毛丁白头翁的生药学研究

目的：对云南产菊科大丁草属毛大丁草（Piloselloides hirsuta （Forssk.） C.J.Jeffrey ex Cufod.）进行初步的生药学研究。方法：采用来源鉴别,性状鉴别,显微鉴别,理化鉴别的方法进行分析。结果：详细描述了毛丁白头翁的生药学特征。结论：为毛丁白头翁的鉴别,质量标准的制订以及进一步开发利用提供依据。     

《仪器分析》双语课程网络平台构建及其应用

为了构建一个能较好地同时满足教师教学和学生自学需要的课程网络平台,将课程教与学的需要与计算机网络技术相结合设计网页体系、内容及功能模块,构建了云南民族大学双语教学课程《仪器分析》的网络教学平台,在三年多的教学实践中取得了较好效果并在不断完善中。     

基于双向循环网络的变色龙视觉超分辨率图像重建

针对使用均方误差（Mean Square Error,MSE）作为目标损失函数,导致重建的超分辨率图像在失真与感知质量上难以兼得的问题,提出基于双向循环网络的变色龙视觉重建模型（Super-resolution Bidirectional Recurrent Neural Network,SRBRNN）以改善重建效果. 首先,鉴于变色龙可以同时注视两个不同方向的非凡视觉功能,SRBRNN模型借助双向循环神经网络结合序列演进前向与反向给输出提供不同方向时间信息的思想,实现重建过程中失真与感知质量的兼顾;其次,SRBRNN模型定义了特征演进和退化序列,并设计了低分辨率图像到高分辨率图像演进和高分辨率图像到低分辨率图像退化网络,将演进网络和退化网络对应应用为原双向循环网络的前向循环和反向循环网络;最后,利用双向循环机制重建超分辨率特征. 用SRBRNN算法在Set5、Set14、BSD100基准测试集上进行实验,实验结果表明在峰值信噪比(Peak Signal to Noise Ratio, PSNR)和结构相似性(Structural Similarity, SSIM)评估指标及主观质量评分上,SRBRNN算法性能优于其他主流算法.     

对教师发展取向的观课活动话语的批评性分析

观课活动是促进教师专业发展的有效途径之一。从话语的角度对教师专业发展取向的观课活动展开研究,以费尔克拉夫的多维度话语分析模式为主要理论框架,对语料进行批评性分析,揭示教师专业发展取向的观课活动中教师之间的交流模式及话语风格,提出通过话语的转变来实现教师发展的目的。     

基于维修决策的管道输送故障设备管理

设备维修成为了工业化生产中一项重要的成本支出。本文通过计算设备的平均极限使用寿命,计算设备的平均使用率,来建立更换维修决策模型,并设计实现了完整的故障设备管理信息系统。实际应用结果,该维修模型延长了设备的使用寿命,对于进一步提升设备的使用率,提高设备故障的预报率,避免重大事故率,具有较好的工程应用价值。     

基于CF-PCCs模型的维西县滑坡致灾因子敏感性分析

为了深入了解滑坡的成灾背景,减少灾害造成的生命财产损失,以云南省维西县为研究区,选取了高程、坡度、坡向、降水量、距河流距离、工程地质岩组、距断层距离、植被归一化指数（Normalized Difference Vegetation Index,NDVI）和道路密度 9 项致灾因子,利用确定性系数（Certainty Factor,CF）−皮尔逊积矩相关系数（Pearson Product-moment Correlation Coefficient,PCCs）模型对致灾因子进行敏感性分析,并对分析结果的准确性进行了验证. 结果表明：①因子敏感性由高到低分别为坡向、河流、高程、降水量、断层、道路、坡度、工程地质岩组和NDVI;②敏感性最大的因子类别包括：高程为1 486～2 600 m,坡度为0°～20°,坡向为半阳坡,降水量为782～1178 mm,距河流距离为0～300 m,工程地质岩组为极软岩,距断层距离为2 400～3 200 m,NDVI为−0.169～0.039,道路密度为80～117 km/km²;③CF-PCCs模型精度高,数据分析结果可靠,该方法可为滑坡敏感性分析提供新思路.     

NOMA增强型D2D组的鲁棒资源分配算法

为提高非正交多址接入（non-orthogonal multiple access,NOMA）增强型设备到设备（device-to-device,D2D）组链路的鲁棒性和能效,考虑非理想信道状态信息（channel station information,CSI）,提出一种能效优化的鲁棒资源分配算法. 首先,在保证子信道分配、蜂窝用户和D2D组最小速率以及D2D组最大传输功率约束下,建立最大最小鲁棒能效模型;其次,考虑最坏情况法将信道不确定性建模为有界信道估计误差,并用泰勒级数展开式、凸松弛、变量转换法将原多变量耦合问题转化为凸优化问题;最后,用拉格朗日对偶理论求解. 仿真结果表明,所提出的算法将传输速率控制在最低速率阈值以上,具有良好的鲁棒性,与其他算法相比能效提高了8.3%.     

FrFT-Bark域特征提取与CNN残差收缩网络心音分类算法

为充分挖掘心音信号的生理、病理信息,提高心音自动分类的准确率,提出一种不依赖于分割和去噪的心音自动分类新算法. 首先提取心音信号Bark域分数傅里叶变换的时频特征,然后将深度残差收缩网络引入卷积神经网络中构建新的分类模型,该模型能够自动去除与当前任务无关的特征信息,提高模型预测的准确率及稳定性. 研究所用心音样本5 000例,其中1 000例用于测试. 实验结果表明,提出算法的准确率、灵敏度、特异度分别为0.925、0.902、0.948,F1值为0.923. 该方法整体性能较以往方法有明显提升,具有较强的鲁棒性和泛化能力,有望应用于先心病的临床筛查.     

基于双通道残差网络的泥石流沟谷孕灾风险预测

云南作为泥石流受灾最严重的省份之一,每年均会遭受重大损失.为了应对这种突发性灾害,本文基于DCHNNet(dual-channel hybrid neural network)提出了一个基于双通道的改进残差结构的卷积神经网络——双通道残差网络(two-way residual network,TWRNet).该网络能够广泛应用于泥石流沟谷图像的潜在危险性排查,实现泥石流灾害的预警.TWRNet首先采用切片的方式对数字高程(digital elevation model,DEM)数据和遥感数据分开处理,并使用改进的残差结构进行特征提取;然后将特征进行融合,并使用通道注意力机制SE(squeeze-and-excitation networks)模块进行通道增强;最后给出泥石流沟谷的分类结果.在训练过程中,本文使用了交叉熵和焦点损失构成的联合损失函数.实验结果表明,TWRNet在泥石流沟谷识别方面达到了最高89.28％的识别率和87.50％的召回率,模型性能良好.使用图像学习沟谷特征的方法来进行泥石流孕灾沟谷的识别是可行的.