基于样本动态权重的课程式半监督学习方法

本文针对半监督场景中极度匮乏的监督信号导致的标签传播困难、模型训练严重受噪声干扰等问题展开研究。伪标签化带来的噪声和低数据利用率导致的确认偏差,会随着自训练过程造成错误累积,进而形成不可逆偏差,损害性能。本文提出基于样本动态权重的课程式半监督学习方法,旨在通过非离散的课程设计,鼓励模型由简单至困难地利用样本,逐步构建分类面,进而缓解伪标签化过程中的噪声产生,增强模型泛化能力。从类内角度,提供弱监督信号的高置信度伪标签被混合用于构建特征原型,估计样本的学习难度。从类间角度,标签嵌入被用于评估类间语义相关度,课程式地减弱训练前期对语义相关类别间的辨别。在通用的半监督学习基准数据集上进行了广泛的实验和分析,证明了方法的有效性。

基于结构化特征重构的高光谱图像分类

特征提取是高光谱图像分类的关键.现有分类方法在特征提取时,往往忽略特征的信息保有量和空间分布等因素,导致输出的特征可能面临低信息保有量与无序分布等问题,预测结果不佳.为此,本文提出一种基于结构化特征重构的高光谱图像分类方法,能够有效地减少特征提取过程中信息丢失,提高信息保有量,并充分考虑特征的空间分布,增强特征的判别性.借鉴重构思想以及自表达理论,建立结构特征重构的特征表示模型,可提升图像信息的利用率,并描述反映有序分布的结构信息.针对建立的多变量模型,设计一种基于交替更新的优化策略来求解模型.利用支持向量机来对特征进行分类计算和标签预测.利用Salinas、Pavia Center、Botswana以及Houston数据进行实验验证,结果表明,本文算法优于现有的分类模型,在OA(Overall Accuracy)、AA(Average Accuracy)以及Kappa系数等指标上平均提升了2.6%、3.9%、3.3%.

多尺度视觉特征提取及跨模态对齐的连续手语识别

连续手语识别研究中,视觉特征的有效表示是提升识别效果的关键。然而,手语动作时序长度的差异性及手语弱标注现象,使得有效的视觉特征提取更加困难。针对上述问题,提出了多尺度视觉特征提取及跨模态对齐的连续手语识别方法(MECA)。该方法主要包含多尺度视觉特征提取模型和跨模态对齐约束。在多尺度视觉特征提取模型中,并行地融合具备不同扩张因子的瓶颈残差结构,来丰富多尺度时序感受野,用于提取不同时序长度的手语视觉特征,同时采用层级复用设计进一步强化视觉特征表示。在跨模态对齐约束中,采用动态时间规整建模手语视觉特征和文本特征之间的内在联系,其中,文本特征提取由多层感知机和长短期记忆网络协作实现。在具备挑战性的公开数据集RWTH-2014、RWTH-2014T、CSL-Daily上进行实验,结果表明所提方法达到目前具有竞争力的性能。上述实验验证了所提的采用多尺度的方式可以捕捉不同时序长度的手语动作,以及构建跨模态对齐约束的思路是正确且有效的,适用于弱监督条件下的连续手语识别任务。

改进小波变换下的永磁同步电机机械故障识别

针对永磁同步电机部件参数具有延续性关联性特征,机械故障特征难以提取,导致识别精准度较低的问题,研究改进小波变换下的永磁同步电机机械故障识别技术。建立永磁同步电机内定子、转子的同步状态参数数学模型,通过三相方程按照正弦分布变化规律,得到在电机正常同步状态下各项参数的周期性数据,以该值作故障状态特征提取的初始参照。以永磁同步电机内高、低频作为特征提取尺度,基于改进小波包变换完成电机机械故障特征信号重构提取;基于Kalman滤波残差估计算法计算重构信号的故障残差值,与初始状态对比,完成故障识别。经过实验证明,所提方法识别精准度高,可以识别出短路故障下的三相定子电流和电机输出转矩,具有一定的实用价值。

