基于编码调制视觉诱发电位脑机接口滤波算法的性能比较

脑机接口(brain-computer interface,BCI)的分类性能一定程度上取决于对脑电信号的预处理方法,这项研究提出了一种空域时域滤波的预处理方法,以解决人类视觉系统中的潜伏延迟对编码调制视觉诱发电位(c-VEP) BCI的目标识别性能的影响。基于一个平均信号和单次试验信号之间的最小均方误差(the least mean square error,LMSE)创建时域空域滤波器,并且通过最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)将稀疏约束应用于滤波器的权重系数,并用模板匹配法来对目标进行识别。将算法应用于由63比特的M序列及其循环移位序列调制的16个目标的c-VEP BCI,并与通用的空域滤波算法典型相关分析(CCA)及空域时域逆滤波算法进行比较。结果表明本研究所提出的算法在分类准确率方面优于其他两种算法。     

芽殖酵母细胞周期过程不同时期的定量观测

在芽殖酵母中构建CDC10-mCherry和SPC42-mCherry荧光蛋白, 作为酵母细胞周期不同时期的报告系统。根据酵母细胞中芽环(CDC10-mCherry)的产生和消失以及纺锤体极体(SPC42-mCherry)的复制和分离,可以测量细胞周期中 G1期、S期、Early M期和Late M期的时间长度。在此报告系统的基础上, 分别构建S期细胞周期蛋白CLB5-GFP和M 期细胞周期蛋白CLB2-GFP菌株, 实现单细胞观测, 检验报告系统工作的稳定性和准确性。该报告系统可作为研究酵母细胞周期不同时期时间长度等定量生物学问题的背景菌株。     

基于主题注意力层次记忆网络的文档情感建模

针对文档水平情感分析传统模型存在先验知识依赖以及语义理解不足问题,提出一种基于注意力机制与层次网络特征表示的情感分析模型TWE-ANN.采用基于CBOW方式的word2vec模型针对语料训练词向量,减小词向量间的稀疏度,使用基于Gibbs采样的LDA算法计算出文档主题分布矩阵,继而通过层次LSTM神经网络获取更为完整的文本上下文信息从而提取出深度情感特征,将文档主题分布矩阵作为模型注意力机制提取文档特征,从而实现情感分类.实验结果表明:提出的TWE-ANN模型较TSA、HAN模型分类效果较好,在Yelp2015、IMDB、Amazon数据集上的F值分别提升了1.1%、0.3%、1.8%,在Yelp2015和Amazon数据集上的RMSE值分别提升了1.3%、2.1%.     

Ce3+-Nd3+共掺Y3Al5O12发光材料的合成及其近红外量子剪裁特性研究

以高温固相法合成一系列Ce~(3+)-Nd~(3+)共掺Y_3Al_5O_(12)(YAG)发光材料.通过荧光光谱测试证明,在YAG基质中Ce~(3+)-Nd~(3+)之间发生宽谱高效近红外量子剪裁,能量传递机理为合作能量下转换.在460 nm波长激发下,Ce~(3+)离子吸收一个可见光子跃迁至5d_1能级,然后将自身能量传递给两个邻近的Nd~(3+),进而发射出两个近红外光子.对样品的荧光衰减曲线分析可知,Ce~(3+)-Nd~(3+)之间的量子效率高达177.8%.通过Ce~(3+)-Nd~(3+)之间的量子剪裁,可将太阳光谱中能量较高的紫外-可见波段转换为近红外波段,有利于太阳光谱更好地被晶硅太阳能电池吸收和利用.     

