基于自反馈阈值学习的半监督皮肤癌诊断模型

为解决监督学习皮肤癌诊断模型的训练需要大量数据标注,且医学专家标注工作成本高、耗时长、易疲劳等问题,提出了一种基于自反馈阈值学习(Self-Feedback Threshold Learning,SFTL)的半监督皮肤癌诊断方法.在标注数据预训练的ResNet网络基础上,引入全局和局部类别间伪标签自反馈阈值学习机制动态筛选ResNet预测概率大于自反馈阈值的无标记样本,引入无监督阈值学习损失和分类交叉熵损失进行模型训练,在标记样本稀缺的情况下深入挖掘无标记数据的鉴别诊断信息,显著降低模型在无标记皮肤病变图像中的误判率.选取公开数据集HAM10000的皮肤病变图像展开实验验证,在仅需50%标记数据下实现了0.8229的准确率和0.7651的F1分数,证明所提出的SFTL模型在半监督场景下可有效解决皮肤癌诊断任务,相比其他同类方法具有更好的分类性能.

基于多层级注意力机制和动态阈值的远程监督关系抽取

远程监督关系抽取面临着数据质量的问题,即生成的数据集存在多类噪声,包括噪声词、噪声句和噪声包。现有研究主要集中在噪声句方面,忽略了其他噪声的影响,无法彻底消除噪声。为此,提出一种基于多层级注意力机制和动态阈值的远程监督关系抽取模型(MADT)。该模型首先采用预训练语言模型获取实体对语义表示,再通过双向门控循环单元和自注意力机制获得蕴涵关键词信息的语义特征,然后结合句子深层上下文表示依次处理三种噪声问题。此外,还提出一种动态阈值方法进一步剔除噪声句,增强正例句对包表示的贡献,并采用基于语义相似性的注意力机制降低噪声包的影响。在NYT10d和NYT10m数据集上的实验表明,MADT模型能够解决远程监督关系抽取中各个层面的噪声,有效提升关系的抽取性能。

互联网使用对低龄留守儿童自我管理能力影响的门槛效应研究

基于湖北省8县(区)3791名小学生调查,从互联网使用条件、使用偏好和使用时长等维度探讨了互联网使用对低龄留守儿童自我管理能力的影响。研究发现,互联网使用条件对低龄留守儿童自我管理能力没有显著影响,互联网使用偏好和时长对低龄留守儿童自我管理能力有显著影响,儿童上网学习时长对儿童自我管理能力有显著的门槛效应。因此,应合理引导低龄儿童互联网使用偏好,规范互联网使用时间和上网学习时间以增进留守儿童信息素养;全方位关心支持低龄留守儿童身心健康发展,减少其网络依赖,提升低龄留守儿童自我管理能力。

双芯微胶囊法自修复混凝土冻融试验研究

寒区水工混凝土长时间遭受冻融破坏和水流冲刷会形成联合破坏,修复难度较大、成本高、效果不理想,最终影响工程安全运行,而微胶囊自修复技术可实现混凝土自我修复。通过以E51型环氧树脂为内芯材,以固化剂PETMA为外芯材,以尿素和甲醛制备的脲醛树脂为壁材,采用原位聚合法制备出双芯微胶囊,研究结果表明:双芯微胶囊呈球状,粒径分布在40μm左右,表面饱满圆润,芯材含量为24.3%,包覆率为48.6%,热稳定性较好;混凝土在掺入双芯微胶囊后,在受到冻融破坏时能及时破裂,并释放出修复剂和固化剂对混凝土进行修复,混凝土抗冻等级也有效提高,最大可提高38.5%;双芯微胶囊掺量阈值为3%,掺量超过阈值后,修复效果会减弱。

轴承自驱式独立退化轨迹构建与剩余寿命灰色预测

针对轴承退化轨迹的个体差异性及退化阶段划分的人为主观性问题,提出了自监测数据驱动的轴承独立退化轨迹的提取与退化阶段的自主分割方法。该方法采用多尺度残差深度卷积自编码器对轴承自身历史监测数据进行无监督学习,实现了轴承性能退化特征的自主提取,并结合支持向量数据描述模型构建单个轴承的独立退化轨迹。引入基于去趋势化超阈波峰法的退化起始点自动检测方法与基于逻辑回归失效概率的失效阈值自主设定方法,对轴承独立退化轨迹进行了自适应分割。以轨迹分割得到的退化阶段数据为驱动,结合全阶时间幂灰色预测模型实现了轴承寿命的准确预测。试验结果表明,提出的多尺度残差深度卷积自编码器能够根据轴承各自工况环境构建反映轴承自身服役性能变化规律的退化轨迹,提出的退化轨迹自适应分割方法能够无参考地检测出轴承的起始退化点与失效阈值,从而提高轴承退化评估的科学客观性与寿命预测的工程可操作性。