基于贝叶斯优化LightGBM的个人信用评估模型

针对传统信用评估模型无法处理大规模不平衡数据以及训练用时长、评估不准确等问题,提出了一种优化的个人信用评估模型,模型基于梯度提升框架LightGBM,结合贝叶斯全局优化算法进行个人信用评估。为验证模型适用性,采用Lending Club公开数据集进行相关实验,并与逻辑回归、随机森林、XGBoost模型的预测结果进行比较。实验结果表明,该模型的个人信用评估效果更好,评估准确率达到99.97%,少数类样本F1-score达到89.02%。

基于改进YOLOv5的遥感图像检测

针对现有遥感图像目标检测中背景复杂和尺度变化大等问题,基于YOLOv5模型提出了一种改进的遥感图像目标检测算法。首先,利用Mosaic数据增强方法重构数据集,以改善模型的训练效果和鲁棒性;其次,在YOLOv5s的Backbone中添加SE注意力机制,使改进后模型能够更精准地捕捉目标特征信息;最后,采用BiFPN替代原模型中的FPN+PAN结构,使模型能够进行不同尺度的特征融合,以减少检测过程中浅层信息的丢失。实验结果表明,相较于原模型,改进后模型的平均精度均值、准确率和召回率都有所提升;相较于原模型,改进后模型具有更强的特征提取能力及更快的检测效率。

基于改进WGAN-GP和ResNet的车联网入侵检测方法

为保护车联网系统免受网络攻击的威胁,同时提高车联网入侵检测的准确率,针对车辆网络数据流量大且攻击类型不平衡的特点,提出了一种新的车联网入侵检测方法(AQVAE-RGSNet)。该方法通过一种对抗量化变分自编码器以对车辆网络数据进行不平衡处理,该编码器通过结合矢量量化变分自编码器与带梯度惩罚的生成对抗网络进行构建,以缓解数据集中异常攻击类型样本数量极度不平衡的问题,并使用ResNet网络与改进的分段残差神经网络对输入的样本数据进行联合学习并预测其攻击类型。实验结果表明:AQVAE-RGSNet在车联网数据集CICIDS2017和CAN-intrusion-dataset上的F1得分分别达到了0.9986和0.9997;在保证最佳训练效果的前提下,能够更有效地识别车辆网络之中的攻击威胁。

miR-637、miR-223-3p、PARP14在甲状腺癌中的表达及与临床特征的相关性

目的 探究miR-637、miR-223-3p、多聚(腺苷二磷酸核糖)聚合酶14(PARP14)在甲状腺癌中的表达及与临床特征相关性。方法 选取2018年5月至2020年5月衡水市人民医院73例甲状腺癌患者。采用PCR法检测患者癌组织及癌旁组织miR-637、miR-223-3p、PARP14表达;所有患者随访3年,根据生存情况将其分为死亡组及生存组,分析患者癌组织miR-637、miR-223-3p、PARP14表达与预后的关系及对预后的预测价值。结果 甲状腺癌组织miR-637 mRNA表达量低于癌旁组织,miR-223-3p、PARP14 mRNA表达量高于癌旁组织(P<0.05)。miR-637 mRNA在临床分期Ⅲ~Ⅳ期、包膜浸润及淋巴结转移患者中均为低表达(P<0.05),PARP14 mRNA在临床分期Ⅲ~Ⅳ期、肿瘤直径≥2 cm、包膜浸润及淋巴结转移患者中均为高表达(P<0.05),miR-223-3p mRNA在肿瘤直径≥2 cm、包膜浸润及淋巴结转移患者中均为高表达(P<0.05)。死亡组癌组织miR-637mRNA表达量低于生存组,miR-223-3p、PARP14表达mRNA表达量高于生存组(P<0.05)。多因素Cox回归显示,癌组织miR-637 mRNA表达量升高为影响甲状腺癌患者预后的危险因素,miR-223-3p、PARP14 mRNA表达量升高为保护因素(P<0.05)。癌组织miR-637、miR-223-3p、PARP14表达联合检测预测甲状腺癌患者预后的AUC值大于各指标单独检测(P<0.05)。癌组织miR-637低表达患者的累积生存率低于高表达患者(P<0.05);癌组织miR-223-3p、PARP14高表达患者的累积生存率低于低表达患者(P<0.05)。结论 甲状腺患者癌组织miR-637、miR-223-3p、PARP14 mRNA呈异常表达现象,上述指标mRNA表达量与临床分期、肿瘤直径、淋巴结转移等临床特征及预后有关,且miR-637、miR-223-3p、PARP14联合可用于评估患者预后。

