电缆槽对电缆间串扰的影响研究

电缆在使用时一般会铺设在电缆槽中,而电缆槽对铺设其中电缆之间的串扰会形成影响.针对电缆槽中电缆之间的串扰问题,提出一种结合多端口网络理论及分块级联思想的建模方法,使用基于波导格林函数的矩量法来提取电缆槽中电缆间的分布参数,并用虚拟节点理论将提取的分布参数矩阵转化为模型中的传输函数.通过与商业电磁仿真软件的仿真结果进行对比,验证了本文的模型及算法在分析电缆槽中电缆间的串扰问题时具有较好的精确度,最后运用此方法分析了电缆处于电缆槽中不同位置时的线间串扰大小,并结合铁路现场的实际情况对电缆槽中电缆的布线方式提出了建议.     

基于深度学习的中医古文献临床经验抽取

中医古文献蕴藏着丰富的临床经验，是古代中医在行医过程中对临床诊疗的经验性总结，体现了中医学形成和发展的理论框架和思想基础.然而这些宝贵的临床经验不仅量大，而且分散在不同的文献中，使得中医从业者手工很难快速全面地获取它们，文献检索工具也只能提供文档级别的信息筛选，无法为这种细粒度的信息获取提供支持.此外，古汉语相对于现代汉语的不同特点也限制了主流文本分析工具的使用效果.为此本文提出面向临床经验获取的中医古文献信息抽取任务，用于识别古文献中描述临床经验的文本片段，手工标注了样本数据用于这种抽取模型的训练和测试，并设计了基于深度学习的序列标注器用于完成该任务.考虑到标注数据量小可能带来的过度拟合问题，本文引入对抗训练和虚拟对抗训练来增强模型的泛化能力.一系列充分的实验验证了模型的有效性，表明利用信息抽取技术从古文献获取中医临床经验具有可行性，为这一新的信息抽取任务提供了有希望的研究基线和可复用的标注数据集.     

某电解铅厂周边农田土壤和玉米中铅污染评价及同位素溯源研究

为探究铅在土壤-玉米-大气中的迁移转化行为,以某电解铅厂周边农田土壤和玉米为研究对象,采集距排烟口50 m、110 m、300 m、500 m、700 m、900 m和3 000 m处的土壤和玉米样品,利用原子吸收光谱仪(AAS)和电感耦合等离子体质谱仪(ICP-MS)分别测定土壤、玉米和大气样品的铅含量和同位素比值。结果表明:电解铅厂周边的玉米均受到铅的污染,玉米根中的铅主要来自土壤,籽粒中的铅很有可能大部分来自大气,少部分来自土壤,茎中的铅很可能来自土壤而不是叶面传输;籽粒中的铅与叶片中的铅具有显著的相关关系(P0.01),相关方程为y=-0.0002x~2+0.0461x-0.4643,R=0.966 7。     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

不同空间插值方法对某灌区地下水氮浓度分析结果的影响

为了验证并推荐合理、可靠的地下水氮浓度数据空间插值方法,本文基于ArcGIS的地统计向导中的各种空间插值方法对中国东北某灌区地下水三氮浓度数据进行空间插值,分析不同插值方法在地下水氮浓度分析中的可行性和优、缺点.结果显示当地下水氮浓度测量数据较好地符合正态分布规律时,各种空间插值方法的预测精度均较高;当数据空间变异性较大、不够符合正态分布规律时,经验贝叶斯克里金法可以得到精度更高的插值结果.     

基于MD-LBP关联方向特征的铁路隧道漏缆卡扣检测算法

全路段跟车拍摄隧道漏缆卡扣图像再进行逐张排查,是实现卡扣故障检测的重要手段.针对目前LBP、CS-LBP等相关变体算法存在描述子质量不佳、特征维度过高的问题,提出MD-LBP关联方向特征提取算法实现故障卡扣的检测工作.该算法首先对输入图像进行高斯滤波预处理,根据图像的全局灰度均值得到图像的自适应阈值;其次计算图像的三层MD-LBP特征图结构,依次经过两次下采样分别得到Cell主方向特征和Block主方向特征;然后再在Block特征图上提取关联方向特征,并以此作为描述子;最后通过SVM区分故障卡扣,完成检测工作.实验还对比了LBP、H OG等9种特征描述子的检测情况,结果表明该算法不仅特征维度低,并且检测故障卡扣的召回率和精准度都达到了85％.     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

大学生童年受忽视经历对自尊的影响:应对方式的中介作用

为研究大学生在童年时受到忽视与自尊水平、应对方式之间的关系,采用方便抽样法,向430名学生发放童年受忽视量表、简易应对方式量表和自尊量表,使用统计软件SPSS17.0进行数据整理与分析,结果表明,大学生在童年时受到的忽视与自尊、处理应对的积极方式是负相关关系(r=-0.164,r=-0.246,P<0.01),忽视与消极应对方式呈正相关关系(r=0.152,P<0.01);自尊与大学生采用积极的应对方式呈正相关关系(r=0.398,P<0.01),与采用消极的应对方式呈负相关关系(r=-0.217,P<0.01);不同的应对方式在面临忽视与自尊之间起着协调作用,积极应对方式的协调效果有29.4%,而消极应对方式的协调效果则只有12.6%,差距十分明显。因此,大学生在童年时受到忽视与自尊、不同的应对方式会收到完全不同的协调效果。     

菌丝内生细菌及其宿主真菌共生体系研究进展

微生物共生普遍存在于自然界中，真菌-细菌联合体能以多种方式相互作用，共同发挥各种生态功能。有些细菌驻留在真菌菌丝内部，借以调控真菌的生长、发育、分布和次级代谢过程，这些细菌被称为菌丝内生细菌（endohyphal bacteria, EHB）。EHB的研究揭开了微生物生态学的一个新篇章，是真菌与细菌共生关系中最紧密的代表。在逆境条件下，EHB可以调节寄主生殖机制相关的关键成分或步骤，诱导植物激素类物质的产生，对寄主真菌具有辅助性保护作用。研究最深入的真菌-EHB共生体系是植物致病性根霉菌Rhizopus sp.与伯克霍尔德氏菌Burkholderia sp.，引起水稻幼苗枯萎病所必需的植物毒素——根霉素是由伯克霍尔德氏菌所产生的，而非寄主根霉菌本身产生的。EHB也会影响定殖于高等植物的内生真菌的生态和多样性。在某些情况下，EHB还有助于激活参与识别、转录调节和初级代谢蛋白合成过程的相关基因。目前已开发出了无菌培养分离EHB的方法，然而对真菌-EHB共生体系的研究尚不够深入。综述了菌丝内生细菌EHB及其与宿主真菌的共生体系，阐述这些伴侣之间复杂微妙的相互关系，以及EHB对宿主真菌和宿主植物生长和发育的影响，并对该领域的研究方向提出了建议。