非自杀性自伤患者的生理疼痛与社会疼痛及其影响因素研究进展

非自杀性自伤行为是目前临床中常见的病理行为,严重影响个体身心健康。自伤与个体疼痛感知异常密切相关。疼痛分为生理疼痛和社会疼痛,相比健康人群,非自杀性自伤患者对生理疼痛敏感性低而对社会疼痛敏感性高,生理疼痛阈值增高而社会疼痛阈值减低,疼痛敏感性的改变使其通过“以痛镇痛”的方式缓解情绪。非自杀性自伤个体疼痛敏感性的改变与社会心理因素密切相关,自我批评、抑郁症状和童年期不良经历都与非自杀性自伤患者的疼痛敏感性有关。

社会决策中道德自我与自利偏好的权衡: 基于自我概念维护理论和道德阈限模型

基于自我概念维护理论、道德阈限模型和相关研究证据,探讨了人们在进行社会决策时,如何权衡道德自我与自利偏好。人们会在自利偏好和道德自我之间寻得道德阈限这一平衡点,表现出“坏事可以做一点,好事也只做一点”的行为模式。人们会体验到道德自我威胁,但是可能由于道德阈限的存在,依然能够维持较高的道德自我评价。未来研究可以在道德自我与自利偏好权衡的框架下继续开展工作,以丰富并完善人们对社会决策的认识。

机力通风冷却塔风机自寻优群控方法研究

机力通风冷却塔以占地面积小的显著优点,在中小型基建工程中得到广泛应用。为提升中小型基建工程外冷系统的节能性和可靠性、改进传统多风机控制方法,创新性地提出了一种基于累计运行时间的机力通风冷却塔风机自寻优群控方法。将多风机整体化控制改进为顺序化联动控制,可有效降低风机启动门槛出力、消除整体化控制固有缺陷,满足非线性、时变性、大滞后系统控制的节能、可靠需求。经工程验证:该方法是一种契合纯变频电机配置冷却塔系统的多风机控制方法。该方法风机出力柔和、控制线性度好、系统易镇定、稳态偏差小;能够通过累计运行时间参数比对,实现风机自动交互运行,运行可靠性高。该方法的提出与实际应用可对配置机力通风冷却塔的中小型基建工程的安全节能运行提供借鉴。

基于改进ViBe的自适应运动目标检测算法

针对ViBe算法无法去除动态背景,易出现鬼影及不能自适应光照变化的问题,提出一种复杂环境自适应的ViBe改进算法。通过计算区域的复杂度、闪烁波动度,对分类半径R和更新率T进行动态调整,对样本点进行有效性权重的计算,更高效地过滤背景噪声和适应光照渐变;在检测物体状态变化时,动态调整R和T,通过融合前景点计数和帧差法优化鬼影消除;通过识别最小外接矩阵区域差异加快去除鬼影;利用帧差法实时检测光照突变,及时进行重新初始化,避免大量误检。实验结果表明,改进ViBe算法在适应动态背景、光照变化及抑制鬼影等方面比原算法均有更好检测效果,检测精度平均提升了40.7%。

基于多尺度特征融合的调制识别算法

针对缺失无线电信号先验信息、人工选取特征操作复杂以及低信噪比时识别率不高的问题,提出一种基于多尺度特征融合的残差收缩网络(MFRSN)调制识别算法。在包含PAM4、BPSK、QPSK、8PSK、CPFSK、GFSK、QAM16、QAM64、WBFM、AM-SSB和AM-DSB的11种调制类型数据集上进行的仿真实验结果表明,加入软阈值分支后,低信噪比信号平均识别准确率提高2.87%,同时多尺度特征融合方法对比其他网络结构有更好的类内识别效果。

