基于双分支网络的表面肌电信号识别方法

针对目前表面肌电信号(sEMG)手势识别细节信息提取不充分,对相似手势区分困难的问题,提出基于加强二维化特征的双分支网络(ETDTBN)模型.该模型通过加强二维化方法生成二维特征图,使用多层卷积神经网络(ML-CNN)提取sEMG的空间特征,利用双向门控循环单元(Bi-GRU)提取原始信号的时序特征.考虑到不同的特征对网络的影响程度不同,引入自适应特征融合机制对不同分支进行融合,强化有用特征并弱化无用特征,提高表面肌电识别的准确率.实验在电极偏移和不同受试者2种情况下对ETDTBN进行训练与测试,与主流的肌电手势识别模型进行对比.可知,ETDTBN的总体识别准确率分别为86.95%和84.15%,准确率均为最优,证明了该模型的有效性.

基于条件生成对抗网络的图像翻译综述

图像翻译旨在实现多组不同领域图像间的转换,同时需要约束样本空间与目标空间分布的一致性.文章旨在寻找条件生成对抗网络与图像翻译问题的结合点,首先,介绍了数据集的特点,指出了不同数据集图像翻译难易程度;其次,从数学表达、性质以及目标函数设计方法得出算法实现的不同方式;将现有图像翻译分成3种类别——匹配图像翻译、非匹配图像翻译和多领域图像翻译,并得出不同应用场景所对应的图像翻译类别,即高清任务对应匹配图像翻译,低成本任务对应非匹配图像翻译,多样化任务对应多领域图像翻译;将图像质量评价方法分为主观图像质量评价与客观图像质量评价,并分析客观图像质量评价中全参考图像与无参考图像质量评价的适用范围;最后,总结条件生成对抗网络在图像翻译中的进展,并分析算法后指出了模式崩塌,模型可解释性和少样本等未来所需解决的问题.

多目标粒子群优化算法及其应用研究综述

现有研究较少涵盖最先进的多目标粒子群优化(MOPSO)算法.本研究介绍了多目标优化问题(MOPs)的研究背景,阐述了MOPSO的基本理论.根据特征将其分为基于Pareto支配、基于分解和基于指标的3类MOPSO算法,介绍了现有的经典算法.介绍相关评价指标,并选取7个有代表性的算法进行性能分析.实验结果展示了传统MOPSO和3类改进的MOPSO算法各自的优势与不足,其中,基于指标的MOPSO在收敛性和多样性方面表现较优.对MOPSO算法在生产调度、图像处理和电力系统等领域的应用进行简要介绍.并探讨了MOPSO算法用于求解复杂优化问题的局限性及未来的研究方向.

杀鲑气单胞菌对亚东鲑血液免疫指标的影响

为预防杀鲑气单胞菌在亚东鲑养殖过程中造成的危害,以杀鲑气单胞菌为研究对象,通过感染亚东鲑,检测其对亚东鲑免疫指标的影响。结果表明:GR组亚东鲑血清中白细胞介素1β(IL-1β)含量随感染时间增加显著性上升(p<0.05),免疫球蛋白A(Ig A)含量也呈现上升趋势,而转化生长因子β1(TGF-β1)含量则表现出相反趋势,其含量显著性降低(p<0.05);GR组血常规指标中除血小板分布宽度(PDW)外,其它指标均在48h呈现显著性降低(p<0.05),除红细胞压积(HCT)外,其它指标均在96 h呈现上升趋势。杀鲑气单胞菌能够引发亚东鲑炎症反应,导致IL-1β和IgA含量升高,TGF-β1含量降低;在感染亚东鲑48 h能够破坏其免疫系统,导致白细胞、红细胞及血小板等数目显著性减少。

墨脱新光唇鱼(Neolissocheilus hexagonolepis)研究概况及展望

墨脱新光唇鱼是一种有较高经济价值和科研价值的冷水鱼类,目前国内对该鱼的研究非常少,国外对该鱼的研究主要集中在印度,为进一步对墨脱新光唇鱼的研究、保护及开发利用提供参考,本研究采用文献综述方法,结合国内外最新的研究进展,系统地总结了墨脱新光唇鱼的分布、生物学特性、人工繁殖和营养价值等方面的研究。主要研究内容包括繁殖生物学、分子生物学、食性、资源、营养价值、综合养殖、体重与体长关系等。随着全球气候变化导致的干旱、洪涝、高温热浪和低温冷害等极端天气和人类活动的增加等原因,墨脱新光唇鱼数量逐年下降,已被世界自然保护联盟(IUCN)列为濒危物种。建议加快突破墨脱新光唇鱼全人工养殖技术,建立人工保种体系及标准,通过现代生物技术手段,揭示其遗传资源的独特价值,实现墨脱新光唇鱼以养促保和可持续开发利用。

