电子信息类一流专业产教融合协同育人机制探索

为满足地方区域经济发展高素质人才需求,探讨基于电子信息类一流专业建设的产教融合协同育人机制,持续提升人才培养质量。阐述了“双一流”建设背景下地方应用型本科院校电子信息类专业产教融合协同育人机制研究探索的重要意义,结合山东工商学院电子信息类一流专业建设实际情况,从培养目标、毕业要求、课程体系、实践教学四个方面说明产教融合协同育人机制建立的关键环节,提出了以持续提升培养质量为目的协同育人机制建立实施方案。

新工科背景下地方高校电子信息类专业实践能力培养模式研究与探索

响应高素质复合型新工科人才需求,以产业和经济发展需求为导向,探索地方高校现代电子信息人才实践能力培养新体系构建模式。依据卓越工程师培养计划和工程教育专业认证的能力培养要求,设计工程实践驱动的模块化课程;协同互动教学、第二课堂,以硕带本,搭建多维度工程实践创新平台;校企深度合作,构建产教融合协同育人机制;以此提高学生工程实践能力和创新能力。

融合词信息嵌入的注意力自适应命名实体识别

缺少分词信息及未登录词、无关词干扰是字符级中文命名实体识别面临的主要问题,提出了融合词信息嵌入的注意力自适应中文命名实体识别模型,在新词发现的基础上,将字向量嵌入与词级信息嵌入融合作为模型输入,减少了未登录词对模型的影响,并增强了实体特征的显著性,使实体特征更容易被学习器获取;同时,在注意力机制中引入动态缩放因子,自适应地调整相关实体和无关词的注意力分布,一定程度上减小了无关词对模型的干扰。将该方法在公共数据集上进行实验,实验结果证明了方法的有效性。

用于苹果品质监测的多温度扫描电子鼻系统

基于互补金属氧化物半导体(CMOS)集成微气体传感器阵列芯片开发了一种用于苹果品质监测的便携式电子鼻系统。使用2 mm×2 mm芯片上集成的4只可独立控温的半导体气体传感器,对品质良好、有瑕疵以及两者混合的苹果样本进行了气体检测。通过在传感器气敏性能良好的150~350℃温区内以50℃为步长进行温度扫描,构成虚拟传感器阵列。对其在不同温度稳态条件下提取的特征混合样本,进行了显著性分析,从而筛选出了不同气氛显著性差异大的4个温度特征样本。对该样本采用线性判别分析(LDA)算法降维,然后采用K最近邻(KNN)算法对苹果样品进行分类。结果表明:所提出的多温度稳态特征混合方法的最高分类准确率为98.3%,与单一和非稳态温度结果相比得到了大幅提升。

填埋场渗漏磁法检测的噪声来源与剔噪方法综述

填埋是固体废物集中处置的主要手段,填埋场则是固体废物对地下水环境影响集中发生的场所。通过防渗层HDPE膜漏洞的渗漏是导致地下水污染的主要途径和方式,开展防渗层渗漏快速检测和精准定位具有重要意义。传统电学渗漏检测难以检测双层衬垫或多层衬垫系统的下层衬垫破损,基于传统电法改进的电磁方法展现出下层衬垫检测的潜力,但迫切需要解决填埋场复杂服役人文环境和地球磁场环境下的电磁噪声干扰问题。为此,通过对磁法检测原理和信号特征的深入分析,以及对背景磁噪声类型、来源、特征和电磁噪声去噪方法的综述,得出如下结论:在特定条件下,漏洞越近,其磁场信号越强;填埋场噪声主要来源于地磁和人文磁场,且不同噪声有不同特征,需不同处理;去噪过程先预处理排除干扰,其次在检测中选择适宜的滤波或测量法去除噪声。

三维注意力增强的暴力场景检测算法

为了提升互联网多媒体内容安全检测能力,有效过滤不良信息,提出了一种基于三维注意力增强的视频暴力内容检测算法。该算法以3D-DenseNet为骨干网络,首先利用P3D提取低层次的时空特征信息;其次引入SimAM注意力模块计算通道-空间注意力,增强帧画面重点区域信息;然后设计了时域注意力加强的过渡层突出重点时序信息,如此形成通道-空间-时间三维注意力,提升暴力场景检测性能。实验结果显示,算法在内容单一的小规模暴力行为检测数据集Hockey和Movies上准确率分别达到了98.75%和100%,在内容多样的大规模数据集RWF-2000上达到了89.25%,综合性能优于同类算法,验证了算法的有效性;在长视频的暴力内容定位实验中,算法在VSD2014数据集上相较同类算法也取得了更好的检测效果,证明了算法在暴力内容检测方面的泛化能力。