基于动态阈值和差异性检验的自训练算法

针对自训练算法在迭代训练分类器的过程中存在难以有效选取高置信度样本以及误标记样本错误累积的问题,本文提出了基于动态阈值和差异性检验的自训练算法。引入样本的局部离群因子,据此剔除有标签样本中的离群点以及分类标注无标签样本,依据标注分批次处理无标签样本,以使模型更易选取到高置信度的无标签样本;根据新增伪标签样本的数量和对比隶属度的变化,设计一种动态隶属度阈值函数,提升高置信度样本的质量;定义密集距离度量样本间的差异性,分别计算伪标签样本与同类和不同类样本之间的密集距离之和,从而找出不确定度高的伪标签样本,并将此类样本并入下轮训练的无标签样本集中,缓解误标记样本错误累积的问题。实验结果表明,该算法在12个UCI基准数据集上均取得理想效果。

一种对称帧差分约束的车辆自适应分割算法

为实现交通视频车辆目标的准确检测,提升交通事故的预防效果,提出一种对称帧差分约束下的交通视频车辆分割算法。首先,采用对称差分思想将相邻的三帧连续图像进行两次差分,提出基于自适应分布数约束的混合高斯模型背景选择更新方法,采用跳跃度和稳定度两个视频图像参数判断某一像素是否属于虚假目标点,通过背景选择更新机制实现前景目标的检测,利用自适应分布数的混合高斯模型算法提高高斯混合模型的计算效率,实现道路前景目标的准确分离。其次,对于结果图像,利用车辆阴影的特征和车辆边缘信息,提出一种基于车辆边缘修正的阴影检测与去除算法,增强复杂背景的车辆分割检测特征;然后,对于运动车辆目标通过自适应阈值进行分割,本研究在考虑类间方差的同时,考虑视频前景目标类的内聚性,将其作为阈值选取的一个标准,采用“最大方差比”自适应阈值选取算法,同时对于静止车辆目标通过背景更新筛选进行分割。最后,试验结果和对比分析表明,本研究提出算法可以将不同交通状态的车辆目标较完整、准确地分割出来,有效提高了交通场景下的不同状态车辆目标检测精度。

变阈值下可自愈产品的动态可靠性分析

传统可靠性模型无法准确描述外界冲击和强度退化对产品自身可靠性的影响,忽略了强度随时间的变化规律。为了对存在自愈特性的机械零部件进行全寿命周期的动态可靠性分析,在考虑机械零部件的储藏期和性能退化的基础上,研究机械零件强度退化过程、性能退化过程、冲击过程的相互关系,建立了考虑性能退化过程的机械零件强度退化模型。并融入阈值的变化特性,运用随机过程和自愈理论建立考虑系统自愈和变失效阈值下机械零件的动态可靠性模型,利用二阶矩和摄动方法求出可靠性指标并计算出动态可靠度。通过对车辆拉杆的数值研究,说明了该模型能够较好地描述可自愈产品全寿命周期内的所有阶段,证明了该模型的有效性和合理性。

触/延手榴弹引信开闭功能测试方法研究

针对性能鉴定试验需要考核测试触/延手榴弹引信第一碰撞信号的时阈和开闭灵敏度的问题,通过研制测试设备以及设计试验方案,实现了对触/延手榴弹引信开闭功能的考核评估。通过分析触/延引信的结构组成和作用机理,确定了引信中碰炸开关可靠闭合的临界条件,结合产品性能指标规定的时阈要求,提出了基于PLC程序控制手榴弹保险握片松开至跌落中硬地面全流程精准管控的设备研制方案,确保了手榴弹的跌落高度和与中硬地面的碰撞时间,有效解决了触/延引信开闭时阈和开闭灵敏度无法考核测试的技术难题。

基于改进小波阈值的自行火炮信号降噪方法研究

为有效滤除自行火炮柴油发动机振动信号中的噪声,提出基于改进小波阈值的振动信号降噪方法。运用改进的自适应噪声完备集成经验模态分解处理原始振动信号得到各个本征模态函数分量,通过多尺度排列熵检测分量的随机性,筛选出需要降噪的分量,使用改进的小波阈值降噪方法对筛选出的分量降噪,重构降噪后的分量与无需降噪的分量,获得所需的振动信号。同时,针对人工选取多尺度排列熵中各参数对计算结果影响较大的问题,提出一种改进麻雀搜索算法对多尺度排列熵中各参数进行寻优。分别通过仿真信号和实验室实测数据验证所提方法的可行性和有效性,结果表明:与小波阈值降噪、多小波相邻系数降噪和ICEEMDAN-MPE-小波阈值降噪方法相比,所提方法应用于仿真信号时信噪比分别提升5.989 4 dB、6.078 7 dB和1.565 3 dB;应用于实验室实测数据时,降噪误差比分别降低22.143 3、6.834 9和0.722 7,为自行火炮振动信号降噪提供一种新的思路。

