武汉大气波导出现特征及其对调频广播的影响

大气波导会严重影响广播系统的播出质量和服务可靠性,然而目前对内陆大气波导出现情况的研究关注度不够,国内也未见其对广播系统影响研究的公开报导.本文选择武汉地区代表亚热带季风气候区,研究其大气波导环境特性及对广播频率的影响.基于无线电气象原理,给出了武汉地区2017—2019年波导环境特征的研究结果,包括波导的出现概率、结构特征和影响的无线广播频率等.结果表明这三年武汉地区大气波导出现概率可达到28%,对FM频段的广播频率影响概率达到13%以上.基于抛物型方程方法,对标准大气和典型波导事件大气条件下的武汉-信阳路径上92.7 MHz电波传播特性进行了数值模拟,得到了武汉发射站到信阳的功率分布,在距武汉85 km的位置和在距武汉172 km的信阳,近地表0~100 m信号功率可以提高6.12 dBm以上.本文研究说明内陆大气波导对无线广播系统可产生严重影响,为有关研究提供了可信的参考依据.

主成分分析法在大学生心理素质分析中的应用

大学生心理素质是与大学生的学习、研究和生活实践密切联系的心理品质的综合表现。本文探讨大学生症状自量表中九个因子之间的相关性;用主成分分析法找出影响心理素质的核心因子并且计算其权重;比较男女性别之间的差异并进行检验,把因子重新分为三类。

大学数学实施研究性学习的若干途径

研究性学习作为一种最具影响力的教学理念,正对人们的学习方式和教学模式产生着深刻的影响,在高校可通过对问题的引申、推广,方法的探讨,模型的建立、求解与应用来实施数学研究性学习.

第十三届全国周培源大学生力学竞赛“基础力学实验”团体赛命题和竞赛总结

对第十三届全国周培源大学生力学竞赛“基础力学实验”团体赛的命题过程、命题原则与思路、竞赛过程与结果等进行了分析和总结,并提出了相关意见与建议。

一种车辆GPS轨迹数据的改进地图匹配算法

文中提出一种车辆GPS轨迹数据的改进地图匹配算法.以车辆GPS轨迹数据进行隐马尔可夫模型动态地图匹配后的缓冲区内候选路径为初始群体,以遗传算法中的改进的适应度函数为基准进行半交叉迭代,选择车辆轨迹更优的匹配路径;设计了改进地图匹配方法的算法流程;利用微软亚洲团队的GeoLift轨迹数据集验证了改进方法的有效性.

控制杆-强制旋转对圆柱涡激振动的抑制作用研究

为实现圆柱涡激振动的高效抑制,本文基于控制杆-强制旋转组合结构讨论圆柱涡激振动的抑制问题。对低雷诺数下的圆柱涡激振动进行数值模拟研究,对比分析不同控制杆数量和圆柱转速比下的流场特性、振动响应和流体力响应等。结果表明:与裸圆柱相比,控制杆具有一定的涡激振动抑制效果;对于三、五控制杆,通过调节转速比,可以实现最高98%的圆柱振幅抑制(对三控制杆,转速比为0.4~0.6;对五控制杆,转速比为0~0.2);圆柱振幅抑制与圆柱减阻区间相同;对于四、六控制杆,旋转对振幅抑制的影响较小;主圆柱表面的漩涡脱落和漩涡的合并会引起流体力系数的高幅波动,导致圆柱高振幅响应;没有漩涡合并和圆柱表面脱涡不明显时,流体力系数则无明显波动,圆柱振幅也显著降低。

