基于改进的深度学习网络的SAR图像瞬时海岸线自动提取算法

针对目前合成孔径雷达(synthetic aperture radar, SAR)在对大尺度瞬时海岸线提取方面的图像解译过程中, 仍然存在精度低与自动化水平差的问题, 提出一种基于深度学习网络的瞬时海岸线自动提取算法。首先, 将SAR图像进行Lee滤波增强来抑制相干斑。其次, 通过升级残差网络为主干网络，分4级提取海水目标的特征。然后, 将4级特征经过全局卷积网络、密集连接网络和解码器网络配合，充分提取目标的本质特征, 并通过上采样产生海水分割结果。最后, 利用Sobel算子分离出海岸线并和原SAR图像融合以便清晰查看结果。通过与全卷积网络与细化网络的海岸线提取实验结果进行对比, 证明所提算法对海岸线的提取更加准确, 能够减少虚警和漏警, 具有更好的性能。     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference，EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

正交试验法优化女贞子提取工艺

以特女贞苷、齐墩果酸、熊果酸的提取转移率为指标,采用单因素考察及正交试验法优化女贞子的最佳提取工艺。结果表明,最佳提取工艺为8倍量60%乙醇,提取3次,每次3 h。特女贞苷、齐墩果酸、熊果酸转移率分别为75.42%、93.86%、99.83%。优化所得工艺提取效果良好,工艺简便,可用于工业化生产。     

基于语义关联性特征融合的大数据挖掘方法

提出一种基于语义关联性特征融合的大数据挖掘算法.对云存储大数据分布式信息流进行高维相空间重构,在重构的相空间中提取大数据的语义关联维特征量,以提取的特征量为测试集进行自适应学习训练.采用模糊C均值算法进行大数据语义关联特征的稀疏性融合和聚类处理,在聚类中心实现对挖掘目标数据的指向性聚敛,输出数据挖掘结果,并采用特征压缩器进行降维处理,降低计算开销.仿真结果表明,采用该方法进行大数据挖掘的特征提取准确性较好,挖掘数据的聚类能力较强,在实时性和准确性方面具有优势.     

GC-ECD法测定中药配方颗粒中20种有机氯农药残留量

本研究在于建立10种中药配方颗粒中20种有机氯农药:六六六(α-BHC、β-BHC、γ-BHC和δ-BHC 4种异构体),滴滴涕(pp′-DDE、pp′-DDD、pp′-DDT和op′-DDT 4种同系物),五氯硝基苯,艾试剂,七氯,环氧七氯,异狄氏剂,狄氏剂,六氯苯,五氯苯胺,五氯甲基苯硫醚,顺氯丹,反氯丹和氧氯丹残留量的GC-ECD测定方法。将配方颗粒样品经乙酸乙酯超声提取,再经Florisil固相萃取小柱及硫酸磺化净化,采用DB-5气相毛细管色谱柱(柱长60m,内径0.25mm,膜厚0.25μm)检测。所使用的方法为程序升温,ECD检测器检测,内标法定量,进样口温度250℃,检测器温度300℃,载气为高纯氮气(99.999%),流速为1.0mL·min~(-1),脉冲不分流进样,进样量为1μL。结果表明:20种农药成分在2～100μg/L时有良好的线性关系。20种农药成分加标回收率范围为71.37%～118.06%,相对标准偏差(RSD)为1.19%～7.88%。该方法简便、准确,可应用于中药配方颗粒中20种有机氯农药留量的同时检测。     

食品中叶酸分析方法及稳定性研究进展

通过优化样品前处理体系,建立精确的叶酸分析检测方法,对促进叶酸的多方面、深层次研究具有迫切的现实意义。介绍了叶酸的分子结构及其主要存在形式,以及常见食品中叶酸的含量。阐述了化学法和酶解法等样品前处理方法,分析表明在测定富含淀粉、蛋白质的豆类、谷物等食品中的叶酸时,更适合采用与淀粉酶、蛋白酶等联合使用的酶解法。综述了微生物法、荧光分析法、液相色谱法等常见叶酸检测方法,指出高效液相色谱-质谱联用法可快速测定不同形式的叶酸,且具有高效、精确等特点。探讨了影响叶酸稳定性的因素,以及提高叶酸摄入量和稳定性的措施,认为可通过在主粮作物中添加叶酸、蛋白质胶囊包裹叶酸、促进叶酸与蛋白质结合等方式来提高叶酸的摄入量及其稳定性。     

基于DBN特征提取的雷达辐射源个体识别

针对传统特征参数难以表征复杂体制雷达信号个体特征的问题,基于深度置信网络DBN的深层特征提取和高维数据处理能力,提出一种基于DBN特征提取的雷达辐射源个体识别算法。首先建立基于多层受限玻耳兹曼机的DBN模型,然后通过DBN无监督提取脉冲包络前沿特征,再利用标签数据对模型参数进行有监督微调完成训练,最后输入未知辐射源信号脉冲包络前沿特征实现辐射源个体识别。与传统算法相比,该方法能够自适应地提取脉冲深层次细微差异,提取过程减少了对人为经验的依赖。实验结果表明,该算法对脉冲包络特征提取效果明显,有较高的识别精度。     

基于多任务学习的高分辨率遥感影像建筑实例分割

针对基于深度神经网络的高分辨率遥感影像建筑物提取算法中将建筑物提取视为二分类问题(即将遥感影像中的像素点划分为建筑物与非建筑两类)而无法区分建筑物个体的局限性, 将基于Xception module改进的U-Net深度神经网络方法与多任务学习方法相结合进行建筑物实例分割, 在获取建筑物二分类结果的同时, 区分不同建筑物个体, 并选择Inria航空影像数据集对该方法进行验证。结果表明, 在高分辨率遥感影像的建筑物二分类提取方面, 基于Xception module改进的U-Net方法明显优于U-Net方法, 提取精度升高1.4%; 结合多任务学习的深度神经网络方法不仅能够实现建筑物的实例分割, 而且可将二分类建筑物的提取精度提升约0.5%。     

基于短语级情感分析的不良信息检测方法

针对基于关键词字符匹配和粗粒度情感分析方法的传统不良信息检测方法准确率低的问题,提出一种基于短语级情感分析的不良信息检测方法.该方法制定语法规则来提取敏感词所在短语,结合二次分类的情感词典,通过分析短语的情感倾向来判断表达者对敏感关键词的情感倾向,从而判定内容的敏感性.本文方法克服了字符串匹配方法的缺点,如:传统的字符串匹配方法忽视敏感词上下文,从而导致大量误报的缺点,及粗粒度情感分析方法由于无法准确定位情感对象,只能以文本整体情感倾向代表表达者主观情感,导致不能精准分析与敏感词相关的情感倾向及敏感性.实验表明,本文方法与传统方法相比,准确率有较大的提升.