课程文献中心 更多>>

关键词： 点云补全   局部特征   自适应邻域   局部感知   交叉注意力  

摘要： 点云补全指利用不完整的点云数据重建高质量的完整点云。然而，现有的大多数点云补全网络在捕捉局部特征和细节重建方面存在不足，导致生成的点云在局部细节和补全精度上表现不佳。为解决上述问题，提出了一种基于自适应邻域特征融合的多阶段点云补全网络(ANFF-Net)。首先，特征提取器通过自适应调整关键点的邻域选择，以适应不同形状的点云，有效捕捉不同语义点之间的空间关系，减少局部细节信息的丢失；其次，特征拓展器利用局部感知Transformer进一步扩展邻近点的局部特征信息，提升网络的细节恢复能力；最后，点云生成器采用交叉注意力机制，选择性传递不完整点云的局部特征信息，并使用折叠模块逐步细化点云的局部区域，显著增强补全后点云的细节保留，生成更一致的几何细节。实验结果表明，ANFF-Net在ShapeNet55数据集上的补全精度相较于ProxyFormer提升了9.67%，并在PCN和KITTI数据集上也取得了较好的补全效果；可视化结果显示，ANFF-Net生成的点云具有更高的细粒度，形状更接近真实值。

关键词： 岩性识别   ShuffleNetV2网络   混合注意力机制   多尺度特征融合模块  

摘要： 【目的】岩性识别是油气勘探和开发过程中的重要环节，对于油气勘探定位、储层评价以及建立储层模型具有重要的指导意义。但传统的人工岩性识别方法耗时耗力、经典的深度学习模型虽然识别精度高，但模型的参数量大。为了提高模型识别精度，同时降低模型的参数量，使模型适用于岩性实时识别工作。【方法】本文首先收集了白云岩、砂岩等8种共3016张岩石图像构建岩性识别数据集，然后以轻量型卷积神经网络ShuffleNetV2模型为基础网络，提出了一种Rock-ShuffleNetV2岩性识别模型（下文简称为RSHFNet模型）。模型中将混合注意力模块（Convolutional Block Attention Module，CBAM）以及多尺度特征融合模块（Multi Scale Feature Fusion Module，MSF）融入基础网络中以加强模型的特征提取能力，提升模型识别性能，并优化模型中ShuffleNetv2单元的堆叠次数以减少模型参数量。【结果】实验结果表明：与基础模型相比，本文提出的RSHFNet模型的准确率达到了87.21%，提高了4.98%；同时，模型参数量与浮点运算量降低到了8.69×10^6与9.3×10^7，分别是基础模型的67 %与63 %，模型参数量明显降低；并且RSHFNet模型的综合性能明显优于现有的卷积神经网络。【结论】本文提出的RSHFNet岩性识别模型具有较高的识别精度和较好的泛化能力，同时更加的轻量化，为实现野外实时的岩性识别工作提供了新思路。

关键词： 计算机网络课程   信息技术   资源分类   个性化学习   设计和建设   教学资源   学习视角   建设策略  

摘要： 引言随着信息技术的快速发展和普及,计算机网络课程已成为开放大学体系教育(以下简称开放教育)的重要组成部分。结合开放教育存在学习者的多样性、学习需求的差异性以及学习环境的复杂性等情况,如何有效设计和建设计算机网络课程的教学资源以满足学习者的个性化学习需求、提高教学质量,成为当前开放教育领域亟待解决的问题。