基于边卷积与瓶颈注意力的点云三维目标检测

点云数据的高度稀疏特性使当前大部分基于点云的三维目标检测算法对点云的局部特征学习不足,且点云数据包含的部分无效信息会干扰目标检测。针对以上问题,提出了一种基于边卷积与瓶颈注意力的三维目标检测模型。首先,构建多层边卷积(Edge Convolution,EdgeConv),针对点云中的每个点,通过寻找特征空间上与其最接近的K个点,以构建K-近邻图结构,并学习点云的多尺度局部特征;其次,设计适用于三维点云数据的瓶颈注意力模块(Bottleneck Attention Module,BAM),每个BAM包括一个通道注意力模块和一个空间注意力模块,用于增强对目标检测有价值的点云信息,提升网络模型的表征能力。网络以VoteNet为基线,多层边卷积和BAM模块依次加入PointNet++网络和投票模块之间。模型在SUN RGB-D和ScanNetV2公共数据集上进行实验,并与13个当前先进的三维目标检测算法进行对比。实验结果表明,对于SUN RGB-D数据集,所提模型在交并比(Intersection over Union,IoU)为0.5时的平均精确率mAP@0.5达到了最高,并在床、椅子、办公桌等6个对象类别(共10个类别)达到最优准确率(AP@0.25);对于ScanNetV2数据集,模型的mAP@0.25和mAP@0.5均达到最优,并在椅子、沙发、照片等10个对象类别(共18个类别)达到了最优准确率(AP@0.25)。与基线VoteNet相比,所提模型在两个数据集上的mAP@0.25分别提升了6.5%和12.9%,消融实验证明了所加入的边卷积模块和瓶颈注意力模块的有效性。

基于t检验和逐步网络搜索的有向基因调控网络推断算法

为了克服基于条件互信息的路径一致算法(PCA-CMI)无法识别调控方向的缺陷,并进一步提高网络推断准确率,提出了一种基于t检验和逐步网络搜索的有向网络推断算法(DNI-T-SRS)。首先,对不同实验条件下的表达数据进行t检验以辨别基因调控的上下游关系,指导路径一致(Path Consensus)算法中条件基因的选取,根据CMI2(Conditional Mutual Inclusive Information)剔除网络中的冗余边,得到了基于t检验的有向调控关系推断算法CMI2NI-T(CMI2-based Network Inference guided by t-Test);然后,建立有向调控关系对应的米氏微分方程模型对数据进行拟合,根据贝叶斯信息准则进行逐步网络搜索以修正网络推断结果。利用CMI2NI-T推断DREAM6挑战中的两个测试网络,所得到的曲线下面积(AUC)分别为0.7679和0.9796,相较于PCA-CMI分别提高了16.23%和11.62%;通过进一步的数据拟合后DNI-T-SRS的推断准确率分别达到了86.67%和100.00%,相较于PCA-CMI分别提高了18.19%和10.52%。实验结果表明,所提DNI-T-SRS算法能够有效剔除间接调控关系并保留直接调控连接,得到精确的基因调控网络推断结果。

基于改进DeepLabv3+的遥感影像道路提取算法

道路提取可以帮助人们更好地理解城市环境,是城市交通和城市规划等方面的重要部分,随着深度学习与计算机视觉的发展,利用基于深度学习的语义分割算法从遥感影像中提取道路的技术趋于成熟。针对现有的深度学习道路提取算法存在的提取速度慢和容易受背景环境因素干扰而产生漏分割、不连续等问题,提出了一种基于ECANet注意力机制和级联空洞空间金字塔池化模块的轻量化算法CE-DeepLabv3+。首先,将主干特征提取网络更换为轻量级的MobileNetv2,减少参数量,提高模型的执行速度;其次,通过增加空洞空间金字塔池化模块的卷积层进一步扩大感受野,再级联不同特征层来增强语义信息的复用性,从而加强对细节特征的提取能力;再次,加入ECANet注意力机制,抑制背景环境中的干扰因素,聚焦道路信息;最后,采用改进的损失函数进行训练,消除了道路与背景样本不均衡对模型性能产生的影响。实验结果表明,改进算法的性能优良,与原始DeepLabv3+算法相比,在分割效率、分割精度上有较大的提升。

