我校自主研制的单晶硅太阳电池转换效率达19.57%

近日,我校华南先进光电子研究院先进材料研究所自主研制开发的背面钝化单晶太阳电池(SM156BSP),经过国家太阳能光伏产品质量监督检验中心的第三方检测机构测试,转换效率为19.57%.研究团队新开发的背面钝化太阳电池,采用新的氧化铝原子层沉积技术与激光技术制备表面钝化层,以降低太阳电池背表面复合速率,从而提高电池的转换效率.通过新技术的应用,背面钝化单晶太阳电池相比     

半监督学习方法研究综述

半监督学习存在于现实世界的各个场景中，可在生物化学领域对科学研究产生巨大的作用。在各领域也都有相关具体应用，如病毒毒性预测、网络安全检测、软传感器的应用等。随着机器学习领域的不断突破，目前尚缺乏关于半监督学习方法研究的完整综述。本文首先给出半监督学习的定义并分析了该领域应用过程中存在的挑战；然后梳理分析了半监督学习的四种方法，包括：半监督聚类、降维、回归、分类，并列出了这四种不同方法中比较先进的算法。随后介绍了各算法常见的评价指标（如精确率、召回率和ROC曲线等），对比了各类半监督学习算法效果，研究发现半监督学习方法都存在高于完全监督学习支持向量机的准确率，其中SSC-EKE算法以绝对优势领先传统的支持向量机经典监督学习算法。最后介绍了半监督学习的实际应用场景，展望了半监督学习的未来研究方向，并对全文进行总结。     

基于图自监督对比学习的社交媒体谣言检测

网络社交媒体的快速发展提供了便捷的信息获取方式，但也滋生了谣言和虚假新闻，现有的谣言检测模型在有标注数据充足时能有效解决分类问题，然而谣言可用的标注数据有限，各种针对谣言特点精心设计的模型倾向于过拟合，同时，现有模型的鲁棒性不足，谣言传播者恶意破坏谣言传播结构会使模型出现分类错误.针对以上问题，采用自监督的图对比学习方法，对原始谣言传播图进行不同方式的数据增强来模拟对原图的扰动，建立自监督对比学习任务，使图编码器捕获谣言更趋本质的特征，缓解了过拟合，提高了模型的鲁棒性与泛化性能.在来源于主流社交媒体平台的三个公开数据集Twitter15,Twitter16和PHEME上进行了对比实验，实验结果显示，提出的模型的准确率比基准模型分别提高3.4%,1.8%和1.2%，证实了图自监督对比学习方法在谣言检测任务上的有效性.     

2014年杭州市科技进步奖获奖名单

<正>~~     

基于生成型深信度网络的回归算法鲁棒性分析

目前,深度学习在分类问题中取得了很多很好的效果,并开始在部分回归任务得到应用。然而,绝大部分研究重点都集中在相对其他回归算法的预报精度上,而忽视了有实际应用需求的回归算法预报鲁棒性问题。首先基于受限的玻尔兹曼机建立了一个具有3个隐含层的生成型深信度网络多步预测模型;然后,建立了基于单隐含层神经网络、三个隐含层的神经网络以及单核支持向量的典型多步预测模型,并利用4组宁夏地区不同季节的风速数据进行回归算法的稳定性对比实验。实验结果显示,基于受限玻尔兹曼机建立的具有三个隐含层的深信度网络模型的多步预报误差的均值和方差都是最小的。因此,基于生成型深信度网络的回归模型不仅预报精度高,而且此预报算法的鲁棒性也比较好;相对其他三种典型回归算法来说,可以更好地满足风电场风速预报问题的实际工程应用需求。     

基于超像素与Span-Pauli分解的SAR影像分类

针对高分辨率极化合成孔径雷达(SAR)影像解译中面向像素方法难以充分利用影像信息的问题,提出一种基于超像素与Span-Pauli分解的非监督分类方法.利用分水岭方法易于过分割的特点,将分水岭分割得到的特征相似、空间相邻的像素集合视为超像素,并作为分类算法的基本处理单元.利用极化参数Span及Pauli基对极化SAR数据进行迭代分类,以实现适用于高分辨率SAR影像的非监督分类.采用X波段高分辨率SAR数据进行实验,结果表明:基于超像素的分类方法能有效抑制分类结果中的椒盐现象,将总体精度提高到了73.81%;在准确区分水体、道路的基础上,提高了复杂的农作物类别的分类精度.     

基于最大差距的置信度评估算法

通过分析传统基于概率度量的K邻近置信度评估方法,提出一种基于最大差距的置信度评估方法,并在UCI数据集上对两种方法进行对比实验.实验结果表明,基于最大差距的置信度评估方法在宏平均召回率、宏平均精度及所用时间上均优于K邻近置信度评估方法,从而可进一步优化半监督分类学习中数据样本的置信度评估.     

二值无线传感网络下异常活动的分布式检测

针对无线传感网络下的异常活动检测问题,提出了异常活动分布式检测方法(distributed abnormal activity detection approach,DetectingAct). DetectingAct将活动的定义从轨迹扩展到轨迹和持续时间的组合,将异常活动定义为在数据分布上与正常活动,即数据中反复出现的活动,偏差较大的活动,利用节点自身计算资源和存储资源进行检测. DetectingAct采用时间相关的频繁项集挖掘算法(duration-dependent frequent pattern mining algorithm,DFPMA )从数据中挖掘正常活动. 算法采用了非监督学习方法,避免了监督学习需要大量标记数据的缺点;按分布式存储机制(distributed knowledge storage mechanism,DKSM)将正常活动模式存入各节点;用分布式检测算法(distributed abnormal activity detection algorithm,DAADA )检测活动. 理论分析和实验结果表明,分布式检测方法相比传统的活动检测算法,实时性更强,平均检测长度为轨迹的78.2%,精度更高,准确率达到96.9%.      

成人先天性心脏病超声检查漏误诊原因分析

探讨成人先天性心脏病超声检查的漏误诊原因。对124例成人先天性心脏病进行检查,全部病例均经过手术或造影证实。124例漏误诊病例中,因主观因素导致漏误诊的病例98,占79%,由客观因素导致漏误诊的病例26例,占21%。成人先心病超声检查漏误诊的原因包括主观和客观两方面,其中主观因素占多数,客观因素占少数;如果超声医师能够不断加强基础理论及专业学习,增强工作责任心,检查过程中做到细心、谨慎,积极克服检查过程中存在的一些客观不利因素,漏误诊现象是可以控制和避免的。     

探析施工企业财务管理中内部控制的风险

该研究以施工企业内部控制工作为平台,展开了对内部控制风险的研讨,在分析内部控制工作对施工企业重要价值的前提下,分析了施工企业进行财务管理工作时存在内部控制风险的类型,提出了规范企业内部控制体系,提高施工企业财务人员和内部控制管理人员素质,强化施工企业内部控制工作监督等具体措施,希望能够从施工企业具体的财务管理工作中预防内部控制的风险,提升施工企业管理工作、财务工作和内部控制工作的实际水平。