亚东鲑细菌性鳃病病原菌的分离鉴定

2020年9月西藏自治区日喀则市亚东县某养殖基地的亚东鲑出现鳃病症状,主要临床症状为鳃盖打开、鳃丝充血、病鱼离群及呼吸困难。为探究此次疾病的病因,寻找其治疗方法,自患有鳃病症状的亚东鲑鳃组织中分离到1株优势菌YDX-1,采用常规细菌分析、16S rRNA基因序列比对分析和人工感染试验等方法对此株优势菌进行鉴定,同时查明菌株YDX-1的耐药性。试验结果表明,菌株YDX-1为革兰氏阴性菌,在16S rRNA基因序列比对构建的系统发育树中,其与杀鲑气单胞菌聚为一支,相似度达99%以上,结合该菌的形态学特征、生化特性和测序鉴定结果,综合鉴定菌株YDX-1为杀鲑气单胞菌。通过人工感染试验发现,杀鲑气单胞菌YDX-1对亚东鲑的致死率较高,且该菌具有传染性。药敏试验结果显示,杀鲑气单胞菌YDX-1对使用的6类(21种)药物普遍敏感,仅对复方新诺明中介。试验结果对西藏地区亚东鲑细菌性鳃病的防治具有指导意义。

异齿裂腹鱼Clock基因cDNA的克隆与组织表达特征

异齿裂腹鱼广布于雅鲁藏布江,产卵期为每年的3—5月,表现出明显的季节性繁殖行为,Clock基因被认为是自然选择塑造日节律以及与动物繁殖等生活史特性有关潜在的目标基因,异齿裂腹鱼Clock蛋白C末端Poly-Q长度的变异可能与其产卵开始的时间关联。以采自雅鲁藏布江的异齿裂腹鱼为对象,采用反转录PCR和cDNA末端快速扩增技术克隆异齿裂腹鱼Clock基因cDNA全长序列,通过实时荧光定量PCR对其在异齿裂腹鱼雌、雄个体不同组织中的表达特征进行分析。试验结果显示:异齿裂腹鱼Clock基因cDNA全长为4291 bp(Genbank登录号MT774361),5′非编码区为539 bp,3′非编码区为1046 bp,编码序列为2706 bp,共编码901个氨基酸,所编码的氨基酸在末端具有典型的Poly-Q结构;Clock基因在异齿裂腹鱼雌、雄个体的肝脏、脾脏、心脏、脑、性腺和肌肉中均有表达,且以性腺中的相对表达量最高,肌肉次之,脾脏最低;Clock基因除在心脏组织中的相对表达量雄鱼高于雌鱼,在其他组织的相对表达量均表现为雌鱼高于雄鱼。异齿裂腹鱼雌、雄个体的Clock基因在性腺组织中均高表达,表明Clock基因在异齿裂腹鱼的繁殖过程中发挥着更大的作用,异齿裂腹鱼Clock蛋白大片段的插入也可能是为了适应高海拔某些条件而特化的。

基于人工智能技术的大数据分析方法研究进展

人工智能、大数据、云计算、物联网等信息技术为推动集成制造快速发展提供了关键技术手段。近年来,采用人工智能技术进行大数据分析取得了突破性进展。系统总结了基于人工智能技术的大数据分析方法的最新研究进展。从大数据的聚类、关联分析、分类和预测4个主要的数据挖掘任务出发,分析了大数据环境下机器学习的研究现状;针对深度学习这一热点,总结了基于MapReduce、Spark的分布式深度学习实现,以及面向大数据分析的深度学习算法改进相关研究;从群智能、进化算法两方面梳理了基于计算智能的大数据分析相关研究;针对大数据平台,特别对大数据分析和深度学习集成框架进行了归纳,介绍了大数据机器学习系统和算法库;分析了大数据分析中人工智能技术面临的主要挑战,并提出了进一步的研究方向。

