融合类增强与多尺度自适应的小样本学习方法

为了解决小样本学习存在特征信息提取不足、难以准确地捕获局部明显特征信息的问题,提出了一种融合类增强与多尺度自适应的小样本学习方法。首先在特征的层面上对图像进行类增强,通过将特征图的每次激活与其邻域相关联来编码丰富的语义结构,使提取后的类内特征明显,更利于当前的分类任务。其次通过多尺度特征生成来提取不同尺度上图像特征的低层表示。最后对每个尺度上的语义相关矩阵进行权重分配与相似元素最大化计算查询图像与各支持集类别图像之间的语义相似度,多尺度信息进行融合后,对目标图像进行分类。在5-way 1-shot和5-way 5-shot设置中,该方法在miniImageNet数据集上的均值平均精度(mean Average precision,mAP)分别为56.83%和75.76%,在常用细粒度图像数据集Stanford Cars和CUB-200-2011分类基准上分别达到了79.33%和93.92%、66.33%和85.78%,均优于现有方法的最好结果。

基于特征融合和混类增强的深度学习滚动轴承故障诊断

轴承故障诊断在维护旋转机械设备和规避重大灾难事故等方面起着至关重要的作用.针对现有故障诊断模型无法适应实际工业应用中变化的工作负载的问题,提出了一种基于特征融合和混类增强的故障诊断方法.首先,在原始信号的基础上融合时频特征、工况特征和时间差分特征形成新的特征信号;然后,采用相空间重构理论将信号特征转换为图像信号,在训练时通过混类增强拓展数据的分布;最后,利用残差网络进行故障诊断分析.在CWRU数据集上的实验结果表明,该方法在同工况下的预测精度高达100%,在变工况下的平均预测精度高达93.28%,域适应性强.

基于空间域与频域特征自适应融合和类间边界区域增强的三维海马分割

目的海马萎缩是诊断阿尔茨海默病等诸多精神疾病的临床重要标志,因此准确分割海马是一个重要的科学问题。随着深度学习的发展,人们提出了大量先进的自动分割方法。然而,由于MRI中各种噪声的影响以及海马不同类别之间不清晰的边界,三维海马分割仍然具有挑战性。因此本文旨在提出新的自动分割方法来更精确地分割海马头、体、尾。方法为了克服这些挑战,本文提出了两个策略。一种是空间域与频域特征自适应融合策略,通过快速傅立叶变换和卷积自动选择合适的频率组合,减少噪声对特征提取的影响。另一种是类间边界区域增强策略,它允许网络通过加权每个类之间边界区域的损失函数来增强对边界区域的学习,以达到精确定位边界和调节海马头、体、尾大小的目的。结果在50例青少年大脑MRI数据集上进行的实验表明,我们的方法实现了较先进的海马分割,海马头、体、尾相较于现有的方法都取得了一定的提升。消融实验证明我们提出的两种策略有效,我们还在260例Task04_Hippocampus数据集上验证了网络具有强大的泛化能力,说明本文提出的方法可用于更多的海马分割场景。结论我们提出的方法可以帮助临床医生更清楚地观测海马萎缩,并完成更精确的病情诊断和追踪。

一种模糊核聚类的线性滤波多光谱图像增强算法

针对图像噪声过多以及模糊度过高所造成的多光谱图像视觉效果较差、图像细节难以分辨等问题,提出了一种模糊核聚类的线性滤波多光谱图像增强算法。该算法采用模糊核聚类的去噪方法,对分解图像得到的模糊系数进行了阈值处理,并引入去噪增益因子,可以有效地去除多光谱图像的噪声。在多光谱图像亮度增强上,采用了多向聚类亮度增强公式来将图像的模糊像素亮度提升至标准亮度,对图像边缘部分的亮度则采用边缘化增益方法来进行增强,最后采用线性滤波的方法来保护多光谱图像的结构张量,防止多光谱图像的结构信息发生扩散变化。实验结果表明,采用模糊核聚类的方法能够有效地去除多光谱图像噪声,在图像亮度增强上相比对比算法取得了较好的效果。