耐温磁性吸波涂层的界面活化-接枝及其性能增强

目的采用过氧化氢(H_(2)O_(2))溶液和乙烯基三甲氧基硅烷(A171)对片状磁性金属吸波剂粒子进行活化和小分子接枝,改性后的吸波剂与有机硅树脂复合,在吸波剂-基体界面形成化学键结合,探究具有高填充、高附着力和高磁导率的耐温吸波涂层。方法通过改变温度和反应时间,探究H_(2)O_(2)溶液活化吸波剂的最佳条件,利用A171的乙烯基与有机硅树脂发生硅氢加成反应,在吸波剂与基体间形成化学键连接。结果吸波剂粒子在未处理和H_(2)O_(2)活化后,分别经质量分数3%、7%的A171接枝改性,获得了最佳润湿性,表明表面活化可有效增强接枝效果。随着A171接枝量的增加,涂层的密度增加,附着力提高,磁导率上升。当A171的接枝量(用质量分数表示)为7%时,涂层密度由(2.05±0.04)g/cm^(3)提高到(2.27±0.03)g/cm^(3);附着力由(5.63±0.11)MPa提高到(8.59±0.13)MPa,提高了52.6%。1 mm涂层的反射率峰值由起始的-5.01 dB升至-6.12 dB。在300℃下热处理20 h后,1 mm涂层的反射率依然为-5.98 dB,保持了良好的耐温性。结论采用H_(2)O_(2)溶液对片状吸波剂进行活化处理,能够增加吸波剂表面A171的接枝含量,可显著提高吸波剂在有机硅树脂基体的填充能力,提高了耐温吸波涂层的附着力、磁导率和吸波性能。

一种基于共轭次梯度算法的非光滑布图规划方法

针对只有硬模块的布图规划问题,通常将其构建成组合优化模型,但求解过程时间成本高。为提高求解效率,提出了一种基于非光滑解析数学规划的布图规划算法。基于布图中器件的坐标表示,构建了一个泛化的非光滑解析数学规划模型,将不同场景下的布图规划问题的不同优化阶段处理为该泛化模型的特例,并利用共轭次梯度算法(conjugate sub-gradient algorithm,CSA)对其进行求解。针对固定轮廓布图规划问题,通过统一框架下的全局布图规划、合法化、局部优化三个阶段,实现了在固定轮廓约束下的线长优化。针对无固定轮廓约束问题,提出了带黄金分割策略的共轭次梯度算法(conjugate sub-gradient algorithm with golden section strategy,CSA_GSS),利用黄金分割策略缩小固定轮廓的面积,达到面积和线长双优化的效果。实验在GSRC测试电路上与基于B*-树表示的布图规划算法进行比较,该算法对于大规模电路在线长和时间方面均占据优势。实验结果表明,该算法能以更低的时间复杂度获得更优的线长。

焊接线能量和焊接顺序对加筋板声振特性影响试验研究

在满足结构强度要求的焊接工艺规范下,焊接线能量和焊接顺序会影响船舶上典型双向加筋板结构焊接残余应力的大小与分布,从而影响其声振特性。为探究焊接工艺参数对典型双向加筋板结构声振特性的影响规律,采用数值与试验相结合的方法验证焊接结构试验方法的准确性,开展不同焊接线能量和焊接顺序下加筋板结构模态、水下振动和声辐射试验研究。试验结果表明:在相同焊接顺序下,不同的焊接线能量对薄板的固有频率影响较大,对厚板的固有频率影响相对较小;对于厚板加筋结构而言,在相同焊接顺序下,随着焊接线能量的增加,对固有频率的影响呈现先减小、后增大的趋势,相同频段内的振动加速度和辐射声压总级也呈现先减小、后增大的趋势;在对称焊接顺序下,焊接电流为200 A,焊接电压为25 V,焊接速度为3.02~3.06 mm/s,焊接线能量为167 J/cm时,结构的声振特性最优。本研究可为船舶与海洋结构物声隐身性的低噪声工艺设计提供指导。

电沉积法制备FeNiCo片状粒子及其涡流抑制和磁导率增强

目的研发具有大宽厚比、高磁导率和低介电常数特性的片状微波吸收剂。方法采用电沉积法制备高磁导率薄膜,经破碎,获得大宽厚比片状FeNiCo粒子,采用改进的溶胶凝胶法在其表面包覆完整致密的SiO_(2)层。结果基于大宽厚比及表面致密的包覆层,在较低填充量下即可获得高磁导率及较低的介电常数。在填充量(用质量分数表示)为50%时,能在1.3 GHz下实现-11.5 dB的强反射损耗(RL)和1.5 GHz的有效吸收带宽(RL<-5 dB)。结论经包覆后吸收剂的磁导率不仅未降低,还得到显著提高。其原因是FeNiCo表面SiO_(2)绝缘包覆壳层切断了粒子之间的导电网络,抑制了粒子之间的涡流效应。本研究为制备大宽厚比片状吸收剂及磁导率的提升提供了有效方法,为未来发展新型吸波材料提供了新的思路。