基于MPSO-BP算法的四电极电化学气体传感器温度补偿研究

针对四电极电化学气体传感器的测量精度极易受环境温度影响的问题,提出一种基于粒子群优化BP神经网络算法(PSO-BP)的温度补偿方法。利用改进的PSO算法(MPSO)对BP神经网络的权值和阈值进行优化,构造四电极电化学气体传感器的温度补偿模型,并设计了气体传感器测试系统。实验结果表明,MPSO-BP算法可有效提高BP神经网络的收敛速度和泛化能力;基于MPSO-BP算法的四电极气体传感器温度补偿模型,可将温度补偿误差控制在0.1%以内。

基于联邦学习的跨被试癫痫发作检测方法

提出一种基于联邦学习的跨被试癫痫发作检测方法,以解决由于数据类型不平衡和癫痫患者之间数据分布差异显著导致的深度检测模型训练数据不足和泛化性能低的问题.建立癫痫发作检测的联邦学习框架,聚合多个训练参与方的脑电图数据;设计多尺度时间卷积网络作为客户端局部模型,通过客户端局部模型的训练和参数聚合协作训练全局模型;为避免联邦训练过程中参数量过大,用量化压缩技术提高模型的传输效率.在CHB-MIT头皮脑电图数据中评估联邦学习全局模型的跨被试癫痫发作检测性能,取得平均71.21%的灵敏度和83.99%的准确率.结果表明,联邦学习在不交换各客户端隐私数据的前提下,能够融合局部模型参数生成独立于患者个体的公共检测模型,为跨被试癫痫发作检测提供有效方法.

数字经济与沿海地区经济发展质量研究

通过双向固定效应模型检验了数字经济对沿海地区经济发展质量的影响,并从产业结构和研发要素2个方面研究数字经济对沿海地区经济发展质量的作用机制。研究表明,数字经济可以显著提升沿海地区的经济发展质量。其次,数字经济可以通过促进产业结构升级和增加研发要素投入来间接促进沿海地区经济高质量发展;从异质性分析看,沿海南方地区数字经济发挥的促进作用更加显著,并且在沿海地区中,其数字经济发展水平越高,其经济发展得也越好。

多视图专家组区域建议预测的视觉跟踪

为解决大多数最新的目标跟踪器都面临着判别特征表示缺乏多样性、目标定位过于模糊以及正样本的数量要求问题,提出一种基于多视图的顶层特征的区域建议网络的跟踪预测学习算法。融合多种视图的特征表示方式,利用丰富多样的语义信息,有效解决判别特征过于单一的问题。在扩展的边界框上构建多个支持向量机模型并加入区域建议网络模块,精确优化边界框,预测最优的目标位置,缓解目标定位过于模糊和正样本的数量有限的问题。通过大量视频基准序列对方法的综合评价,其结果表明,提出方法融合了轻量化的深度学习模型和多视图专家组的优点,使跟踪性能有了显著提升。

基于双稳类随机共振的信息检测

研究了小参数随机共振(SR)的响应幅值与信号频率和噪声强度的关系,并从噪声频谱的罗伦兹(Lorentz) 分布特性推出,只有在噪声能量集中的低频区域才能产生随机共振的论点。得出了二次采样大参数类随机共振的实现条件,即采样频率至少是信号频率的50倍并根据噪声强度选择二次采样频率。在大参数情况下,由双稳系统输入输出信噪比的分析,阐明了大参数类随机共振方法从强噪声中检测出弱信号的可行性。运用周期和非周期弱信号的检测实例,进一步证明了该方法的有效性和实用性。

多级Transformer特征融合的三维点云目标跟踪

三维点云目标跟踪的过程中时常会出现遮挡、稀疏性和随机噪声等问题。为了解决这些问题,提出了一种新颖的多级Transformer特征融合的三维点云目标跟踪方法。该方法主要由点注意嵌入模块和点注意力增强模块组成,且这两个模块分别用于特征提取和特征匹配的过程中。通过将两个注意力机制相互嵌入构成点注意力嵌入模块,并将其和PTTR所提出的关系感知采样法融合,实现充分提取特征的目的。将提取到的特征信息输入点注意力增强模块中,通过交叉注意力机制对不同层次的特征依次匹配,达到全局特征和局部特征深度融合的目标。为了获取判别性特征融合图,利用残差网络的方式对不同层的融合结果进行连接。将特征融合图输入目标预测的模块中,实现对最终3D目标对象的精准预测。在KITTI数据集、nuScenes数据集和Waymo数据集上的实验验证了该方法的有效性。若不计小样本数据,在目标跟踪的成功值中该方法平均提高了1.4个百分点,在跟踪的精确值上也提高了1.4个百分点。