微生物来源的Azole类抗真菌活性增强剂——FKI-0076A、B和C的研究

FKI- 0 0 76 A、B和 C是从真菌培养液中筛选 Azole类抗真菌活性增强剂过程中获得的 ,每 6 mm纸片 10μg FKI- 0 0 76 A、B或 1.0μg FKI- 0 0 76 C就显示增强活性。真菌 Talaromyces sp.FKI- 0 0 76培养 5 d后 ,经有机溶媒提取 ,常压 ODS柱层析和制备 HPL C柱层析分离 ,得到 FKI- 0 0 76 A、B和 C纯品。又经过测定其HR- MS、UV、IR、1 H- NMR、1 3C- NMR、DEPT、1 H- 1 H COSY、HMQC和 HMBC等光谱数据。将 FKI- 0 0 76 A的结构定为 BK 2 2 3- A,FKI- 0 0 76 B的结构定为 vermistatin,FKI- 0 0 76 C的结构定为 deoxyfunicone。

融合增强型模糊聚类遗传算法与ISODATA算法的遥感影像分类

针对ISODATA算法预设参数较多,其聚类中心与最优迭代数目很难预先准确设定,且在聚类时没有将影像自身特点充分考虑,对个体适应度函数重视不够的问题,本文提出一种融合增强型模糊聚类GA与ISODATA的聚类方法,对聚类原型矩阵进行编码,构造隶属度矩阵,解求个体适应度函数值,在影像特征空间中搜索得到样本全局收敛极值点。通过试验证明,该方法能避开随机初选值的敏感问题,避免聚类过程的随机性,使分类结果与实际情况更为接近,该算法精度优于传统的ISODATA算法与模糊聚类GA算法,提高了分类的精度,整体效果较好。

基于知识利用的迁移学习一般化增强模糊划分聚类算法

针对非充分数据集及噪声对聚类分析的干扰,基于模糊C均值(FCM)框架下的聚类技术,即一般化的增强模糊划分聚类算法(GIFP-FCM),探讨具有迁移学习能力的聚类方法——融入迁移学习机制的GIFP-FCM算法(T-GIFP-FCM).该算法通过有效利用历史相关场景(域)总结得到的知识来指导当前场景(域)中信息不足时的聚类任务,从而提高聚类效果.通过在模拟数据集及真实数据集上的仿真实验,结果显示文中算法较之传统算法在处理信息不足任务时具有更佳的性能.

不同波长下氩原子高阶阈上电离的类共振增强结构

利用量子S-矩阵理论,借助一致近似方法,研究了波长分别为800,1300与2000 nm的强激光场下氩原子高阶阈上电离光电子能谱的类共振增强结构.结果表明:在近红外和中红外波段的强激光场下,阈上电离光电子能谱中均会出现类共振增强结构,而出现的光强正好满足通道关闭条件,从而进一步证实了类共振增强的通道关闭机理解释;发现随着激光波长和光强的增加,光电子能谱中类共振增强和抑制会交替出现,该原因可能是电子返回次数不同的"量子轨道"间的相干叠加,这可以解释实验观察到的长波长下出现的类共振增强能量范围展宽的现象.研究表明,在中红外波段的强激光场下,也会出现与近红外波段类似的type-I和type-II类共振增强结构.

