一类带非线性边界条件的一阶奇异微分方程正解的存在性

用Krasnoselskii不动点定理,证明一类带非线性边界条件的一阶微分方程■,正解的存在性结果.其中:λ0是一个参数;a∈C([0,1],[0,∞))且■;h∈C([0,1],(0,∞));c∈C([0,∞),[1,∞))且■,f在∞处超线性且f在0点允许有奇异性.     

一种改进的主成分分析特征抽取算法:YJ-MICPCA

针对主成分分析(PCA)假设数据服从高斯分布的条件以及只能处理特征之间线性关系的不足,提出一种基于Yeo-Johnson变换和最大信息系数(MIC)的PCA特征抽取算法,命名为YJ-MICPCA。通过YeoJohnson变换改善原始数据分布,使其近似服从高斯分布,并将PCA中计算协方差矩阵转化为计算MIC矩阵的平方,使其也能处理特征间存在的非线性关系。以UCI机器学习数据库中的11个数据集为实验对象,采用支持向量机、朴素贝叶斯模型、k近邻算法这3种分类器,比较了YJ-MICPCA与PCA及其他常用非线性降维方法LLE、Isomap、MSD、KPCA的降维效果和分类精度,结果表明YJ-MICPCA总体上优于其他几种算法。     

雨天图像中目标显著性检测算法设计与效果评价

雨天条件下,图像中目标的许多特征被掩盖,使得户外图像应用系统效能发挥受到严重的影响。为了提高雨天条件下图像中目标检测的质量,通过综合分析雨天图像中的目标特征,发现其亮度颜色信息、色彩差异信息和暗通道先验信息对目标的显著性具有高敏感度,进而提取了雨天图像中目标的显著性特征,构建了基于混合特征的目标显著性检测模型,最后通过多个评价指标的效能评估实验,与经典算法进行对比,验证了本文算法的有效性。     

主要国家重点科技投入知识图谱的构建与应用研究

由于国家在一个时期内的科技投入的方向和强度最能反映出国家未来科技发展趋势,本研究提出构建基于科技投入和核心技术的政策要素知识图谱,意欲分析得出各国科技发展方向及趋势的情报,从而支撑科技发展布局与趋势研判.本研究总结了情报监测的科技政策文本中支撑情报分析的关键要素,提出了基于政策要素的知识图谱模型,探索了智能计算的政策分析方法.通过对美国、英国、法国、德国、日本和韩国近年科技投入的优先领域、技术、资助项目、资助强度等相关知识的信息抽取和内容分析,形成了基于领域的政策知识图谱,并利用两个实例演示了基于知识图谱的情报检索与分析效果.本技术对情报分析人员、决策人员审视宏观科技布局和前瞻科技发展方向有所帮助.     

低速冲击下钢筋混凝土深梁抗冲击性能及其损伤评估

为研究钢筋混凝土深梁在低速冲击下的抗冲击性能和损伤机理,采用有限元软件ANSYS/LS-DYNA对不同冲击速度下深梁动力响应进行模拟.分析深梁的动态损伤过程及横截面的损伤分布,采用截面损伤因子对钢筋混凝土深梁的损伤程度进行定量评估;进一步分析边界条件、冲击位置对深梁抗冲击性能和损伤的影响.分析结果表明:建立的模型可以合理模拟低速冲击下深梁的动力响应;低速冲击下深梁先在局部范围内形成损伤,再向整体扩展,在回弹变形阶段冲击位置处局部损伤二次增大;冲击速度对深梁冲击位置附近的截面损伤程度影响显著;增强边界约束条件,能够提高低速冲击下深梁承载力,降低损伤程度;冲击位置对深梁的竖向变形和破坏位置有明显影响,但对损失程度影响轻微.     

