课程文献中心 更多>>

关键词： 空间转录组数据   解卷积   DenseNet   CORAL  

摘要： 空间转录组(Spatial transcriptomics, ST)测序技术可以捕获多个细胞的空间位置信息,但无法达到单细胞分辨率,阻碍了对细胞类型异质性空间模式和基因表达特异性的解析。针对ST数据,本文提出了基于DenseNet网络结构和CORAL域自适应理论的细胞类型解卷积算法(STDN)。STDN通过学习引入的单细胞转录组(Single cell RNA sequencing, scRNA-seq)数据的细胞类型信息,利用迁移学习模型将其迁移到ST数据上,从而达到预测ST数据中每个捕获位点(Spot)的细胞类型组成及比例的目的。本文通过4组scRNA-seq真实数据及模拟的配套ST数据,表明STDN可以有效地恢复细胞类型转录谱及其在Spots内的比例,且优于其它解卷积算法。STDN对小鼠海马体和人类胰腺导管腺癌的ST数据进行解卷积,确定了组织中的多种细胞类型,解析了组织和癌症的高度异质性,为研究疾病的致病机理奠定了基础。

关键词： 旋转门算法   变电站   监测数据   数据压缩   数据去重  

摘要： 监测数据所占存储空间过大是影响变电设备运行速率的主要原因,为解决上述问题,缩小监测数据所占实时存储空间,提出基于旋转门算法的变电站监测数据压缩处理方法。基于旋转门算法求解实时电量水平,再联合相关参数指标计算变电参数。对变电站监测数据实施去重处理,并在卷积压缩网络中计算压缩阈值指标,完成变电站监测数据压缩处理。实验结果表明,经过所提压缩方法的处理,监测数据所占实时存储空间被稳定控制在1.4×10^(14)MB以下,不会因监测数据存储空间过大造成变电设备运行速率下降,符合实际应用需求。

关键词： 地浸采铀   水平井   多目标优化   Pareto   深部铀矿   抽注液量   有效溶浸范围  

摘要： 抽注液量的设计既关乎浸出剂的有效溶浸范围又与井场运行成本有关。为了进行地浸采铀“水平井-直井”抽注系统的经济高效抽注液量决策,提出一种基于多目标优化算法的“水平井-直井”系统抽注液量模拟优化决策方法。研究表明:与均匀布置抽注液量的初始方案相比,决策方案R2的运行成本降低了51.14%,其溶浸范围增加了8.84%。该决策方法筛选出了LK矿区的4口“重点井”,在方案决策及调整时,应重点关注该类井的流量;根据多目标优化的Pareto解集,选取了6组不同有效溶浸范围和成本权重比例的抽注运行方案组合,用以指导决策者进行方案选择。

关键词： D型结构   DR-UNeXt   动态特征融合   结冰区域检测   机翼结冰  

摘要： 严重的机翼结冰会对飞行安全构成巨大威胁,结冰越厚、结冰区域越大,对飞行安全的危害程度也越大。目前,机翼结冰区域的检测通常依赖于飞行员目测和单点传感器检测相结合的方法,但这种方法存在结冰边界模糊、难以量化判断以及检测区域范围小的缺陷。为此,提出了一种基于动态特征融合的机翼结冰大范围区域检测算法。在UNeXt神经网络的基础上,引入了残差结构卷积块和动态特征融合模块,构建了一种新的D型结构DR-UNeXt神经网络算法,用于机翼结冰区域的检测。在自建的机翼结冰数据集上对DR-UNeXt新型网络算法进行了实验验证。结果表明,与UNeXt算法相比,DR-UNeXt新型神经网络算法在参数量仅增加12.9%、计算量仅增加31.22 GFLOPs的情况下,IoU从0.941提升至0.957,Dice系数从0.965提升至0.978。引入动态特征融合模块和残差结构卷积块能够更精准地提取机翼结冰区域的边缘信息,提高检测准确率,量化结冰区域,为防冰除冰提供数据支撑。

关键词： 模糊聚类算法   标准分   网络情绪   动态分析  

摘要： 网络情绪动态分析研究可以通过分析网络文本中的情绪语义表达来实现。构建基于模糊聚类算法的网络情绪动态分析系统,需要以情绪语义模板为基础,利用爬虫软件获取个体或群体在社交网络上的文本数据。在对情绪状态进行数值化处理的基础上,利用模糊聚类(FCM)算法进行情绪状态的聚类分析,并根据聚类结果识别网民的情绪状态及其变化趋势。该系统由情绪语义模板生成模块、数据采集模块、数据预处理模块和模糊聚类分析模块组成,可为社会管理和危机干预提供决策支持。