碳纤维增强类复合材料烧蚀产物对等离子体流场特性影响的实验研究

高速飞行器表面的防热材料在气动加热产生的高温下会分解烧蚀并产生等离子体。为分析不同烧蚀条件下碳纤维增强类复合防热材料的烧蚀产物对下游流场特性的影响,利用高频等离子体风洞,采用高频感应加热方式对碳/碳和碳/碳化锆两种复合防热材料进行烧蚀并产生高速等离子体射流,在下游通过朗缪尔探针和平头柱塞量热计获得不同烧蚀状态下的流场电子数密度和驻点热流。研究结果表明:随着两种材料烧蚀率的增加,下游流场中的电子数密度和驻点热流逐渐降低,表明“黑障”风险和气动加热现象得到缓解;碳/碳化锆材料在降低下游流场的电离度和焓值方面优于碳/碳材料;随着材料前方来流焓值的增大,两种材料烧蚀造成的下游流场电离度和焓值的差异会在一定程度上缩小。

模糊C均值与支持向量机相结合的增强聚类算法

针对传统重复聚类算法精度不高、消耗资源较大的缺点,提出了一种模糊C均值(FCM)与支持向量机(SVM)相结合的增强聚类算法。该算法思路是先将实例数据集利用FCM粗分为C类,然后使用SVM再对每一类进行细化分类,实现中提出了基于完全二叉树的决策级联式SVM模型,以便达到增强聚类的目的。针对使用FCM迭代聚类的过程中有可能会出现新的特征使原有的聚类失去平衡性的问题,提出了使用划分的思想对数据集进行预处理来消除这种不利影响。利用鸢尾属植物真实数据集对相关算法进行实验对比分析,结果表明该算法能够克服精度低的缺点,并节约了系统资源,可以提高聚类的质量。

HPLC-MS测定增强免疫力类保健食品中非法添加的13种药物成分

目的建立高效液相色谱-离子肼质谱联用法(HPLC-ITMS),检测增强免疫力类保健食品中非法添加的13种药物成分。方法样品经80%甲醇超声提取后,采用Waters BEH-C18色谱柱(50 mm×2.1 mm,1.7μm),以0.1%甲酸溶液-乙腈为流动相,梯度洗脱,流速0.4 ml/min,柱温40℃,多反应监测-信息关联采集-增强子离子扫描(MRM-IDA-EPI)模式测定13种非法添加药物。结果13种化合物在2~100 ng/ml范围内线性良好,相关系数r均大于0.99,在0.5,2.0,5.0μg/g 3个添加水平的回收率为66%~120%。结论该法分析时间短,灵敏度高,可用于增强免疫力类保健食品中非法添加的13种化学药物的快速筛查及同时测定。

论神经增强类药物应用的伦理问题及法律调控

随着脑神经科学的发展,神经增强类药物的应用日益广泛。基于我国社会的现状与实际需求情况的分析,神经增强类药物的应用引发了诸多的伦理问题。应当合理构建规范神经增强类药物应用的法律框架,实现神经增强类药物的个性化应用,以期对我国的法制建设有所助益。

密度Canopy的增强聚类与深度特征的KNN算法

K最近邻(KNN)算法作为目前使用最广泛的有监督分类算法,在大规模、多维度数据的处理方面往往是低效的,因此提出了一种适用于高维度大数据量处理的改进KNN算法。首先采用深度神经网络(DNN)作为特征提取器并进行降维,以学习到最合适的深度特征表示形式;然后通过密度Canopy算法获取到合适的集群数和初始聚类中心,成为之后K-means聚类的输入参数;最后对学习到的数据进行聚类,并采用近似相似性搜索(ASS)中的Hashing策略按其近似相似度进行集群划分,将结果作为KNN分类器的新训练样本。考虑到要查询的最近邻样本可能落在不同集群之中,导致KNN搜索的性能下降,在聚类时额外采用了一种聚类增强策略,有效缓解了这种情况的发生。使用五个不同的数据集进行对比测试,结果表明:与实验对比的算法相比,该算法不仅能够极大地提高KNN的分类精度,而且有效地提升了算法的分类效率,减少了搜索所需的距离数,对噪声数据还具有良好的鲁棒性。