改进蜻蜓算法及其在特征选择中的应用

为合理应用生产制造中产生的数据,分析和挖掘出数据中的关键特征和潜在信息,以帮助企业提高效率、降低成本,提出一种改进的蜻蜓算法,并将其用于特征选择。算法在继承蜻蜓算法良好收敛性的基础上,引入局部序列浮动后向选择机制,在增加算法的全局搜索能力的同时提高了算法的求解精度。在标准复杂数据集上对该算法与其他特征选择算法进行仿真对比与分析,并将其应用在半导体生产线上进行验证。实验结果表明,所提算法无论是在标准数据集上还是实际工程问题上,均表现出良好的全局搜索能力与发展潜力。

块对角拉普拉斯约束的平滑聚类算法

针对经典谱聚类算法采用原始训练样本或重构系数直接构建相似度矩阵所产生解的次优性问题,结合平滑聚类模型和强制组效应条件,提出一种块对角拉普拉斯约束的平滑聚类算法.首先,以非负性以及加和约束为条件构建表示系数的相似度正则项,较原始样本具有更好的重构能力和抗噪特性;其次,通过改进的秩约束条件促使拉普拉斯矩阵具备直观的类簇连通性;最后,将所述约束条件添加至经典平滑聚类模型,以获得重构关联图和邻域相似图的联合优化公式.为有效地计算模型参数,设计一种交替变量更新法进行迭代运算,其子问题都具备全局最优解,保证整体算法解具有唯一性.扩展实验结果表明,与其他相关算法相比,该算法拥有更好的聚类性能以及噪声鲁棒性.

基于Fisher判别分析的增量式非负矩阵分解算法

增量式非负矩阵分解算法是基于子空间降维技术的无监督增量学习方法.文中将Fisher判别分析思想引入增量式非负矩阵分解中,提出基于Fisher判别分析的增量式非负矩阵分解算法.首先,利用初始样本训练的先验信息,通过索引矩阵对新增系数矩阵进行初始化赋值.然后,将增量式非负矩阵分解算法的目标函数改进为批量式的增量学习算法,在此基础上施加类间散度最大和类内散度最小的约束.最后,采用乘性迭代的方法计算分解后的因子矩阵.在ORL、Yale B和PIE等3个不同规模人脸数据库上的实验验证文中算法的有效性.

基于正序迭代选择策略的聚类中心自动选择方法

针对密度峰值聚类算法的决策函数不能自动有效地确定聚类中心的问题,提出自动确定聚类中心的密度峰值聚类算法.首先,通过归一化处理,使决策函数中的两个变量分布均匀.然后,在确定聚类中心时,提出正序迭代选择策略,即根据聚类核心点数目的变化趋势搜索拐点,并以拐点之前的点作为聚类中心,完成聚类.最后,在UCI数据集上验证文中算法的性能,算法在未提高时间复杂度的情况下,可以对任意分布形状的数据集进行聚类,具有较好的适应性和聚类效果.

基于全局边缘排序的超启发算法在绿色物流选址-路径优化问题中的应用

为了解决目前物流选址-路径优化问题(LRP),提出一种以低碳排放量、配送中心选址规划和车辆路径规划为目标的双目标LRP模型。针对传统启发式算法在解决大规模LRP时的通用性差、效率低的缺点,设计出一种以选择函数法作为选择策略、以基于全局边缘排序的评价指标作为接受策略的超启发算法。通过求解基准测试实例,该算法在解决所提LRP模型时,能准确、高效、智能地设计出调度方案。与传统启发式算法以及性能良好的超启发算法在解的整体质量、单个解收敛效率等方面进行对比,验证了所提方法的可行性和有效性。

基于混合选择的多目标进化算法及其在优化设计问题中的应用

为解决实际工程中复杂的多目标优化设计问题,提出一种基于混合选择的多目标进化算法(HSMEA)。该算法首先采用融合角度与距离的动态选择策略对个体进行划分,随后采用基于两种不同机制的混合选择的策略对解进行进一步筛选,从而使最终选择的目标解在具有良好的收敛性的同时最大程度地保留解集的多样性。算法与4个多目标优化算法在一系列测试函数上的结果表明,算法具有良好的多目标优化问题处理能力。此外,通过在实际工程优化设计问题的对比实验与分析,验证了所提算法在处理实际工程优化设计问题上具有良好的性能与潜力。

