西南地区磷块岩型稀土矿成因探讨——以贵州织金矿为例

为了探讨贵州织金磷块岩型稀土矿稀土来源,发现晚二叠世玄武岩富稀土,而玄武岩风化到一定程度后,稀土容易在风化形成的黏土中富集;通过因子分析发现,织金磷块岩中稀土元素与黏土矿物显著正相关,但磷块岩中的稀土主要分布于磷灰石中,而不是黏土中;通过织金稀土伴生磷块岩分布位置研究发现,它们分布在熔岩流底端边缘且有深大断层,滇东部磷块岩型稀土矿也有类似情况,这些特点有利于最大面积收集上游来的由水带来的黏土,黏土又随水通过断层进入下部的磷块岩附近,稀土会从黏土进入到磷灰石中。矿区上游富稀土的玄武岩风化,所在位置断层发育,又在熔岩流底端边缘带,这三位一体是在扬子地台西部寻找磷块岩型稀土矿的重要成矿模式。

ViTH:面向医学图像检索的视觉Transformer哈希改进算法

对海量的医学图像进行有效检索会给医学诊断和治疗带来极其重要的意义.哈希方法是图像检索领域中的一种主流方法,但在医学图像领域的应用相对较少.针对此,提出一种面向医学图像检索的视觉Transformer哈希改进算法.首先使用视觉Transformer模型作为基础的特征提取模块,其次在Transformer编码器的前、后端分别加入幂均值变换(Power-Mean Transformation,PMT),进一步增强模型的非线性性能,接着在Transformer编码器内部的多头注意力(Multi-Head Attention,MHA)层引入空间金字塔池化(Spatial Pyramid Pooling,SPP)形成多头空间金字塔池化注意力(Multi-Head Spatial Pyramid Pooling Attention,MHSPA)模块,该模块不仅可以提取全局的上下文特征,而且可以提取多尺度的局部上下文特征,并将不同尺度的特征进行融合.最后在输出幂均值变换层之后将提取到的特征分别通过两个多层感知机(Multi-Layer Perceptrons,MLPs),上分支的MLP用来预测图像的类别,下分支的MLP用来学习图像的哈希码.在损失函数部分,充分考虑了成对损失、量化损失、平衡损失以及分类损失来优化整个模型.在医学图像数据集ChestX-ray14和ISIC 2018上的实验结果表明,该研究所提出的算法相比于经典的哈希算法具有更好的检索效果.

信息素引导的粗糙超立方体并行属性约简算法

随着数据量的爆炸式增长,传统属性约简算法在处理海量数据时效率低下,评价指标单一且容易陷入局部最优,导致属性子集质量不高.为解决这些问题,本文设计一种适用于大数据场景的高效属性约简算法.首先,本文引入了粗糙超立方体方法的3个评价指标用于量化属性之间的关系,对所有待选属性进行综合评估,通过综合考虑这些评价指标得到更为紧凑、更具辨别力的属性子集.其次,本文针对传统启发式搜索策略效率低、容易陷入局部最优的缺点,对二进制灰狼算法进行改进,引入信息素矩阵来引导搜索过程,从而增强算法的搜索能力.信息素矩阵能够提供属性子集的全局信息,帮助算法更好地搜索解空间,从而避免陷入局部最优解.实验表明,本文算法可有效扩展到大规模数据集,在不同数据集的分类任务下取得了显著的性能提升,展现出较强的适应性.

基于混合网络和注意力机制的脑电情感识别

针对目前脑电信号情感识别准确率不高,循环模型特征提取能力不足等问题,提出了基于一维卷积和BiBASRU-AT的脑电信号情感识别模型。对数据集进行分段预处理以扩充样本数量,由一维卷积提取62个通道局部情感特征;构建内置自注意力简单循环单元以捕捉多通道融合特征以及通道之间的依赖关系,软注意力机制识别出对情感倾向识别影响较大的重点特征,线性层输出积极、中性、消极的情感识别结果。在脑电信号数据集SEED上的实验结果表明,该模型取得了90.24%的平均分类准确率,高于实验对比的优秀深度学习模型,内置自注意力简单循环单元特征捕捉能力更强,证明了模型的有效性。

