高光谱预处理方法与多模型在分类判别中的对比研究

高光谱技术能够快速、无损地获取丰富的信息,在植物研究和监测中已成为一种广泛应用的工具。茄科植物作为一种重要的经济农作物,与高光谱技术结合进行研究具有巨大的应用潜力。本研究采用高光谱技术对茄科植物的初烤后不同部位叶片进行分类研究。采用Field Spec 3光谱辐射仪对293份不同部位的茄科植物粉末样本进行高光谱采样,采用S-G平滑以及一阶导数和二阶导数的方法对数据进行预处理,用于信息增强和去除噪声,并通过偏最小二乘法对数据进行降维,以减少冗余特征。基于降维数据,采样支持向量机、逻辑回归、K近邻、决策树、随机森林和梯度提升决策树这六种机器学习算法建立分类模型。结果显示,在分类任务中,经过一阶导数处理后,支持向量机模型最佳,在训练集和测试集上分别实现了100.0%和84.7%的准确率。经网格参数优化后确定最优参数为:最大深度不限制,最小样本分割数为4,估计器数量为200。参数优化后五折交叉验证准确率为88.1%,训练集准确率为100%,测试集准确率为86.4%。研究结果表明,预处理方法结合降维方法能够增强数据信息使得分类模型能够更好地捕捉茄科植物样本的特征。该研究对于快速、准确、无损地区分茄科植物的部位具有重要意义。

乡村分类的新方法:沙漏法模型体系构建——基于资源县的实证研究

随着乡村振兴战略持续深入推进,乡村管理的精细化水平不断提升,乡村分类的重要性也日益显现。目前,乡村分类主要依赖于定性和量化技术,但研究发现,单一的分类结果往往无法全面反映乡村类型的核心特征。为解决这一问题,创新性地提出了一种名为“沙漏法模型体系”的乡村分类方法。该方法融合定性和定量两种方法,通过层层筛选,最终得出乡村分类结果。沙漏法模型体系具有客观性、灵活性、普适性以及技术检验与反馈等多重优势。在资源县的实证研究中,该方法展现出较高的准确性,为不同类型乡村的发展提供了规划指引和治理策略。

基于XLNet和多粒度对比学习的新闻主题文本分类方法

新闻主题文本内容简短却含义丰富,传统方法通常只考虑词粒度或句粒度向量中的一种进行研究,未能充分利用新闻主题文本不同粒度向量之间的关联信息。为深入挖掘文本的词向量和句向量间的依赖关系,提出一种基于XLNet和多粒度特征对比学习的新闻主题分类方法。首先,利用XLNet对新闻主题文本进行特征提取获得文本中词、句粒度的特征表示和潜在空间关系;然后,通过对比学习R-Drop策略生成不同粒度特征的正负样本对,以一定权重对文本的词向量-词向量、词向量-句向量和句向量-句向量进行特征相似度学习,使模型深入挖掘出字符属性和语句属性之间的关联信息,提升模型的表达能力。在THUCNews、Toutiao和SHNews数据集上进行实验,实验结果表明,与基准模型相比,所提方法在准确率和F 1值上都有更好的表现,在三个数据集上的F 1值分别达到了93.88%、90.08%、87.35%,验证了方法的有效性和合理性。

基于改进Res2Net与迁移学习的水果图像分类

针对传统水果图像分类算法特征学习能力弱和细粒度特征信息表示不强的缺点,提出一种基于改进Res2Net与迁移学习的水果图像分类算法。首先,针对网络结构,在Res2Net的残差单元中引入动态多尺度融合注意力模块,对各种尺寸的图像动态地生成卷积核,利用meta-ACON激活函数优化ReLU激活函数,动态学习激活函数的线性和非线性,自适应选择是否激活神经元;其次,采用基于模型迁移的训练方式进一步提升分类的效率与鲁棒性。实验结果表明,该算法在Fruit-Dataset和Fruits-360数据集上的测试准确率相比Res2Net提升了1.2%和1.0%,召回率相比Res2Net提升了1.13%和0.89%,有效提升了水果图像分类性能。