子宫动脉彩色多普勒超声联合超声弹性成像诊断EMS价值

目的:分析子宫动脉彩色多普勒超声联合超声弹性成像对子宫内膜异位症(EMS)的诊断价值。方法:收集2018年7月-2023年12月本院治疗的103例EMS患者病例资料为观察组,超声检查证实无EMS女性56例为对照组,均接受子宫动脉彩色多普勒超声及超声弹性成像检查,分析上述EMS影像学特点,比较两组子宫动脉血流参数[舒张末期流速(EDV)、收缩期峰值流速(PSV)、搏动指数(PI)、阻力指数(RI)]及超声弹性成像参数[剪切波速度(SWV)、弹性模量平均值(Emean)、最小弹性模量值(Emin)及最大弹性模量值(Emax)],分析上述参数对EMS的诊断价值。结果:观察组EDV及PSV均低于对照组,PI及RI均高于对照组,SWV、Emean、Emin及Emax均高于对照组(均P<0.05);EMS病灶多呈不规则形态(89.3%),且多分布至筋膜或腹部全层(86.4%),病灶内少量血流信号(57.3%),多呈低回声状态(81.6%),回声多为不均匀(76.7%),病灶边界多为不清晰(74.8%)。子宫动脉多普勒参数及超声弹性成像参数预测EMS的效能均较好,其中RI的预测效能最高,截断值>0.82时预测EMS的Youden指数为0.734,曲线下面积0.921,敏感度92.2%,特异度76.8%。结论:EMS病灶多呈不规则形态,且多分布至筋膜或腹部全层,病灶内少量血流信号,多呈低回声状态,回声多为不均匀,病灶边界多为不清晰。子宫动脉彩色多普勒超声及超声弹性成像参数均可作为预测EMS的有效指标。