基于航空摄影测量的填埋堆体动态重构精度及影响因素

填埋堆体表面形变监测是填埋场库容管理和堆体失稳等风险分析的核心,其时空高分辨率监测研究近年来引起广泛关注。基于航空摄影的地表测量技术具有采集速度快、时空分辨率高等优点,但在填埋场特殊环境下,面对高频填埋活动、显著的堆体变化以及防雨膜覆盖等干扰时,要同时满足高时空分辨率和耗时短的动态监测要求,无人机的最佳飞行参数设定亟待研究。为此,该研究模拟中等规模危险废物填埋场的规模和日填埋量,利用专业级无人机获取模拟区域图像,空三加密处理生成三维点云数据,利用Arcmap叠加分析多期监测数据,从点位坐标、重构尺度、重构体积、体积差分精度4个角度分析重构误差。结果表明:三维重构的坐标精度可以达到米级;重构尺度误差为2~3 cm,重构体积误差为0.16~0.17 m^(3),差分体积误差为0.16~0.17 m^(3);进一步研究发现,高度为25~55 m时,高度越高精度越低,相机倾角为[-53°,-60°]时,精度最高,旁向重叠率大于80%时,误差骤减且基本稳定。考虑到填埋场的填埋作业间隔、无人机续航能力等对飞行时间的约束,为获得最佳精度,建议无人机飞行高度为37 m、相机倾斜角度为[-53°,-60°]、旁向重叠率为80%。

基于Hilbert谱信息熵的煤矸放落振动特征分析

针对煤矿安全生产中的综放工作面煤矸界面探测问题,提出利用煤矸下落冲击钢板的振动特征来探测煤矸界面的方法。煤矸振动信号表现出非平稳特征,采用经验模态分解方法将复杂矿井环境下的煤矸振动信号分解成固有模态分量。选择包含煤矸振动特征的前7个本征模函数(IMF)分量,通过Hilbert变换得到Hilbert谱。分析不同放煤状态下钢板振动信号的Hilbert谱发现,顶煤下落时的Hilbert谱分布较均匀,而煤矸混放时的Hilbert谱呈现不均匀分布。根据信息熵理论,提出了基于Hilbert谱信息熵的煤矸振动特征提取方法。试验结果表明,顶煤下落时的Hilbert谱信息熵要大于煤矸混放时的Hilbert谱信息熵,因此,煤矸振动的Hilbert谱信息熵特征能够准确地反映放煤状态。

k-best维特比解耦合知识蒸馏的命名实体识别模型

为提升命名实体识别(NER)模型的性能,可采用知识蒸馏方法,但是传统知识蒸馏损失函数因内部存在的耦合关系会导致蒸馏效果较差。为了解除耦合关系,有效提升输出层特征知识蒸馏的效果,提出一种结合k-best维特比解码的解耦合知识蒸馏方法(kvDKD),该方法利用k-best维特比算法提高计算效率,能够有效提升模型性能。另外,基于深度学习的命名实体识别在数据增强时易引入噪声,因此提出了融合数据筛选和实体再平衡算法的数据增强方法,旨在减少因原数据集引入噪声和增强数据错误标注的问题,提高数据集质量,减少过度拟合。最后在上述方法的基础上,提出了一种新的命名实体识别模型NER-kvDKD。在MSRA、Resume、Weibo、CLUENER和CoNLL-2003数据集上的对比实验结果表明,该方法能够提高模型的泛化能力,同时也有效提高了学生模型性能。

信息融合技术在火灾探测中的应用研究

为减少火灾探测中的误报警,基于信息融合技术对火灾传感器输出的信息进行处理。充分利用火灾探测系统的在线和离线数据,采用改进的主元分析法(PCA)、粗糙集(RS)理论、支持向量机(SVM)等3种方法的融合与互补,通过对系统的输入数据进行简化,消除原有信息的各分量之间的相关性,降低特征信息维数;实施最优最小约简,特征提取优化;构造自适应核函数,确定最优分类超平面,进行样本训练,获得火灾探测结果。从数据级、特征级、决策级3个层次上实现火灾信息融合。结果表明:该方法减少了融合过程中的信息损失,降低了计算的复杂性,有效地提高了火灾探测系统的可靠性和准确度。