基于多模态模糊特征融合的脑龄协同预测算法

深度神经网络可通过训练从大脑图像中预测年龄,作为识别衰老相关疾病的生物标志物.传统的脑龄预测方法往往依赖于单一模态的图像数据,而多模态数据可提供更全面的信息,提高预测精度.然而,现有的多模态融合方法往往不能充分利用不同模态之间的相关性和互补性.为了克服上述问题,文中提出基于多模态模糊特征融合的脑龄协同预测算法(CMFF),设计模糊融合模块和多模态协同卷积模块,可有效利用多模态信息之间的相关信息和互补信息.首先,利用卷积神经网络从多模态脑图中提取特征张量,径向拼接后整合到一个全局特征张量中.然后,利用模糊融合模块学习被模糊化的特征,再将特征应用到多模态协同卷积模块,通过特定的卷积层增强模态间的互补信息.最后,基于性别信息和经过模糊协同处理的特征执行年龄预测回归任务,得到准确的预测年龄.在SRPBS多重障碍MRI数据集上的实验表明,CMFF性能较优.

FTransCNN:基于模糊融合的Transformer-CNN不确定性医学图像分割模型

准确的医学图像分割对于疾病的诊断和治疗至关重要,将多个模型提取的分割特征进行联合使用时存在异质性、不确定性等问题,针对这一问题,本文提出了一种基于模糊融合策略的Transformer-CNN模型(FTransCNN).首先以CNN和Transformer作为骨干网络,并行提取图片的特征信息;其次使用通道注意力促进Transformer全局关键信息,使用空间注意力增强CNN特征局部细节;接着应用Hadamard乘积对来自两个分支特征之间的细粒度交互进行建模,用Choquet模糊积分抑制融合特征的异质性以及融合特征的不确定性;然后使用Fuzzy Attention Fusion Module(FAFM)分级上采样,有效地捕获低级空间特征和高级语义上下文;最后反卷积得到最终的分割结果.在Chest X-ray数据集、Kvasir-SEG数据集和DRIVE数据集上的实验效果表明,FTransCNN与其它深度分割模型相比,在分割任务上有更好的效果.

融合内容与嵌入强化拓扑的半监督社团检测

挖掘网络中的社团结构是复杂网络分析的关键任务,但在现实应用中如何进一步提高社团检测性能仍极具挑战性。鉴于属性网络中的节点内容和网络嵌入均蕴含有社团结构信息,提出一种基于非负矩阵分解融合节点内容和嵌入强化拓扑的半监督方法。首先,基于生成框架重构拓扑和内容,以构建融合拓扑和内容的基本模型;然后,利用拓扑相似性构造must-link先验信息,同时由Node2Vec计算网络嵌入;最后,使用矩阵补全技术将先验信息和网络嵌入引入模型,形成融合内容、网络嵌入的半监督社团检测模型。在合成和真实网络上的实验结果充分验证了新模型的良好竞争力。

基于粗糙注意力融合机制与Group Transformer的视网膜血管分割网络

视网膜血管的形态学变化对早期眼科疾病的诊断具有重要意义,除眼科疾病外,糖尿病、心血管疾病等同样可以通过视网膜血管的形态判别疾病进展。然而,视网膜血管本身具有复杂的组织结构,且易受到光线等因素的影响,对其准确分割并不容易。针对上述问题,提出了一种视网膜血管分割网络。该网络中首先设计了粗糙注意力融合模块(rough attention fusion module,RAFM),该模块基于粗糙集上下近似理论,利用全局最大池化与全局平均池化对注意力系数进行上下限描述,并串行融合通道注意力机制与空间注意力机制;然后,将粗糙注意力融合模块融入Group Transformer U network(GT U-Net),构建一种基于粗糙注意力融合机制与Group Transformer的视网膜血管分割网络;最后,基于公开DRIVE彩色眼底图像数据集进行对比实验,该网络结构在测试集上的准确率、F_(1)分数、AUC值分别达到了0.9631、0.8488和0.9812,与GT U-Net模型相比,F_(1)分数、AUC值分别提升了0.35%、0.21%;与其他当前主流的视网膜血管分割网络进行对比,具有一定优势。