股骨头坏死愈胶囊对酒精性股骨头坏死大鼠的病理学特征、骨小梁空间结构、SIRT1及Caspase-3表达的影响

目的探讨股骨头坏死愈胶囊对酒精性股骨头坏死(ONFH)大鼠病理学特征、骨小梁空间结构、沉默信息调剂因子1(SIRT1)及天冬氨酸蛋白水解酶-3(caspase-3)表达的影响。方法选取30只200 g级SD雌性大鼠(购自河南省动物实验中心)随机分为模型组、试验组和空白组,每组10只。模型组大鼠采用贵州茅台原浆老酒(含体积分数53%乙醇)灌胃制作酒精性ONFH大鼠模型,12 m L/(kg·d);试验组大鼠采用含有股骨头坏死愈胶囊(1000 mg/kg配制)的贵州茅台原浆老酒(含体积分数53%乙醇)灌胃,12 mL/(kg·d),空白组大鼠采用同等剂量生理盐水灌胃。造模8周后、恢复性喂养2周,处死动物,取左侧股骨头组织,固定后Micro-CT分析骨小梁结构,然后进行脱钙石蜡包埋,进行HE染色观察组织学改变,取右侧股骨头组织采用Western-blot法检测SIRT1及caspase-3表达。结果模型组大鼠HE染色观察组组织学显示,骨小梁变得细小、稀疏,结构发生紊乱,骨髓细胞发生碎片化,骨小梁空骨发生陷窝,骨细胞核发生固缩,周围的骨髓细胞发生坏死,细胞数目变得稀疏,破骨细胞结构发生冰释样的改变,脂肪细胞的体积增大,部分脂肪细胞融合进而变成泡状结构,股骨头坏死严重;试验组大鼠骨小梁较为稀疏,出现空骨陷窝、脂肪颗粒堆积并可见部分脂肪颗粒融合成泡状、骨髓坏死、破骨细胞冰释样改变、骨细胞核固缩,股骨头坏死表现较模型组轻;空白组大鼠未能观察到骨小梁稀疏、空骨陷窝、脂肪颗粒堆积融合、骨髓坏死、破骨细胞所并表现出的冰释样改变、骨细胞核固缩等ONFH特殊病理征象。三组大鼠骨表面积与骨骼体积比(BS/BV)、骨小梁厚度(Tb.Th)、骨小梁数目(Tb.N)、连接密度(Conn.D)比较,空白组>试验组>模型组,且两两比较差异均有统计学意义(P<0.05);三组大鼠结构模型指数(SMI)、骨小梁间隙(Tb.Sp)比较,空白组<试验组<模型组,且空白组与模型组、试验组与模型组比较差异均有统计学意义(P<0.05),但试验组与空白组比较差异无统计学意义(P>0.05)。试验组、模型组caspase-3表达量均高于空白组,差异均有统计学意义(P<0.05);试验组caspase-3表达量与模型组比较差异无统计学意义(P>0.05)。试验组、模型组SIRT1表达量均低于空白组,且试验组SIRT1表达量高于模型组,差异均有统计学意义(P<0.05)。结论ONFH发生后骨小梁结构发生紊乱,骨量变少;而股骨头坏死愈胶囊可改善股骨头内的骨质,对骨小梁有局部性的修复作用,说明股骨头坏死愈胶囊可抑制酒精性ONFH大鼠的骨小梁发生损伤,具有改善股骨头内骨的微观结构的作用。ONFH发生后caspase-3表达增高,SIRT1降低,股骨头坏死愈胶囊治疗ONFH可能与激活SIRT1的表达,从而抑制细胞凋亡有关。

糖尿病肾病合并IgA肾病的临床病理特征及治疗预后分析

目的探究糖尿病肾病合并免疫球蛋白A(immunoglobulin A,IgA)肾病的临床病理特征及治疗预后意义。方法回顾性选取2020年9月—2022年9月莆田市第一医院收治的76例糖尿病肾病合并IgA肾病患者的临床资料,依据治疗方法的不同将其分为对照组(单一药物治疗)与观察组(联合药物治疗),每组38例。比较两组治疗效果、不良反应、血糖水平、肾功能、生活质量。结果观察组治疗总有效率高于对照组,差异有统计学意义(P<0.05)。两组不良反应发生率比较,差异无统计学意义(P>0.05)。干预后,观察组尿素氮、肌酐、内生肌酐清除率、空腹血糖、餐后2 h血糖、糖化血红蛋白水平均优于对照组,差异有统计学意义(P均<0.05)。干预后,观察组生活质量评分高于对照组,差异有统计学意义(P均<0.05)。结论联合药物治疗对糖尿病肾病合并IgA肾病患者的肾功能增强有一定促进作用,可改善其血糖指标,提高治疗效果。

《专利法实施细则》必要技术特征条款解读

【目的】加深对《专利法实施细则》必要技术特征条款的理解,为专利申请文件撰写和专利审查提供参考。【方法】以相关规定为基础,结合实际案例,梳理有关必要技术特征的一些关键问题。【结果】必要技术特征条款中的“技术问题”指的是说明书发明内容部分记载的技术问题,但在该条款的实际适用中,技术问题的认定存在一定的灵活性;必要技术特征条款与《专利法》第二十六条第四款存在竞合。【结论】在判断某一技术特征是否为必要技术特征时,不仅要考虑说明书中记载的技术问题,还需要考虑说明书的整体内容;申请人在撰写独立权利要求时,可以对技术方案进行合理概括,而不是必须包含所有的技术细节。