用于红外-可见光图像分类的跨模态双流交替交互网络

多特征模态融合时存在噪声的叠加,而为减小模态间的差异采用的级联方式的结构也未充分利用模态间的特征信息,因此设计一种跨模态双流交替交互网络(DAINet)方法。首先,构建双流交替增强(DAE)模块,以交互双分支形式融合模态特征,并通过学习模态数据的映射关系,以红外-可见光-红外(IR-VIS-IR)和可见光-红外-可见光(VIS-IR-VIS)的双向反馈调节实现模态间噪声的交叉抑制;然后,构建跨模态特征交互(CMFI)模块,并引入残差结构将红外-可见光模态内以及模态间的低层特征和高层特征进行有效融合,从而减小模态间的差异并充分利用模态间的特征信息;最后,在自建红外-可见光多模态台风数据集及RGB-NIR多模态公开场景数据集上进行实验,以验证DAE模块和CMFI模块的有效性。实验结果表明,与简单级联融合方法相比,所提的基于DAINet的特征融合方法在自建台风数据集上的红外模态和可见光模态上的总体分类精度分别提高了6.61和3.93个百分点,G-mean值分别提高了6.24和2.48个百分点,表明所提方法在类别不均衡分类任务上的通用性;所提方法在RGB-NIR数据集上的2种测试模态下的总体分类精度分别提高了13.47和13.90个百分点。同时,所提方法在2个数据集上分别与IFCNN(general Image Fusion framework based on Convolutional Neural Network)和DenseFuse方法进行对比的实验结果表明,所提方法在自建台风数据集上的2种测试模态下的总体分类精度分别提高了9.82、6.02和17.38、1.68个百分点。

基于扎根理论的村落地名分类法——以泉州市为例

地名作为反映地域特色的文化符号和地理标志,具有丰富的文化属性。传统的地名分类方式在分类的客观性、系统性、精准性以及解释地名的文化含义时存在一定的局限性。为全面理解并挖掘地名蕴含的文化属性,该文以泉州市9417个村落地名为例,应用扎根理论探索构建了一套新的地名分类方法。研究表明:该方法可以切实解决地名受到方言、专名和一字多义等因素影响所导致的分类解释不唯一、分类结果不准确等问题,提升地名分类结果的科学性与准确性。同时,在空间特征研究分析中亦指出,自然类要素的地名主要集中于平原地区;地理特征类地名随高程的增加而更为聚集;姓氏类地名集中于平原地区中的临海区域;其他类别的地名则集中于地形地貌复杂多变的区域。研究结果为地名的分类方法提供了一条新的值得探讨的方法路径,也为下一步对地名产生与演化机制的研究提供了科学方法支撑。

本科高校分类发展政策实施效果的实证分析——以北京市为例

我国各省市高校分类发展正处于政策颁布和分类建设的关键阶段,2020年北京市对21所市属公办本科高校进行分类。以北京市为案例,实证研究分类政策的科学性及实施效果,对全国省域高校分类发展具有一定的现实借鉴意义。在文献回顾及主要省市高校分类指标基础上,建立由5个一级指标、39个二级指标组成的指标体系,对2017到2021年这5年的院校数据进行具有时间序列性质的聚类分析。分析结果与政策比较得出:北京高校分类政策设计具包容性,体现政策智慧,5年间各大学均有所发展提高;研究型大学建设成效显著,特色型大学发展特色有待提升。对此提出:下一步政策调整应采取循证思维,类型可细化为“研究1型、研究2型、艺体型、应用型”这四类,开展分类管理、分类评价、分类建设,建立动态监测分析与调整机制。

