泛化性方面的优越性。

关键词： 肺结核   病原学阳性   贝叶斯网络   成功治疗率   影响因素  

摘要： 目的　探究毕节市病原学阳性肺结核患者治疗转归的危险因素及影响程度，为肺结核疫情的精准防治工作提供参考依据。方法　从结核病监测报告信息管理系统中导出2017－2022年病原学阳性毕节市肺结核患者登记治疗管理病案，采用χ2检验和二元logistic回归筛选有统计学意义的变量，通过构建贝叶斯网络模型揭示各因素间的相互依存关系及条件概率。结果　2017—2022年毕节市共登记病原阳性肺结核21662例，病原学阳性率为48.60%，成功治疗率为89.52%，均呈上升趋势(χ2趋势=2618.15，P<0.001；χ2趋势=102.84，P<0.001)。经多因素分析显示，性别、年龄、民族、职业、患者来源、HIV检测结果、流动人口、治疗分类是成功治疗率的影响因素（P<0.05）。贝叶斯网络模型显示，年龄、治疗分类是影响治疗结局的主要危险因素，性别、职业、患者来源是间接因素。条件概率显示，<20岁、初治的患者成功治疗率最高（96.75%），产生不良结局的概率为3.25%；≥80岁、复治的患者成功治疗率最低（58.70%），产生不良结局的概率为41.30%。进行因果效应推测，当预防60岁及以上的老年人不患肺结核，且其他患者均为初治患者时，成功治疗率从89.5%上升到93.1%，上升了3.87%；减少近50%的农民不患肺结核，且其他患者的来源为主动发现（健康体检和主动筛查），成功治疗率从89.5%上升到91.7%，条件概率变化值为2.40%。结论　应加强对毕节地区男性、高龄、复治、HIV阳性、农民肺结核患者的诊疗管理，同时，采用贝叶网络的因果关联效应推理对于精准化防控和治疗疾病有着重要意义。

关键词： 维修策略   可靠性   动态规划   Weibull分布  

摘要： 当生产系统的部件发生故障时，选择何种维修策略进行维修对生产制造企业具有重要意义。以往对维修策略的研究多集中于将维修成本最低作为研究目标，而忽略了维修活动对系统净收益产生的潜在价值。为此，针对如何最大化系统生命周期内获得的净收益问题，设计了基于广义更新过程的维修/更换策略，该策略通过引入维修次数和虚拟年龄刻画系统可靠度，利用模拟技术实现相邻两次维修策略时的可靠度转移概率。通过定义维修成本、更换成本、运行收益、运行成本给出每个策略周期内的系统净收益，以此构造系统生命周期内净收益的函数表示，以该净收益的最大值为目标函数建立维修策略模型。为求解该模型，提出了基于半Markov策略过程、参数估计、模拟技术和动态规划技术的求解算法。为了验证模型的正确性和求解算法的有效性，以数控机床主轴为研究对象，对维修策略进行数值实验并与Rosqvist模型结果进行了对比，对比实验结果验证了维修模型的正确性和高效性。敏感性分析结果表明关键参数对最优维修活动均具有显著影响。结论如下：该模型能够为企业在系统生命周期内实现净收益最大化提供有效维修决策。

关键词： 交通运输工程   时变网络   等待时间   多模式交通   Dijkstra算法   路径规划  

摘要： 为了解决经典路径规划算法的两个局限性，即较少考虑多交通方式组合换乘和缺少等待时间的建模方法，以厦门市交通网络为研究对象开展研究。构建了考虑等待时间的多层网络拓扑结构；基于FINLO的特性研究，提出了不同出行方式等待时间的时间依赖建模方法；最后，将等待时间依赖函数引入基于邻接字典的二叉堆Dijkstra算法，提出了一种考虑信号控制、车辆发车间隔的等待时间的多层网络路径规划算法。研究结果表明，提出的方法能够综合考虑多模式交通换乘、车辆班次和信号控制的等待时间依赖特性，弥补现有时间依赖建模的不足，与不考虑等待时间依赖特性的路径规划算法相比，总行程时间缩短了8.4%。