虚拟/增强现实类技术（VR）在小学美术课堂教学中的运用——以人美版教材一年级的《谁的鱼最美》为例

虚拟/增强现实类技术（VR）是运用计算机技术在用户眼前生成一个虚拟的环境，使人感到象真实存在的一种技术，逐渐走进教学已是一种趋势。本文结合新技术——虚拟/增强现实类技术在小学美术课堂教学中，示范教学等环节中的运用，提出新技术——虚拟/增强现实类技术在小学美术教学中的运用具有开创性的意义。

乳胶增强免疫比浊法测定血清胃蛋白酶原水平在胃癌筛查中的价值研究

目的探讨以乳胶增强免疫比浊法测定的血清胃蛋白酶原(PG)Ⅰ、PGⅡ、PGⅠ/PGⅡ(PGR)水平在胃癌筛查中的价值。方法根据组织病理学检查结果将受检者分为4组,正常对照组60例、萎缩性胃炎组160例、消化性溃疡组65例、胃癌组55例。以乳胶增强免疫比浊法检测受检者空腹血清PGⅠ、PGⅡ的水平。结果萎缩性胃炎组和胃癌组的PGⅠ和PGR水平显著降低(P<0.05)。消化性溃疡组PGⅠ,PGⅡ明显升高(P<0.05)。根据流行病学原理,确定以PGⅠ≤70ng/mL和PGR≤4为界值(敏感性为69.09%,特异性70.65%)筛查胃癌。结论乳胶增强免疫比浊法测定的血清PG水平在胃癌筛查中有重要的应用价值。

内质网应激相关因子CCAAT/增强子结合蛋白同源蛋白在蛛网膜下腔出血后早期脑损伤中的作用

目的探讨内质网应激相关因子CCAAT/增强子结合蛋白同源蛋白(CHOP)的表达及其在蛛网膜下腔出血(SAH)后早期脑损伤(EBI)中的作用。方法选取健康雄性SD大鼠78只,采用随机数字表法将其分为空白对照组(6只)、假手术组(36只)与SAH组(36只)。将假手术组和SAH组分别于1、6、12、24、48、72 h,采用简单随机抽样法选取6只大鼠处死。比较各组不同时间点光镜及电镜下大鼠海马神经元形态改变、CHOP相对表达水平、海马神经元凋亡细胞水平及神经行为学评分。结果 3组大鼠6、12、24、48 h时CHOP相对表达水平比较,差异均有统计学意义(P<0.05);其中SAH组大鼠6、12、24、48 h时CHOP相对表达水平均高于空白对照组和假手术组(P<0.05)。空白对照组和假手术组大鼠不同时间点CHOP相对表达水平比较,差异无统计学意义(P>0.05)。空白对照组与假手术组仅有极少数海马神经元凋亡细胞;SAH组1 h海马神经元未见明显凋亡改变;SAH组6、12 h海马神经元凋亡细胞较前增多,部分散在的海马神经元凋亡细胞的细胞核呈棕褐色;SAH组24 h海马神经元凋亡细胞明显增多;SAH组48 h海马神经元凋亡细胞逐渐减少,72 h可见少量海马神经元凋亡细胞。3组大鼠6、12、24、48 h时海马神经元凋亡细胞水平比较,差异均有统计学意义(P<0.05);其中SAH组大鼠6、12、24、48 h时海马神经元凋亡细胞水平均高于空白对照组和假手术组(P<0.01)。空白对照组和假手术组大鼠不同时间点海马神经元凋亡细胞水平比较,差异无统计学意义(P>0.05)。空白对照组、假手术组及SAH组大鼠实验前神经行为学评分比较,差异无统计学意义(P>0.05)。3组大鼠6、12、24、48 h时神经行为学评分比较,差异均有统计学意义(P<0.05);其中SAH组大鼠6、12、24、48 h时神经行为学评分均低于空白对照组和假手术组(P<0.01)。空白对照组和假手术组大鼠不同时间点神经行为学评分比较,差异无统计学意义(P>0.05)。SAH组CHOP相对表达水平与海马神经元凋亡细胞水平呈正相关(r=0.933,P<0.01)。结论 SAH后早期CHOP表达增高,海马神经元凋亡细胞增多,神经行为学评分降低,提示CHOP在SAH后内质网应激诱导的细胞凋亡中发挥重要作用。