混凝土结构自防水厚度试验方法研究

为了探究建筑用混凝土结构自防水厚度,通过改进密封技术和抗渗方案,提出了试验室条件下混凝土结构自防水厚度的试验方法,并采用该方法测试了C30、C40、C50混凝土结构自防水厚度。结果表明:环氧树脂-橡胶套组合密封技术可避免抗渗试件侧漏,减小数据离散性,提高试验成功率及测试效率;在渗水高度法的基础上,以工程需求的抗渗压力保压到渗透平衡时间阈值,可准确快速地测得混凝土的最大渗透厚度,即混凝土结构自防水厚度;在P12抗渗等级要求下,C30、C40、C50混凝土结构自防水厚度分别不超过36.8、32.7、29.1 mm。

基于小波阈值滤波和S-G滤波相结合的激光自混合干涉微位移重构

在半导体激光器自混合干涉(SMI)微位移测量中,相位信息的准确提取对于位移的高精度重构至关重要。然而,测量噪声会对SMI信号引入相位误差,位移重构精度较低。针对信号去噪问题,小波阈值去噪算法能够滤除多数信号的噪声,但该算法在SMI信号去噪中存在局部振荡的问题,使得去噪后的自混合干涉信号中出现新的干扰峰,最终识别到的干扰峰会产生错误的位移重构。提出一种基于小波阈值滤波和SavitzkyGolay(S-G)滤波相结合的SMI信号处理算法。该算法通过引入S-G滤波算法,从全局上平滑处理相位跳变点的噪声,解决了只是采用小波去噪算法而引起SMI信号的局部振荡问题。位移重构实验结果表明,基于小波阈值结合S-G滤波算法的激光自混合干涉重构信号消除了振幅处和相位跳变点之间的高频噪声,重构位移曲线保持了振动物体的原始波形特征。

基于分流优化选择的无线传感网数据传输算法

提出基于分流优化选择机制的无线传感网数据稳定传输算法。通过计算区域内簇头节点与各个簇内节点的自感阈值,根据该阈值进行簇头节点的更换并维持簇结构的稳定,根据当前网络传输带宽状况,以及下一跳簇头节点的能量消耗水平对传输数据流进行分割,定义最优传输函数,对分割后的数据子流进行优化传输,改善节点的能耗水平,实现数据的稳定与高效传输。仿真结果表明,与自动平衡适应算法(CHDA)和节点流平衡选择算法(GCPS)相比,所提算法具有更低的网络节点能耗开支,以及更高的数据分组投递率与网络稳定运行时间。

几种基于图像自适应阈值分割的织物疵点检测方法比较

为比较4种自适应阈值算法对目标和背景灰度值差异较大织物疵点的检测效果,进而综合比较4种算法的优劣情况,分别用4种自适应阈值算法对平纹和斜纹织物疵点图像进行检测,并详细分析和比较检测结果。结果表明文中所述4种自适应阈值算法在一定程度上都能用于织物疵点的检测。当不考虑算法执行时间时,检测效果好坏顺序为:局部阈值分割算法>改进的Otsu算法>Otsu算法>最大熵阈值法。当考虑算法执行时间时,综合检测效果好坏顺序为:局部阈值分割算法>Otsu算法>最大熵阈值法>改进的Otsu算法。

改进视觉背景提取模型的运动目标检测算法

针对视觉背景提取模型对动态场景适应性不强、运动目标检测精度低等问题,提出一种改进的视觉背景模型算法.在模型建立与初始化阶段,采用按序抽取的方法将像素点本身信息加入到背景模型中,形成邻域背景模型,降低复杂场景对模型的影响;在前景检测阶段,结合像素点的空间邻域信息自适应地获取分割阈值,减少各类复杂场景对检测结果的干扰,提高运动目标检测的精度;在背景更新阶段,根据场景复杂度动态地调整模型的更新周期与更新方式,使得模型能够有效地消除虚影与背景噪声的影响,增强模型对复杂场景的适应性与鲁棒性.与典型算法进行对比的实验结果表明,该算法具备较高的检测精度,适用于动态场景中的运动目标检测.