基于卷积神经网络和多标签分类的复杂结构损伤诊断

为研究复杂空间框架节点损伤识别问题,利用多标签分类的优势,构建了多标签单输出和多标签多输出两种卷积神经网络模型,用于框架结构节点损伤位置的判断和损伤程度诊断。针对复杂结构损伤位置判断时工况多、识别准确率不高等问题,提出了一种能对结构进行分层(或分区)处理并同时完成损伤诊断的多标签多输出卷积神经网络模型。分别构建了适用于多标签分类的浅层、深层和深层残差多输出卷积神经网络模型,并对其泛化性能进行了研究。结果表明:提出的模型具有较高的损伤诊断准确率和一定的抗噪能力,特别是经过分层(分区)处理后的多标签多输出网络模型更具高效性,有更快的收敛速度和更高的诊断准确率;利用多标签多输出残差卷积神经网络模型可以从训练工况中提取到足够多的损伤信息,在面对未经过学习的工况时也能较准确判断各节点的损伤等级。

中华面制品分类探讨

分类学在于阐明物种(物品)之间的历史渊源或相互关系,使建立的分类系统反映物种(物品)的亲缘关系和进化历史。食品分类学的意义在于揭示食品的起源、演化,以及食品多样性与饮食文化的关系,涉及食品仓储与物流、贸易与消费等管理问题。本文借鉴植物分类学和化学分类学概念、原则和方法,在对文献史料、起源进化、内在联系、管理需求等分析的基础上,依据面制品制作原料、制作原理或工艺、产品形态或特点、食用方法与习惯4大原则,厘清彼此之间的相互关系;将面制品分为饼子类、面条类、馒头类、粉类产品类、油炸面制品类等;明确了面制品的通用名称,初步建立了面制品分类树,讨论了面制品分类过程遇到的问题。从某种意义上说,面制品分类是对食品之间相互关系、饮食演变过程,以及食物供给与人类进化的初步探索或归纳,可为食品产业和食品市场管理提供依据或借鉴。

阶段式分类培养法指导推免硕士研究生的实践探索

该文通过对比多名不同年级、不同阶段的推免硕士研究生与非推免硕士研究生,依据各个硕士研究生的性格特点等方面,创设适合不同阶段推免硕士研究生的培养计划。以期形成一套行之有效的推免硕士研究生学术创新能力训练方案,且对以后的推免研究生的培养提供一定的决策与参考。对于培养创新型研究生人才和推动经济发展、社会进步有重要意义。

GKPA-联合全局与关键区域的光学-SAR中分辨率遥感影像场景分类

遥感影像场景分类是自然灾害检测和城市功能规划等实际应用的基础,因此研究遥感影像场景分类具有重要意义。基于深度学习的方法由于其强大的特征提取能力已经成为遥感影像场景分类领域最常用的方法,此类方法强烈依赖数据集的质量。现阶段场景分类领域的数据集大多为高分辨率的光学影像,易于提取有效的语义特征。在面对中分辨率场景时,影像中细节信息更匮乏,有效特征不够显著,场景分类具有更大难度,相较于高分辨率场景分类精度不够理想。在此情况下,利用其他模态的数据如合成孔径雷达(SAR)提供互补特征可以有效改善场景分类精度。考虑到以上现状,本文构建光学-SAR遥感影像场景分类数据集(OS-RSISC),基于此数据集进一步提出了一个联合全局与关键区域的感知注意力双模态场景分类框架(GKPA-RSSC)。实验结果显示GKPA-RSSC相较于对比方法具有最高的分类精度,总体精度达81.97%。光学-SAR数据与单模态数据的对比试验结果突显双模态数据的优势,进而验证了本文提出的光学-SAR场景分类数据集的重要意义。

面向长尾分布的民众诉求层次多标签分类模型

接诉即办是实现社会治理智能化、提高人民满意度的重要举措,其中精准分析民众诉求智能匹配工单处理部门,实现诉求的快速响应、高效办理尤为关键;然而,民众诉求数据中的诉求描述不清晰、类别混淆且比例失衡会导致诉求类别分析困难,影响了智能派单的效率与准确性。针对上述问题,提出编解码器结构的诉求层次多标签分类模型(HMCHotline)。首先,在文本编码器中引入诉求领域中的细粒度关键词先验知识以抑制噪声干扰,并融合诉求的时空信息提高语义特征的判别力;其次,利用标签层次结构生成具有层次与语义感知的标签嵌入,并构建基于Transformer模型的标签解码器,利用诉求的语义特征和标签嵌入进行标签解码;同时,在标签的层级依赖关系基础上引入动态标签表策略限制标签的解码范围,以解决标签不一致问题;最后,采用Softmax分组策略将样本数量相近的标签类别分为同组进行Softmax操作,从而缓解由标签长尾分布导致的分类准确率低的问题。在Hotline、RCV1(Reuters Corpus VolumeⅠ)-v2和WOS(Web Of Science)数据集上的实验结果表明,相较于层次感知的标签语义匹配网络(HiMatch),所提模型的Micro-F1分别提高了1.65、2.06和0.43个百分点,验证了模型的有效性。