增量式鉴别非负矩阵分解算法及其在人脸识别中的应用

针对在线学习的人脸识别效率问题,提出了一种增量式鉴别非负矩阵分解算法。在以往无监督学习模式下的增量式非负矩阵分解算法基础上,利用初始训练样本数据和新增训练样本的类别信息,将同类别训练样本对应的系数向量均值作为初始迭代值,并在类内欧氏距离最小的约束下建立目标泛函,从而获得更具鉴别性的特征并使优化求解时所需迭代次数明显减少。通过在ORL和PIE人脸数据库上的实验验证了该算法收敛速度快、分类精度高,且较批量式算法有更高的效率优势。

基于角度累加的鲁棒角点检测算法

为了更好地进行角点检测,提出一种基于角度累加的鲁棒角点检测算法.首先定义反映边缘点特征的角度累加概念,并在"单弦"下计算边缘点的角度累加值来获取候选角点,避免邻近角点的丢失;然后构造局部自适应阈值来去除圆形角点,并提出其支撑邻域和比例系数的选取方法;最后通过"多弦"下的角度累加乘积来获取角点特征值,并构造全局阈值来去除虚假角点.实验结果表明,该算法提高了角点检测正确率,并且在角点重复率及定位误差方面也优于其他算法.

适应度二次选择的QPSO和SA协同搜索大规模离散优化算法

针对大规模离散工程优化问题,提出一种改进的离散量子粒子群优化算法(IDQPSO-SA)。首先,提出一种适应度的二次选择更新平均最优位置策略,使QPSO能够适用离散空间的优化问题。其次,引入二次切割与连接(DCJ)排序策略加速搜索进程。最后,在QPSO并行搜索基础上,引进模拟退火(SA)的概率突跳性,协同进行全局搜索。在大规模、高维离散工程优化问题上进行了测试,并同已有算法进行比较,结果表明,IDQPSO-SA进一步提高了面向大规模离散优化问题时的搜索效率,并有效提升了算法的性能。

基于超启发式算法的选址-路径问题研究

为了降低物流配送过程中车辆的碳排放,采用具有良好通用性的超启发式算法对低碳选址路径问题进行求解。将蛙跳算法作为超启发式算法的高层选择策略,并在蛙跳算法中提出了基于最长公共子序列的相似度计算方式代替原有的相似度计算,而采用动态规划的方法对个体间的最长公共子序列进行计算。实验结果表明:提出的相似度计算方式能更直观地反映个体之间的相似性,具有良好的通用性,并且在低碳选址-路径问题上获得更优秀的解。

自动确定聚类中心的快速搜索和发现密度峰值的聚类算法

快速搜索和发现密度峰值的聚类算法(CFSFDP)具有不能自动确定聚类中心的缺点,文中提出自动确定聚类中心的CFSFDP.首先针对变量分布不均匀的问题,将密度和距离进行归一化处理.再通过切比雪夫不等式确定归一化后的密度阈值上限,利用标准差确定归一化后的距离阈值上限.最后根据决策函数确定决策阈值上限,统筹考虑两种决定因素,避免中心点选取遗漏,自动确定聚类中心.实验表明,文中算法可以有效地自适应选择聚类中心,具有较好的鲁棒性和有效性.

改进时间卷积网络和长短时记忆网络的泸水河流域月径流量预测模型

为提升水文模型预测精度和计算效率,解决传统方法难以浓缩多源水文特征,以及长时间跨度下数据量纲、值域不同造成的特征冗杂问题,提出基于改进时间卷积网络(TCN)和长短时记忆网络(LSTM)的月径流量预测模型。通过构造多卷积核并行网,以提取多源时序特征,并保持原因果卷积特性。引入扩张卷积抽取高阶水文特征,提升长时间跨度记忆单元处理效率。利用残差链接方式跨层传输底层完整特征,丰富特征结果,同时优化整体网络学习过程,并以泸水河流域为例进行验证。实验结果表明,该模型在计算效率、精度、网络结构上均优于其他对比模型,从而验证了其在该流域水文预测的有效性。