电子病历挖掘：概念、技术及应用

电子病历挖掘受到了国内外研究人员的极大关注,它旨在提取电子病历数据库中有用的医疗信息并挖掘隐含在其中的医学诊断规则和模式,从而为疾病诊断和治疗提供科学的、准确的辅助决策。通过对资料和文献的分析,详细总结并探讨了电子病历挖掘的概念、技术路线、主要方法以及应用领域,最后指出了其研究面临的挑战。随着电子病历挖掘的进一步研究,其必将在医学领域得到更广泛地应用。

基于关联规则的电子病历挖掘算法研究与应用

采用了一种改进的关联规则快速挖掘算法——FG算法,该算法不需要查找频繁项集,可直接求出所有的无冗余的关联规则。基于电子病历系统历史数据,建立数据仓库,进行了FG关联规则挖掘算法的实验。结果表明该算法优于其他算法,能提取隐含在电子病历系统中未知的有用的信息,为医疗诊断能提供辅助性的决策。

基于量子蛙跳协同进化的粗糙属性快速约简

属性约简是粗糙集理论研究的重要内容,现已证明求决策表最小约简是一个典型NP难题.本文提出一种基于量子蛙群协同进化的粗糙属性快速约简算法.该算法构造一种动态多簇的蛙群结构,用量子态比特进行蛙群个体编码,以自适应量子旋转角调整、量子变异和量子纠缠等策略加速蛙群进化收敛,各簇蛙群以双向协同学习机制共享属性约简中相关信息.标准Benchmark优化函数测试结果表明该算法在保证收敛速度同时具有较强的平衡全局优化与局部细致搜索能力.在UCI数据集上进行属性约简比较实验,结果验证了本算法在属性约简精度和效率方面具有明显优势.

一种粗糙概念格的电子病历挖掘模型研究与设计

电子病历挖掘(EPRM)指的是在电子病历数据库中提取有用的医疗信息,并挖掘隐含其中医学诊断规则和模式,为疾病诊断和治疗提供科学的、准确的辅助决策等。在研究粗糙集和概念格基本理论的基础上,结合电子病历数据库中医学数据的特征,提出了基于粗糙概念格电子病历挖掘模型设计方法,该模型采用条件熵对病历大量属性进行约简和粗糙决策规则格的构造算法(EPRM),实验表明该模型在决策规则挖掘效率、运行速度和适应性等方面都具有较好的性能。

基于形式概念分析的不完备电子病历系统粗糙挖掘研究

形式概念分析与粗糙集理论是近年来获得飞速发展的两种数据挖掘工具。充分利用概念格在形式概念表示和粗糙集在知识约简等方面的独特优势,提出了基于形式概念分析的不完备电子病历系统粗糙挖掘算法(FCRM)。该算法利用决策规则格进行不完备知识的形式概念表示和粗糙正域近似约简,并能较好地提取相应一致的决策规则。最后构建不完备中医电子病历方剂挖掘专家系统,实验结果表明该算法在不完备电子病历系统约简和挖掘方面均具有较好性能。

基于数据挖掘技术的教学评估智能辅助决策平台的设计与实现

数据挖掘技术作为计算机智能科学研究的一个重要分支,是近几年来热门的研究方向。本文在现有教学评估系统研究的基础上,重点论述了基于数据挖掘技术的教学评估智能辅助决策平台(TEIA)设计的相关方法,并对该平台的应用情况进行了分析,结果表明该平台能智能化提取出隐藏在评估数据中有用的规律和知识,为教学评估提供决策支持,这对教学评估向计算机智能化方向的发展具有较好的推动作用,该平台具有广阔的发展和应用前景。