FOXP3+调节性T细胞与免疫细胞治疗

 CD4⁺CD25⁺FOXP3⁺调节性T细胞（Treg）负责维持机体免疫稳态、调节免疫耐受。Treg细胞通过调控机体对外来或自身抗原的免疫应答水平,在抗自身免疫及抗肿瘤免疫中均发挥重要作用。深入分析了Treg细胞功能的分子机理,通过FOXP3⁺Treg细胞体外扩增或对其进行修饰改造,可以使其在不同组织及炎症微环境下特异性促进对机体的有益作用,减少副作用,这一现象会为免疫细胞治疗提供新思路与新策略。     

隐式参数化白车身多目标协同优化设计

利用参数化建模软件SFE-CONCEPT建立了某轿车白车身的参数化模型,用仿真方法分析了白车身的静态弯扭刚度、主要低阶模态频率并与试验对比,再将白车身与动力总成、底盘连接后,对整车正碰性能进行仿真分析,并与试验对比,验证了所建参数化白车身的有效性.由于安全性分析属于非线性分析,传统优化方法通常需要人工介入,无法实现优化流程的全自动化.通过编写批处理文件,提取安全性能指标,实现白车身结构轻量化优化流程的自动化.白车身结构轻量化优化后弯曲刚度提升0.15%,扭转刚度降低0.03%,一阶扭转模态频率提高1.30%,一阶弯曲模态频率提高0.09%,碰撞安全性能基本不变的情况下,白车身质量降低24.17kg,减重率高达7.42%,取得了显著的轻量化效果.      

基于生成对抗网络的细胞形变动态分类

提出了一种基于生成对抗网络的细胞形变动态分类方法,以活细胞视频中的细胞形变动态为对象,引入分类器辅助的生成对抗网络结构同步训练生成对抗网络和分类网络,通过生成对抗网络产生的数据提高了原本分类网络分辨细胞形变动态的性能.首先,细胞动态图像被用于将活细胞视频中的时间维度进行压缩,使其从视频域映射到图像域以方便生成对抗网络的构建.其次,基于分类器辅助的生成对抗网络结构,将分类网络的分类信息作为辅助信息来改善生成对抗网络对多类样本的生成,同时生成网络生成的多类样本可以反过来优化分类网络对于细胞动态形变的分类性能.在构建的活细胞视频数据库上,可以验证提出方法能有效地捕获细胞视频中的空时细胞形变动态,并且其分类的性能优于其它主流方法.     

基于视频特征聚合的细胞形变动态建模

提出了一种基于图像处理架构对活细胞视频中细胞动态进行建模的方法.在这个架构下,视频中两帧间的细胞动态被表示为细胞轮廓形变和细胞内部运动的动态特征.其中,前者细胞轮廓形变利用形状上下文进行度量,而后者细胞内部运动则通过尺度不变特征变换（SIFT）流进行建模.为了更好的刻画细胞质流动,基于SIFT流的细胞运动场进一步构建细胞外观变化场.在获得上述帧级细胞动态特征之后,引入时间序列建模的方法来生成视频级的细胞动态特征.具体地,基于紧凑编码的时序特征聚合方法可以捕获整个视频中的细胞动态演变过程.活细胞视频数据库被建立以用于验证提出方法的有效性,实验结果表明提出方法对于细胞形变动态度量和分类的性能优于其它主流方法.     

基于移动信令数据的城市热点识别方法

城市热点的识别对于探索解决引导性的人群疏散、规避交通拥堵等问题提供新途径,并为基于位置服务(location based services,LBS)如商铺选址、旅游导航等提供重要的科学参考,具有重要的应用价值。随着个人手机终端的普及与发展,手机已经成为研究用户行为特征的一种理想的探测器。提出了将手机信令数据融合兴趣点(point of interest,POI)数据来挖掘城市的热点区域并进行功能类型标定,重点通过手机信令数据研究人流的出行行为和在蜂窝的驻留时长情况来识别活跃蜂窝,并进一步通过基于密度的聚类算法判别热点区域。选取了重庆市较场口一定范围区域作为研究区域,数据来源于重庆某移动运营商提供的用户手机信令数据,通过实验实例验证分析,证明了该方法可快速识别出城市热点区域,并具有较高的准确性。     

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。