融合注意力机制的U-Net混合电磁重构方案

电磁逆散射问题是非线性和病态的,传统的求解方法无法兼顾成像精度和计算效率,而基于深度学习的直接重构方法缺失先验信息,导致学习过程较困难.采用结合衍射层析成像(DT)算法和融合注意力机制的U-Net混合电磁重构方案,求解电磁逆散射问题,将基于Born近似的DT算法重建的粗糙图像作为U-Net的输入,有效利用先验信息,提高逆散射问题求解的效率和精度.此外,在U-Net每次的下采样过程中加入注意力机制,进一步提高了目标散射体相对介电常数和位置的重建精度.实验结果表明,相比未引入注意力机制的方案,融合注意力机制的U-Net混合电磁重构方案重建误差较小,可实现相对介电常数分布的高精度重建.

基于最优尺度回归的卷烟消费者品牌偏好预测模型构建

消费者在采取购买行动之前,心中就已有了既定的品位及偏好,实施消费者品牌偏好预测是卷烟商业企业实现精准品牌营销的重要保障。以零售商市场为重,以消费者市场为轻的营销观念和行为习惯将严重阻碍卷烟营销高质量发展的步伐。本文基于34972份有效卷烟消费者调查问卷,采用多重对应分析法探索性地发现卷烟消费者的品牌偏好与年龄、教育程度、月收入、烟月消费、期望价格、偏好外形等影响因素特征具有显著的对应关系,进而运用最优尺度回归分析法将对应关系进行量化,构建卷烟消费者品牌偏好预测模型,为烟草商业企业开展品牌精准营销、品牌培育与发展工作提供有效的决策依据。