增强尼龙中玻纤长度及其分布对性能的影响

以玻纤填充质量分数为30%玻纤增强尼龙6为例,分析和研究了玻璃纤维长度及其分布对增强尼龙6主要性能的影响。结果表明:玻璃纤维的平均长度越长,增强尼龙6的拉伸强度越大,但熔体流动速率下降;玻璃纤维的分布越均匀,缺口悬臂梁冲击强度越大;而弯曲模量与纤维最大长度成正比关系。

提高石棉胶板强度的方法研究

研究了提高造纸法石棉胶板强度的方法。结果表明适度的打浆、添加Al2(SO4)3、多硫化钠、钛酸酯偶联剂及树脂类增强剂都可以提高石棉胶板的抗张强度。

紫绀型先心病颅脑CT的征象分析

目的探讨紫绀型先心病患者颅脑CT表现及分析上矢状窦密度和血红蛋白(Hb)浓度、红细胞压积(HCT)、红细胞计数(RBC)之间的关系。方法收集52例临床诊断为紫绀型先心病患者与50例正常健康人脑部CT平扫图像进行研究比较,观察图像并测量其上矢状CT值,并结合Hb、HTC、RBC值进行统计学分析。结果 52例紫绀型先心病患者中,脑部CT静脉窦及脑血管血液密度正常5例(9.61%);血液密度轻度增高15例(29.41%);中度增高18例(34.61%);重度增高14例(26.92%),以上矢状窦显示率最高。通过测量分析上矢状窦CT值与Hb值呈明显正相关性;紫绀型先心病患者上矢状窦CT值高于CT正常组,差异具有显著统计学意义(t=12.864,P<0.01)。结论颅内静脉窦及脑血管密度均匀性增高,是紫绀型先心病颅脑CT平扫相对特征性改变;血液密度增高与Hb、HCT、RBC增高相关,尤其上矢状窦增高较为显著。

增强类可分性的高光谱图像分类

目的在高光谱图像分类中,由于成像空间分辨率较低,混合像元大量存在。混合像元使得不同类别的光谱特征发生改变,失去原有的独特性,类内差异变大,类间差异变小。针对这一问题,本文提出基于分组滚动引导滤波的策略。同时针对高光谱图像中存在的"维数灾难"问题,提出了弹性网逻辑回归分类器的框架。方法通过线性判别分析(linear discriminant analysis,LDA)算法生成具有判别性的引导图,对高光谱图像的每个波段执行滚动引导,从而让光谱曲线呈现类内凝聚、类间距离增大的趋势。通过构造逻辑回归目标函数的L1&L2范数正则项约束进行嵌入式波段选择,为每个类别选择出各自可分性强的波段,同时可以使高度相关性的波段保留下来作为分类依据。最后使用邻域优化策略对分类后结果进一步优化,提升分类精度。结果分别在3个实验数据集上与其他分类算法进行对比,实验结果表明,本文算法的分类结果取得明显提升。本文算法的总体分类精度(overall accuracy,OA)在Indian Pines、Salinas和KSC(Kennedy Space Center)数据集上分别为96.61%、98.66%和99.04%,比其他算法平均分别高出4.8%、3%和1%,同时也在Indina Pines数据集中进行了对比实验以验证增强混合像元光谱可分性和波段可分性算法的有效性,对比实验结果表明本文算法改善了分类效果。结论分别在光谱特性和波段选择两个环节增强类可分性,分类精度取得明显提升;同时,本文算法适合不同的数据集,并且在不同数量的训练样本下OA均表现较优,算法具有一定的鲁棒性。