高磁损耗FeNiCo/PET叠层膜的电镀法制备研究

目的磁性合金薄膜在高频微波段具有高损耗的优势,但其磁性能随着厚度的增大而快速衰减,本文探讨磁性金属膜磁性能随厚度变化的原因,并发展一种大厚度条件下保持高磁损耗的低成本方法。方法以PET为基材,采用电镀法制备高磁损耗FeNiCo薄膜,通过多层叠加,层压获得具有绝缘夹层结构的磁性金属叠层厚膜。结果当PET夹层厚度为5μm、FeNiCo磁性膜厚度为1.7μm、总层数为10层即总厚度为67μm时,在1 GHz处的磁导率虚部仍可达到40.69,tμ''值为2726。经微带线法测试,[FeNiCo/PET]10叠层复合膜在1 GHz处的S21为−9.0 dB,Ploss/Pin为0.83,显著高于60μm厚的传统磁性贴片商品性能(分别为−1.9 dB和0.58)。结论绝缘间隔层的引入可以有效抑制层间的涡流效应,使其在较厚的厚度下仍能保持相对较高的磁导率和磁损耗,从而实现高效的电磁噪声抑制性能。

基于对抗策略类别特定的多样性时间序列shapelets提取

在时间序列分类任务中,通过提取时间序列的shapelets进行分类的方法因分类准确率高且具有良好的可解释性而受到广泛关注。针对现有方法学习到的shapelets是所有类共享,可以区分大多数类但不能准确地区分某一类和其他类,以及使用对抗策略的模型生成的shapelets存在多样性不足等问题,提出了一种基于对抗策略类别特定的多样性时间序列shapelets提取方法。该方法将类别信息嵌入时间序列,采用多生成器模块对抗地生成多个有差别的类别特定shapelets,再通过施加差异约束来提高shapelets的多样性,最后使用shapelet转换得到的特征对时间序列进行分类。在36个时间序列数据集上与5种基于shapelets的算法和11种先进的分类算法进行实验对比,实验结果表明,所提方法分别在36个数据集中的26个和20个数据集上取得了最优结果,且均取得了最高的平均秩,平均分类准确率相比其他方法最少提高了2.4%,最多提高了17.8%。消融性分析以及可视化分析验证了多样性和类别特定的思路在时间序列分类上的有效性。

基于符号表示的可度量shapelets提取的时序分类研究

在时序分类问题中,基于符号表示的shapelets提取方法具有良好的分类精度和分类效率,但对符号进行质量度量的过程,如计算TFIDF分数,耗时较长且计算量大,导致分类效率较低。此外,提取的shapelets候选数量仍然较多,判别力有待提高。针对这些问题,本文提出了一种基于符号表示的可度量shapelets提取方法,该方法包含时间序列数据预处理、确定shapelets候选集和学习shapelets 3个阶段,可以快速得到高质量shapelets。在数据预处理阶段,将时间序列转化为符号聚合近似(SAX)表示以降低原始时间序列的维度。在确定shapelets候选集阶段,利用Bloom过滤器过滤重复的SAX词,并将过滤后的SAX词存储在哈希表中进行质量度量。随后,对SAX词的相似性进行判别,基于相似性和覆盖度等概念确定最终的shapelets候选集。在学习shapelets阶段,采用logistic回归模型学得真正的shapelets用于时序分类。在32个数据集上进行了大量实验,实验结果表明,所提方法的平均分类精度和平均分类效率均排名第二。与现有的基于shapelets的时序分类方法相比,该方法可以在保证精度的同时提高分类效率,并且具有良好的可解释性。