关键词： 网络销售   假劣农资   粮食安全   农民   治理难点   预防措施  

摘要： [目的]农资质量直接关系到粮食安全和农民切身利益，近年来网络销售假劣农资的情况增多，给假劣农资治理带来了新的挑战。[方法]运用案例研究法，以线下销售假劣农资典型案例为参照，对比分析网络销售假劣农资典型案例在“上挖生产厂家”、“下追销售流向”两方面的差异，从中归纳出治理难点并分析原因。[结果]网络销售延伸了涉假劣农资违法犯罪的链条和路径，不法分子售假手段更隐蔽、多样，增加了“上挖生产厂家”的难度；受害农民数量更多、分布地域更广，增加了“下追销售流向”的难度。网上农资电商存在监管盲区和相关法律法规滞后、农民群众网购农资产品防范和维权意识普遍淡薄、不法分子网络售假违法犯罪成本低是主要原因。[结论]网络销售假劣农资带来的社会危害程度更大，预防为主原则下主要应对措施有，加强对农资网络销售的监管和加快完善相关法律法规、提高农民群众对网购农资陷阱的识别能力和依法维权意识、畅通放心农资下乡进村渠道及提高不法分子违法犯罪成本。

关键词： 开心散   分子网络   裂解规律   结构鉴定   Glycomol技术  

摘要： 目的：建立基于高分辨质谱法（HR-MS）、分子网络和Glycomol技术整合策略的中药复杂化学成分快速分析方法，对开心散中化学成分进行系统分析。方法：采用超高效液相色谱-四级杆-静电场轨道阱高分辨质谱联用技术（UHPLC Q-Exactive Orbitrap MS/MS）对开心散及其中的10个对照品进行质谱数据采集和裂解行为研究，计算MS/MS碎片模式的相似性并通过全球天然产物分子网络数据库（GNPS）创建分子网络，根据对照品的质谱裂解规律、高分辨质谱一级和二级质谱数据对分子网络中结构相似的分子簇及开心散中主要的化合物类别的结构进行确证；通过Glycomol技术对同分异构体进行精准区分。结果：在正、负离子扫描模式下分析了开心散中102个化学成分，其中人参的主要成分为皂苷类化合物，共25个；远志的成分包括皂苷类、寡糖酯类、■酮类等化合物，共58个；石菖蒲相关化合物16个；茯苓中的化合物检出3个。通过GNPS分子网络进行分类得到人参皂苷、远志皂苷、远志糖酯共3类网络。通过Glycomol技术准确鉴别人参皂苷Rg2、人参皂苷F2、人参皂苷Rg33种同分异构体，并推测出其他同分异构体的结构。结论：建立的HR-MS、分子网络和Glycomol技术整合策略分析开心散化学成分方方法可为其进一步的质量控制、药效物质及药效机制研究等提供数据参考，为中药复方化学成分的快速分析提供借鉴。

关键词： “饭圈”   成因分析   行为逻辑   网络意识风险   防范措施  

摘要： 偶像崇拜是青年学生群体普遍存在的现象。随着网络媒介技术的发展,网络社交平台为追星粉丝提供了一个完美的舆论场,粉丝也在文娱资本的推动下逐渐集结,形成了忠诚度高、组织性强的“饭圈”。“饭圈”对偶像强烈的情感依赖极易被煽动利用,非此即彼的言语霸权严重污染网络生态,“饭圈经济”也滋生出非理性的过度消费理念,这些都是“饭圈”对网络意识形态带来的潜在风险。在总结已有研究成果的基础上,搜集整理“饭圈文化”的理论资料,并通过加入“饭圈”的新浪微博话题群、豆瓣小组群、微信群,参与“饭圈”的话题制造、应援等活动,深入了解“饭圈”的行为逻辑,思考应对“饭圈”网络意识形态风险的措施。同时提出以下建议:推进“清朗”行动,治理网络社交平台;加强监管约束,重塑文娱产业规范;做好教育引导,降低青年学生“入圈”可能性。