基于车载激光扫描点云数据的道路边线提取方法研究

为了在移动车载激光扫描点云数据中尽可能完整准确地提取道路边线,本文根据道路边界在点云场景中分布特征,提出了一种自动化的道路边线提取方法。首先,为消除无用点对道路边线提取的影响,在原始渐进式形态学滤波算法的基础上提出了一种改进的点云滤波算法,用于非地面点滤波,从而提高了点云滤波的运算效率和精度;其次,将地面点投影至二维图像上,并通过直线段检测算法(LSD)得到道路边线直线段;最后,通过直线连接和直线特征匹配实现最终的道路边线提取。通过对两组道路点云数据进行算法验证,结果表明,本文算法提取道路边线的完整率、准确率以及F-Measure均达到90%以上,验证了本文方法的有效性与适应性。

10kV电缆接头典型缺陷局部放电类型模式识别

针对配电网10 kV电缆接头典型缺陷常见放电类型识别精度低问题,根据电缆接头常见放电类型建立4种放电模型,搭建局放试验平台并获取模型的放电谱图.对谱图的分布特征、矩特征、纹理特征进行提取,对比反向传播(Back Propagation,BP)神经网络算法和网格搜索参数优化的支持向量机算法(Support Vector Machine,SVM)对放电模型特征序列的识别精度.制作4种电缆接头典型缺陷实物模型并获取其放电谱图,提取谱图分布特征、矩特征及纹理特征.对比BP神经网络、基于网格搜索参数优化的SVM和基于遗传算法参数优化的SVM等3种算法对电缆接头缺陷放电类型的识别精度.研究结果表明:基于遗传算法参数优化的SVM算法能对电缆接头缺陷放电谱图的组合特征进行准确识别,且识别率高于其他传统算法,在电缆局部放电模式识别领域具有一定的工程应用价值.

新型城镇化高质量发展对经济增长的影响研究

本文选取2000—2020年中国统计年鉴数据,测算了我国新型城镇化高质量发展指数,实证探析了新型城镇化高质量发展对经济增长的影响。研究发现:新型城镇化高质量发展对经济增长的影响存在空间差异,影响力最大的为长江中游地区,影响力最小的为东北地区;同时,新型城镇化高质量发展对经济增长存在时期差异,不同时间阶段新型城镇化的影响力不同,2014—2020年,新型城镇化质量对经济增长的作用出现了快速提升,而城镇化规模的作用出现了下降。

面向仿射目标识别的几何与仿生融合特征提取方法

针对由于拍摄视角不同,目标图像在水平或垂直方向发生拉长或压缩等仿射变换,进而无法正确识别的问题,本文设计了一种几何与仿生融合的特征提取方法 .首先,对传统的角点和直线检测进行改进,提出自适应Harris角点检测方法和去冗余的直线检测方法,并将角点数、直线数和面积比向量作为几何特征.然后,采用生物启发变换算法提取图像的仿生启发特征,该算法包括两个阶段,每个阶段均需执行方向边缘检测和局部空间频率检测.接着,将输入图像的两种特征向量分别与标准数据库中的特征向量进行Pearson相关距离计算,获得匹配得分.最后,在考虑不同数据库两种特征区分性强弱的基础上自适应确定权值,最高融合分数所对应的标签即为该图像的识别结果.实验结果表明,该方法能较好地提取图像的仿射不变特征,并且该方法在Alphanumeric,MPEG-7,GTSRB和MNIST数据库的识别准确率分别为92.2%,96%,90%和87.3%.

基于特征融合的改进型PointPillar点云目标检测

针对PointPillar在自动驾驶道路场景下对点云稀疏小目标检测效果差的问题,通过引入一种多尺度特征融合策略和注意力机制,提出一种点云目标检测网络Pillar-FFNet。针对网络中的特征提取问题,设计了一种基于残差结构的主干网络;针对馈入检测头的特征图没有充分利用高层特征的语义信息和低层特征的空间信息的问题,设计了一种简单有效的多尺度特征融合策略;针对主干网络提取的特征图中信息冗余的问题,提出了一种卷积注意力机制。为验证所提算法的性能,在KITTI和DAIR-V2X-I数据集上进行实验。实验结果表明,所提出的算法在KITTI数据集上与PointPillar相比,汽车、行人和骑行者的平均精度最大提高分别为0.84%,2.13%和4.02%;在DAIR-V2X-I数据集上与PointPillar相比,汽车、行人和骑行者的平均精度最大提高分别为0.33%,2.09%和4.71%,由此证明了所提方法对点云稀疏小目标检测的有效性。