“五育”融入“草地植物分类学”课程教学的实践探索——以北京林业大学为例

“五育”并举是当前深化教学改革、全面提高教育教学水平的重要举措,同时也是推动学生全面发展的重要理念。草业科学专业基础课程是培养适应当前草牧业发展需求复合型、应用型和创新型毕业生的重要平台。本文以北京林业大学草业科学专业“草地植物分类学”课程为例,探索“五育”融入专业课堂和野外教学实践,以教学目标为基础,结合具体教学内容,将“五育”融入具体的课程教学内容。融入路径如下:以思想先导,实现德育的价值引领作用;以学以致用为目标,以启迪智育心智;在实践教学中融入体育,使学生享受学习的乐趣、锤炼意志;在学习草地植物分类知识的同时,以德铸美,以美铸品;在制作植物标本过程中,学生亲身实践,劳中促思。上述措施帮助学生在掌握草地植物分类学内容的同时,实现德智体美劳全面发展。“五育”融入“草地植物分类学”课程教学显著提高了学生的自主学习能力,锤炼了专业实践技能,提升了创新研究能力,加强了体育锻炼和体育意识,学生综合素质得到全面提升。

分类管理背景下民办学校举办者的法律地位

党的二十大报告明确指出,坚持以人民为中心发展教育,加快建设高质量教育体系,引导规范民办教育发展。以法治思维和法治方式推进民办教育领域改革和发展是新时代教育强国建设的重要组成部分。在民办教育法律法规的分类管理深入实施阶段,新《民促法》关于非营利性与营利性民办学校的基本分类为举办者法律地位的探讨奠定了重要基础,也为举办者法律地位的重构和分类提供了重要契机。新《民促法》及《民促法实施条例》并未直接明确民办学校举办者的法律地位及合法权益的主要外延。当前,立足于民办学校举办者法律地位的概念界定和文献回顾,从民办学校举办者法律地位的实践逻辑入手,对非营利性、营利性民办学校的主要权利与义务以及过渡阶段民办学校的比照原则进行梳理阐述,为民办学校举办者法律地位的规范再造奠定基础,助力推动民办教育高质量发展。

基于机器视觉的智能垃圾分类系统的设计

为了有效处理废弃物,本文设计、制作了垃圾分类的硬件设备,包括K210模板、摄像头、电路以及4个舵机,4个舵机分别连接厨余垃圾、有害垃圾和其他垃圾。针对垃圾数据集较少的问题,本文采用基于VGG16的卷积神经网络算法,在自建的垃圾数据集上进行训练和测试。结果显示,利用该方法可以准确识别垃圾种类,平均准确率为93%。

基于矢量分类的NPC型三电平双三相PMSM的改进模型预测电压控制

多电平多相电机驱动系统存在电压矢量数目多、冗余复杂及多目标非线性约束等问题。以二极管钳位型三电平六相逆变器驱动双三相永磁同步电机为研究对象,以电机谐波电流抑制和逆变器直流侧中点电位平衡控制为目标,提出一种基于电压矢量三角区域分类的改进模型预测电压控制策略。首先,以基波子平面大投影幅值为原则,对729个电压矢量进行初筛;接着,基于三角区域分类方法对筛选后的电压矢量进行分类,并对期望电压进行所属三角区域定位、确定候选矢量。设计满足电机定子电流谐波抑制及逆变器中点电位平衡控制的目标函数;根据电机数学模型和逆变器特征研究多目标控制权重因子的理论设计方法。不同工况下的有效性及对比实验表明,所研究的控制策略不仅能改善多电平多相电机驱动系统的多目标控制性能,还能有效降低控制器计算负担。