关键词： 数字艺术图形   准规则斑图   彭罗斯铺砌  

摘要： 为丰富数字艺术图形的空间结构以及纹理细节的变化形式,提出了一种基于彭罗斯铺砌的数字艺术图形生成算法。该算法引入具有丰富纹理细节和艺术美感的准规则斑图作为纹理生成模型,将彭罗斯铺砌结构与准规则斑图的着色方法相结合,实现了图形空间结构的构建与精细着色。实验结果表明,相比于同类算法如周期铺砌的动力系统方法,该方法生成的数字艺术图形展现出4种空间结构的变换,并通过数千种准规则斑图模型呈现出丰富的颜色和纹理,具有显著的美学特征和应用价值。

关键词： ASUKF滤波   角闪烁   非高斯分布   相对导航   鲁棒性  

摘要： 针对雷达角闪烁带来的非高斯噪声特性下非线性系统滤波问题,常规滤波处理会受到较大影响,出现性能下降,甚至发散的情况,提出一种抑制雷达角闪烁的ASUKF滤波相对导航算法,估计追踪航天器与目标航天器间的相对位置和相对速度。ASUKF滤波器能够利用Sage-Husa自适应调整策略,快速估计量测噪声统计特性,并采用UKF实现对非线性系统的精准估计,对受到污染的高斯分布噪声具有一定的鲁棒性,最后通过仿真校验了该相对导航方法的有效性。在出现角闪烁噪声的情况下,其相对位置精度统计均值优于5.77 m,相对速度优于0.22 m/s,且其较EKF和UKF更具抗干扰能力,可提高相对导航系统的鲁棒性和稳定性。

关键词： 下一篮推荐   图解离网络   多意图学习   对比学习   多头注意力机制  

摘要： 下一篮推荐旨在根据用户历史交互的篮子序列,为用户推荐下一篮可能感兴趣的商品。针对现有下一篮推荐算法未能较好解离篮子内的多意图以及仅从单一层面考虑用户的兴趣或意图,导致推荐效果受限等问题,提出了一种多层级用户兴趣与多意图融合的下一篮推荐模型(MLIMI),从多个层级分别考虑用户兴趣与多意图,构建全局级的用户-项目交互图。考虑到用户行为会随时间发生变化,设计一种长短期时间衰减权重平衡交互项的重要性,通过图卷积网络学习用户的动态兴趣;构建局部级篮子-项目图,通过图解离网络学习解离化的篮子内多意图,随后通过一个多头自注意力层对多意图进行编码,得到最终的意图表示。设计一个跨层级的对比学习范式,结合来自不同层级的项目表示,以增强不同层级项目之间的语义信息。在预测层中融合来自不同层级的用户兴趣和意图,进行下一篮预测。在两个公共基准数据集Ta Feng和Dunnhumby上与MITGNN、TAIW、MINN等主流模型进行了对比实验,结果表明MLIMI的性能优于当前许多基线模型。

关键词： 港口大型设备   神经网络   目标检测   YOLO算法   调度规划  

摘要： 为提升港口大型设备的工作效率,文中设计了一种面向港口设备的智能化云控制系统,并在该系统中嵌入了基于目标检测网络的设备识别算法和结合遗传算法的装备调度策略。采用YOLOv5作为目标检测网络原型,改进了网络算法结构,并且在网络训练过程中通过剪枝和量化压缩了网络体积。目标检测实验结果显示,相较于传统的YOLOv5,优化后算法的目标检测评价参数mAP提升了0.16,网络实现速度缩短约5.49ms。针对港口设备调度建立问题模型和目标函数,采用改进遗传算法求解最短时间、最短路径的最优解,装备调度实验结果表明,通过所提算法得到的结果更接近实际最优数据。

关键词： YOLOv8s   多尺度膨胀注意力   分布式焦点检测头   Inner-SIoU   太阳能电池板   缺陷检测  

摘要： 针对传统目标检测方法在检测太阳能电池片表面缺陷时存在漏检率高、检测精度差等问题,提出一种改进YOLOv8s的太阳能电池板表面缺陷检测算法MCI-YOLOv8s。首先,在YOLOv8s模型中引入多尺度膨胀注意力,使其更加有效地关注太阳能电池片中不同尺度缺陷的重要特征信息;其次,将YOLOv8s原检测头替换为更加轻量化的分布式焦点检测头,在降低模型参数量的同时提高其对特征的提取能力;最后,将原有损失函数替换为Inner-SIoU损失函数,解决模型收敛速度较慢的问题。实验结果表明,改进模型的mAP@0.5为93.40%,较原基准模型提高了3.80%。在钢带表面缺陷数据集NEU-DET上进行的实验结果证实改进模型具有较好的泛化性能。改进模型检测速度与精度符合工业需求,为太阳能电池板表面缺陷的实时检测提供了思路。