关键词： 网络药理学   桑树桑黄   分子对接   分子动力学   非小细胞肺癌   UHPLC-Q-Exactive-Orbitrap-MS  

摘要： 为了探究桑树桑黄（Sanghuangporus sanghuan）子实体乙醇提取物（SSBEE）的生物活性成分及抗非小细胞肺癌（non-small cell lung cancer，NSCLC）的作用及潜在的作用机制。本研究首先采用UHPLC-Q-Exactive-Orbitrap-MS技术检测SSBEE的主要活性成分，其次利用Swiss ADME和Swiss Target Prediction数据库确定SSBEE的潜在活性成分及作用靶点，并借助GeneCards数据库筛选疾病基因及对核心靶点进行GO和KEGG富集分析和关键网络图构建，并同时通过分子对接和分子动力学评价SSBEE核心成分与潜在作用靶点蛋白的结合作用，最后通过CCK-8和Western blot实验评价SSBEE抗NSCLC的活性及其可能的作用机制。结果显示，从SSBEE中共鉴定出54个化合物，其中19个活性化合物主要作用于PIK3CA、CTNNB1等15个核心靶点，KEGG富集分析发现其可能通过HIF-1和PI3K-Akt等多条通路发挥抗NSCLC的作用；分子对接和分子动力学显示ulocladol和染料木黄酮等对核心靶点PIK3CA等蛋白的亲和作用较好；功能验证实验结果显示SSBEE（160 μg/mL）对A549的抑制率为81.26%，其可以抑制靶点PIK3CA和CTNNB1的表达，证明了网络药理学分析的可靠性。该研究明确了桑树桑黄子实体乙醇提取物的活性成分及潜在作用机制，为桑树桑黄防治NSCLC提供了科学理论依据。

关键词： 小样本学习   图像分类   图神经网络   标签信息  

摘要： 小样本学习旨在通过有限数量的标记样本来训练分类器，以增强模型的泛化能力。现有方法主要依赖于样本特征作为图节点进行消息传递，并对样本间的关系进行隐式建模。然而，这种方法容易导致特征相似但类别不同的样本之间发生混淆，同时未能充分探索样本间潜在的复杂关系。针对这一问题，本文提出了一种标签引导的图神经网络小样本图像分类方法。该方法通过结合类原型和类标签信息作为图节点构建原型图神经网络，利用样本标签信息引导的相似性网络生成的邻接矩阵构建样本关系图神经网络，并采用一致性损失函数实现了两个图神经网络之间的相互指导与优化。在mini -ImageNet和tieredImageNet数据集上的实验验证表明，所提出的方法在小样本图像分类任务中的性能优于其它现有代表性方法。

关键词： 黑色素瘤   感知边缘增强模块(SEBM)   分层补偿模块(HCM)   语义信息   信息补偿  

摘要： 针对黑色素瘤的医学图像分割，以U-Net 为骨干，提出了一种新颖的医学图像分割网络SEHC-Net。专门设计了一个名为感知边缘增强模块(Sense & Edge Boost Module，SEBM)的新结构来处理分割形状不规则、大小多样和边界模糊的黑色素瘤图像的困难。感知边缘增强模块可以扩大特征的感受野，增强了模型提取目标边缘信息和进一步捕捉像素之间联系的能力。此外，还提出层级补偿模块(Hierarchical Compensate Module，HCM)来解决信息拼接过程中长连接导致的信息冗余问题。HCM可以弥补主流分割网络在特征提取阶段不能在空间上下文信息和高级语义信息之间充分平衡的缺陷。同时，为了缓解由于引入以上两种结构导致的参数量增加问题，引入GoogleNet中的Inception思想，减小网络原始的编码解码卷积模块中的卷积核尺寸，从而在降低模型参数量的同时增加了模型的宽度和深度，也增强了捕获像素间关联的能力，提升了分割模型的性能。所提出的分割算法在ISIC2018 黑色素瘤数据集上进行验证，试验结果表明，IoU、Sensitivity、Precision、Dice和Accuracy分别达到了79.54%、86.29%、90.92%、84.39%和94.83%，可以有效提升黑色素瘤的分割性能。

摘要： 一直以来,部分自媒体为了蹭热点、博流量,频频做出造谣传谣、消费灾难、网络暴力等无下限的行为.近日,针对自媒体乱象,中央网信办发布《关于加强"自媒体"管理的通知》(以下简称《通知》),从强化资质认证、加强谣言治理、规范账号运营等13个方面入手,要求网站平台压实信息内容管理主体责任,以常态化管理制度机制,推动形成良好网络舆论生态.