基于迁移学习的改进EfficientNet网络的皮肤病分类研究

针对目前皮肤病辅助分类技术所应用的网络模型参数量大、分类准确率不高的问题,提出了一种基于迁移学习的改进EfficientNet皮肤病分类方法。该方法应用迁移学习思想对轻量级深度卷积神经网络EfficientNet进行改进,具体包括添加全局平均池化层、冻结不同层数等对模型进行微调,形成TL-EfficientNet网络。实验结果表明,TL-EfficientNetB0在经类别权重预处理后的ISIC2018皮肤病数据集上的准确率达到85.07%,Macro_P达到0.82,网络参数只有4.49 M,适合部署到移动端。

欧洲医药保健网分类系统在青光眼患者中药物相关问题的应用

目的将欧洲医药保健网(PCNE)分类系统引入青光眼药学监护工作中,为进一步促进青光眼患者合理用药提供参考依据。方法收集2022年1月1日~2022年6月30日期间在某院青光眼门诊就诊并临床诊断为青光眼的患者,利用PCNE分类系统(V9.1)评估入组患者中出现的药物相关问题(DRPs),并对DRPs的数量、发生率、类型、发生原因、干预类型及接受情况进行分析。结果共纳入180例患者,其中141例患者被识别出172条DRPs。“治疗安全性”“其他方面”及“治疗有效性”三个问题类型的数量及占比分别为66(38.37%)、60(34.89%)及46(26.74%)。对DRPs发生原因进行分析,共识别出246条相关原因,其中患者相关是最常见的原因类别,120条(48.78%),其次为药物选择53条(21.54%)。在DRPs干预类型中,患者层面177条(60.41%),药物层面59条(20.13%),医生层面48条(16.38%);DRPs干预接受率88.95%,其中74.42%接受干预并完全执行。结论眼科药师通过PCNE分类系统(V9.1)的分析,能及时发现和精准解决DRPs,确保青光眼患者安全规范用药。

卷积神经网络在图像分类中的应用研究

针对传统图像分类在泛化性能上的局限性,采用了一种包含两层卷积和池化操作的卷积神经网络来进行图像分类任务。为了验证卷积神经网络的性能,研究从分类精准度和运行时间来对比BP神经网络、支持向量机(SVM)及卷积神经(CNN)网络的3种算法的性能。实验结果表明,CNN的分类准确率优于其他两种分类算法,但训练时间及测试时间相对较长。

基于《国际功能、残疾和健康分类》评价中国智能化辅盲设备的补偿功能

背景:辅盲设备及技术的应用是当今视力障碍人群常用的干预手段,可提高日常生活活动的参与及工作学习能力,帮助其回归家庭、回归社会。数字信息和智能化时代下辅盲设备的形式、技术和功能各有不同,其分类目前暂未能得到有效统一的讨论和评价。目的:基于《国际功能、残疾和健康分类》评价国内视力障碍人群智能化辅盲设备的补偿功能。方法:通过计算机检索中国知网、维普和万方数据库2013-01-01/2023-12-31收录的相关文献。基于《国际功能、残疾和健康分类》理论模式和框架结构,应用术语结构和编码程序归纳相关视力障碍评估类目,整理与分析国内视力障碍的智能化辅盲设备补偿功能研究与分类。结果与结论:①共纳入197篇文献:其中身体功能1篇,包含b2(b210);身体结构1篇,包含s2(s220);活动与参与共119篇,包含d1(10篇,d110、d115、d120、d140、d166),d3(4篇,d315、d325、d345、d360),d4(102篇,d465、d470),d8(3篇,d820、d825);环境因素共76篇,包含e1(72篇,e115、e120、e125、e130、e140、e150、e155、e160),e2(4篇,e210、e240);②基于《国际功能、残疾和健康分类》的视力障碍智能化辅盲设备补偿功能研究分类包含4个部分、8个分类、25个类目,领域涉及身体补偿类、生活用品类、教育学习类、出行导盲类、布局规划类。