有源电子式电流互感器高压侧电路设计的改进

提出了一种新的有源电子式电流互感器的高压侧电路设计方案。通过改进传统积分电路并适当选取元件参数改善了积分电路的低频幅值特性,并通过调整输入与输出信号之间的夹角,在抑制低频干扰的同时实现了相位补偿。高压侧电路的供电电源直接取自母线,在供电电路中设计了电压比较调节电路和备用电池自动投切电路,通过比较调节电路使输出电压与基准电压相比较产生调节信号,完成了对输出电压的调节;通过备用电池自动投切电路检测供电电路的电压输入,在电压输入低于给定值时将备用电池投入使用。软件系统中采用准同步算法以减少同步误差。实测表明,该设计方案抗干扰性能良好,准确性较高。

异常值个数未知下辅助数据自适应筛选方法

在雷达目标多通道自适应检测场景下,诸多非均匀背景因素易导致异常值干扰,使得辅助数据独立同分布条件难以满足,已有辅助数据筛选方法往往假定异常值个数已知,在个数未知的情况下面临较大性能损失。为此,该文研究了异常值个数未知情况下辅助数据自适应筛选方法。首先,在杂噪协方差矩阵已知条件下,建立了异常数据集合的最大似然估计,基于广义内积对辅助数据进行初步排序,将异常数据集合的最大似然估计过程简化为异常值个数估计。其次,利用快速最大似然方法进行未知协方差矩阵估计,提出了未知异常值个数下辅助数据自适应筛选方法。进一步地,为降低异常值对初步排序性能的不利干扰,基于归一化采样协方差矩阵设计了归一化广义内积形式,并结合迭代估计方式,对前述辅助数据自适应筛选流程进行改进。仿真结果表明,与广义内积相比,采用归一化广义内积可获得更高的筛选精度,采用较小迭代次数即可获得稳定的归一化信干比改善;与已有辅助数据筛选方法相比,该文所提方法在异常值个数未知条件下具有更好的筛选性能。

面向危险化学品运输监测系统的信息融合模型构建

设计一种可用于危化品运输全过程安全状态实时监测的多参数监测系统,并以该系统为基础,构建面向危化品运输安全监测系统的多传感器信息融合模型。该模型综合利用系统监测到的多种参数信息,通过数据预处理、特征提取和状态判决、形势判决、危险态势估计和预测等4个级别的信息融合,结合危险报警模块和数据库管理系统,自动分析被测数据,最终达到对危化品运输安全分类、分级、分层次报警的目的。以该模型为基础讨论部分信息融合算法并设计相应的软件,在实际构建的针对液化石油气的危化品安全监测系统中进行应用试验,结果说明了信息融合模型的有效性。

基于DFI-RSE电子鼻传感器阵列优化的葡萄酒SO_(2)检测

酿造过程中SO_(2)的监控是葡萄酒产业信息化和葡萄酒品质保障的关键。针对传统SO_(2)测定方法操作复杂、耗费时间长等问题,该研究提出基于电子鼻技术建立葡萄酒中SO_(2)检测方法。为提高电子鼻检测性能,提出一种基于动态特征重要度-递归传感器消除(Dynamic Feature Importance-Recursive Sensor Elimination,DFI-RSE)的气体传感器阵列优化算法。将最大信息系数(Maximum Information Coefficient,MIC)作为度量变量间关系的标准,定义DFI选择兼顾高有效性与低冗余性的特征构成特征子集。进一步计算特征子集中的传感器重要度,结合RSE移除重要度较低的传感器,获得最优阵列组合。采用偏最小二乘回归(Partial Least Squares Regression,PLSR)、多层感知器(Multi-Layer Perceptron,MLP)、支持向量回归(Support Vector Regression,SVR)和贝叶斯岭回归(Bayesian Ridge Regression,BRR)对DFI-RSE优化前后阵列的检测能力进行比较。结果表明,针对间隔40 mg/L、0~200 mg/L范围内不同SO_(2)添加量的葡萄酒样品,优化后阵列的传感器数量由原来的16个降低为8个,特征数量减少了59%,4种回归模型的决定系数均高于0.98,其中MLP模型检测效果最佳,均方根误差为7.73 mg/L,优于原始阵列且节省了运行时间。所建立的基于电子鼻的葡萄酒SO_(2)添加量检测和相应的阵列构建与优化方法为葡萄酒酿造过程中SO_(2)的有效监控技术研究提供参考。