计及层内和层间的L形层合板失效的数值研究

民用复合材料飞机中,L形层合板是最常见也是最关键的元件,研究其失效机制对飞机结构安全至关重要。层内基体裂纹扩展和层间分层失效是L形复合材料层合板最关键的两种失效机制,这两种失效机制可能同时发生并且存在耦合作用。本文提出两套数值分析模型,用于描述L形复合材料层合板的失效过程。模型Ⅰ在L形板的弧形区域层间布置零厚度内聚力单元用于模拟分层,同时在90°层内铺设径向零厚度内聚力单元用于模拟基体裂纹。模型Ⅱ采用XFEM方法模拟基体裂纹的萌生和扩展,采用内聚力行为方法模拟分层。通过与试验进行对比,验证了本文方法的可行性。同时,对两套模型在失效模式和关键载荷预测等方面的能力和优缺点进行评价。结果表明,两套模型都能描述基体裂纹和分层的扩展及二者的耦合作用。模拟分析所得到的失效模式与试验结果一致,同时预测的初始失效载荷和最大失效载荷也与试验结果吻合良好。

深度双模态源域对称迁移学习的跨模态检索

基于深度网络的跨模态检索经常面临交叉训练数据不足的挑战,这限制了训练效果并容易导致过拟合。迁移学习在源域中训练数据的知识迁移学习到目标域中,能有效解决训练数据不足的问题。然而,现有的大部分迁移学习方法致力于将知识从单模态(如图像)源域迁移到多模态(如图像和文本)目标域,而如果源域中已存在多种模态信息,这样的非对称迁移会忽略源域中包含的潜在的模态间语义信息;同时这些方法不能很好地提取源域与目标域中相同模态的相似性,进而减小域差异。因此,提出一种深度双模态源域对称迁移学习的跨模态检索(DBSTL)方法。该方法旨在实现从双模态源域到跨模态目标域的知识迁移,并获得跨模态数据的公共表示。DBSTL由模态对称迁移子网和语义一致性学习子网构成。模态对称迁移子网采用混合对称结构,在知识迁移过程中,使模态间信息具有更高的一致性,并能减小源域与目标域间的差异;而语义一致性学习子网中,所有模态共享相同的公共表示层,并在目标域的监督信息指导下保证跨模态语义的一致性。实验结果表明,在Pascal、NUS-WIDE-10k和Wikipedia数据集上,所提方法的平均精度均值(mAP)较对比方法得到的最好结果分别提升了大约8.4、0.4和1.2个百分点。DBSTL充分利用了双模态源域的潜在信息进行对称迁移学习,在监督信息的指导下保证了模态间语义的一致性,并提高了公共表示空间中图像文本分布的相似性。

宽度学习系统中鲁棒性权值矩阵组合的筛选方法

宽度学习系统(BLS)具有出色的计算效率和预测准确性;然而,在传统BLS框架中,权值矩阵采用随机生成的方式,存在学习结果不稳定的风险。因此,设计一种BLS中鲁棒性权值矩阵组合的筛选方法(RWS-BLS)。首先,通过4组函数数据的验证,揭示随机权值矩阵在样本整体训练误差上的显著差异性;其次,研究权值矩阵组合的形式,放宽筛选条件的严格最优限制,将最优转换为较优,并将误差最小值限定在指定范围内,定义精英组合等条件;最后,得到可靠的权值矩阵的组合,有效降低随机性影响,并建立稳健的模型。实验结果表明,在16组模拟数据、NORB数据集和5组UCI回归数据集上,在数据更换或受噪声扰动的情况下,与BLS方法相比,所提方法的均方误差(MSE)下降了7.32%、8.73%和1.63%。RWS-BLS为BLS提供了一种模型平稳性研究的方向,提高了含有随机参数模型的效率和稳定性,并对涉及随机参数的其他机器学习方法具有借鉴作用。

基于新交叉熵的灰关联双向投影多属性决策方法

文章针对属性权重完全未知的犹豫模糊多属性决策问题,提出一种基于新交叉熵的灰关联双向投影多属性决策方法。首先,结合基本不等式概念提出犹豫模糊数中新的交叉熵公式,并证明其满足熵的基本性质。其次,以新的交叉熵公式为距离公式,应用离差最大化方法求得属性权重。再次,将灰关联双向投影法拓展到一般犹豫模糊环境下,提出了基于新交叉熵的灰关联双向投影多属性决策方法。最后,通过一个算例验证了所提方法的可行性和有效性。该方法为解决犹豫模糊信息中属性权重完全未知的决策问题提供了新的方法和思路,且具有较高的区分度和灵敏度,提高了决策可信度。