基于量子云模型演化的最小属性约简增强算法

为提高决策表中最小属性约简的效率、稳定性和鲁棒性,基于云模型在非规范知识定性、定量表示及其相互转换过程中的优良特征对量子进化算法进行算子设计,提出了一种基于量子云模型演化的最小属性约简增强算法(QCMEARE).该算法采用量子基因云对进化种群进行编码,基于约简属性熵权逆向云进行量子旋转门自适应调整,使其在定性知识指导下能够自适应控制属性约简空间搜索范围,并采用量子云变异和云纠缠操作算子较好地避免了在属性演化约简中易陷入局部最优和早熟收敛等问题,使算法快速搜索到全局最优属性约简集.仿真实验表明,提出的最小属性约简增强算法具有收敛速度快、约简精度高和稳定性强等优点.

带有腔体或槽缝的电大尺寸目标电磁散射特性分析

本文提出了一种新的混合方法—FEM/PO PTD法 ,应用于分析计算带有腔体或槽缝的电大尺寸复杂目标电磁散射问题 .在该方法中 ,采用基于棱边的有限元法 (edge basedFEM)为低频方法 ,物理光学法 (PO)与物理绕射理论 (PTD)为高频方法 ,通过耦合技术将两者结合在一起 .为了验证该方法的准确性 ,本文首先将其应用于三维无穷接地开口腔体的电磁散射特性分析 ,计算结果与有关文献的数据一致性很好 .在此基础上 ,给出了几种不同介质填充的三维开口腔体和带有槽缝的三维有限尺寸导体柱雷达散射截面的计算曲线 ,对分析有关工程问题有指导意义 .理论分析与计算结果表明 ,本文提出的混合方法与其它计算同类问题的方法相比 ,能节省计算机存储单元、提高计算速度 .

以程序设计课程群实践教学改革为契机,培养地方普通本科院校学生编程创新能力

本文总结了南通大学地方新建普通本科院校计算机专业学生培养特点,构建程序设计语言课程群实践教学改革多维立体模式,提出"主线-延伸-提高"的XYZ三层实验教学手段、师生合作项目、软件公司情境、软件工作学期等具有地方院校特色的多维立体编程实践训练体系,以期培养学生程序设计创新精神和工程编程实践能力,提高学生的核心竞争力。

基于量子精英蛙的最小属性自适应合作型协同约简算法

属性约简是粗糙集理论研究的重要内容之一,现已证明求决策表的最小属性约简是一个典型NP-Hard问题.提出一种基于量子精英蛙的最小属性自适应合作型协同约简算法.该算法首先将进化蛙群编码为多状态量子染色体形式,利用量子精英蛙快速引导进化蛙群进入最优化区域寻优,有效增强进化蛙群的收敛速度和全局搜索能力.然后构建一种自适应合作型协同进化的最小属性约简模型,融合蛙群最优执行经验和分配信任度自适应分割属性约简集,并以模因组内最优精英蛙优化各自选择的属性子集,提高属性约简的协同性和高效性,快速找到全局最小属性约简集.实验研究表明提出的算法在搜索最小属性约简解时具有较高的执行效率和精度.

基于频繁概念格的电子病历关联规则挖掘研究

提出了一种基于频繁概念格的FC Lattice电子病历关联规则挖掘算法,该算法在渐进式建格的同时能发现最大频繁项集和提取相应关联规则,并进行基于FC Lattice算法的电子病历挖掘相关实验,结果表明该算法在运行速度和挖掘性能上都是高效的.

基于小生境完全属性-值空间树的属性序约简优化算法

为了克服传统粗糙集属性约简方法求解效率不高,且难以搜索出满足用户需求的最优属性约简集的问题,提出了一种属性序约简优化算法。该算法基于决策表的完全属性-值空间树结构,在属性约简空间自适应构造小生境超球面邻域半径,并进行约简树的生成、剪枝、约简及动态优化等,快速找到满足用户需求的最优属性序约简集。相关仿真实验表明该算法在保证收敛速度的同时具有较强的属性约简优化性能,是一种能满足用户需求的高效属性序约简算法。