基于多级特征融合的红外图像多目标分割研究

为解决采用单一特征分割红外图像多目标时,分割精度过低的问题,提出基于多级特征融合的红外图像多目标分割方法。分别提取红外图像的熵特征、对比度特征和梯度特征,采用并行加权特征融合方法融合所提取的红外图像的多级特征,构建红外图像的多级特征融合空间,设置红外图像的多级特征融合空间作为Mean-shift算法的遍历空间,对多级特征融合空间内的全部特征点实施均值漂移处理,获取红外图像多目标分割结果。实验结果表明,该方法可以利用所提取红外图像的多级特征,分割红外图像的多目标,红外图像多目标分割精度高达99.5%。

CK20、P53、Ki67蛋白联合影像学特征与结肠癌分化程度及预后的关系

目的探讨细胞角蛋白20(CK20)、肿瘤抑制基因(p53)、细胞增殖核抗原Ki67(Ki67)联合影像学特征与结肠癌分化程度及预后的关系。方法以2017年1月至2021年6月首都医科大学附属北京友谊医院平谷医院收治的125例结肠癌患者为研究对象,均有保存切除的肿瘤组织,并按分化程度分为低分化组(n=41)、中分化组(n=51)、高分化组(n=33)。检测患者肿瘤组织中的CK20、P53、Ki67蛋白表达,CT记录结肠癌患者的影像学特征,比较不同分化程度患者肿瘤组织中的CK20、P53、Ki67蛋白表达及影像学特征。所有患者随访1年,并按预后情况分为预后良好组(n=107)及预后不良组(n=18),比较不同预后患者的CK20、P53、Ki67蛋白表达及影像学特征,ROC分析患者CK20、P53、Ki67蛋白对结肠癌患者不良预后的预测价值。结果不同分化程度组的CK20、P53、Ki67蛋白表达比较,低分组的CK20、P53、Ki67阳性蛋白表达均高于中、高分化组(χ^(2)=9.055,9.543,12.239,P<0.05);低分组的肠壁增厚程度、受累肠管长度、淋巴结数目及CT值均高于中、高分化组,差异有统计学意义(χ^(2)=7.571,6.493,F=24.101,22.491,6.373,P<0.05)。多因素Logistic回归分析显示,CK20、P53、Ki67阳性蛋白表达及影像学特征(肠壁增厚程度、受累肠管长度、淋巴结总数、最大淋巴结的短径及CT值)均是结肠癌患者预后的独立危险因素(P<0.05)。ROC曲线显示,CK20、P53、Ki67蛋白及三者联合检测曲线下面积为0.731、0.821、0.854、0.931。结论结肠癌患者肿瘤组织中CK20、P53、Ki67蛋白及影像学特征与患者的分化程度和预后有关,CK20、P53、Ki67蛋白联合检测对患者预后有较高的预测价值。

基于卷积块注意力模块和双向特征金字塔网络的接触网支持装置检测方法研究

接触网支持装置是接触网悬挂状态检测监测图像分析的关键对象,对支持装置零部件的检测定位是实现缺陷自动分析的基础。针对接触网支持装置零部件种类多、尺寸差异大、存在遮挡、部分零部件相似度高等问题,提出一种融合卷积块注意力模块(convolutional block attention module,CBAM)和双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)的接触网支持装置检测方法。在YOLO v5s网络模型基础上,该方法通过CBAM增强接触网支持装置的特征提取,结合BiFPN,实现不同零部件分辨率特征图的融合。利用4C装置获得的图像数据集,开展验证试验。试验结果表明,相对YOLO v5s网络模型,融合CBAM和BiFPN的接触网支持装置检测方法,网络平均精度mAP@0.5提高2.12%;能显著提升小目标检测效果,提高定位的准确性和稳定性,对接触网状态的智能分析有重要意义。