精细拓扑结构表示与深度特征融合在多目标图像检索中的应用

空间信息表示是增强图像特征表达性能的重要手段,通过空间关系建模与深度学习方法融合可有效提升深度特征的语义特性,从而提升图像检索性能.首先,针对复杂图像的空间关系表示提出了一种新的精细拓扑结构表示模型,该模型不仅具有完备的拓扑描述性能,还提供了两种拓扑不变量的推理算法,使得拓扑不变量可以由表示模型直接推导而不需要繁复的几何计算;其次,基于精细拓扑结构表示模型,提出了有效的拓扑结构相似性度量方法,为空间关系特征表达奠定了基础;最后,进一步结合卷积神经网络,提出融合复杂空间关系特征与深度特征的多目标图像检索方法.实验结果表明,所提出的拓扑结构表示模型在空间查询中具有良好的性能;所提出的图像检索框架取得优于现有方法的精度,并能够有效地结合手工特征与深度特征各自的优势,为提升深度学习方法的可解释性创造了有利条件.     

基于蛇模型的管路三维重建方法

针对航空航天中大量应用的管路高精度快速测量难题,提出了基于蛇模型的管路三维重建方法.该方法充分利用管路灰度图像边缘特征,借助阈值分割和高斯滤波消除图像噪声,先结合蛇模型获取精准的管路图像边缘,贪心算法进行迭代以保证收敛效率,利用极线约束原理得到二维管路中心线点云,然后根据视觉投影原理,重建管路三维模型,最后使用多目视觉系统拍摄的照片进行结果优化以保证重建精度.结果表明:该方法对管路的测量精度为±0.15 mm,简便高效,无需过多的人工操作.同时,实现了管路圆弧段弯曲半径的测量,满足工业应用需求.      

网络药理学在中药复杂作用模式研究中的应用进展

中药多层次、多系统的复杂作用模式的表征一直是中药现代研究的一个关键问题。网络药理学借助计算机技术、系统生物学、多向药理学等多学科的交叉融合,形成了以网络靶标为核心的技术体系,实现了成分-靶标-疾病的分子网络构建,在中药现代研究中显示了巨大的潜力。对近年来网络药理学在网络构建及分析技术、中药复杂作用模式研究进展、未来发展趋势等方面进行了综述,以期为传统中药科学内涵的深入阐释提供新的思路。     

一种基于卷积神经网络的区域调光技术

由于光线串扰,像素补偿算法难以根据提取出的背光信息进行准确补偿,同时,单一补偿曲线难以适应具有不同亮度特点的图像内容,导致补偿图像的平均质量不高.为了提高像素补偿算法对复杂图像内容的适应性,本文引入神经网络中的编码和解码思想,通过编码网络提取图像深层特征,在解码网络中利用浅层特征的信息对深层特征进行解码,提出了一种联合分类回归的液晶像素补偿神经网络.实验结果表明,此网络得到的像素补偿图像不仅可以提高图像的主观质量,还在对比度、峰值信噪比等客观指标上取得了较好的效果.     

基于注意力机制的远程监督实体关系抽取

关系抽取是许多信息抽取系统中的一个关键步骤, 旨在从文本中挖掘结构化事实. 在应用传统的远程监督方法完成实体关系抽取任务时存在 2 个问题: ① 远程监督方法将语料库中的文本与已标注实体和实体间关系的知识库启发式地对齐, 并将对齐结果作为文本的标注数据, 这必然会导致错误标签问题; ② 目前基于统计学的方法过于依赖自然语言处理工具, 提取特征处理过程中生成的噪声积累严重影响抽取结果. 为了解决远程监督存在的弊端, 提出了一种基于注意力机制的端到端的分段循环卷积神经网络(convolutional neural network, CNN)模型. 为了检测更加细微的特征, 在网络输入层添加了注意力机制, 自动学习句子中与关系抽取相关的内容; 基于位置特征和词向量特征对句子进行编码, 并使用分段卷积神经网络(piecewise CNN, PCNN)抽取句子特征进行分类, 在网络中使用了效率较高的最大边界损失函数来衡量模型的性能. 该方法在 New York Times (NYT)数据集上的准确率比经典的 PCNN+MIL 模型提高了 2.0%, 比经典的 APCNN+D 模型提高了 1.0%, 与其他几种基线模型相比, 该模型准确率表现出色.