正念干预改善抑郁个体执行功能及其神经机制

抑郁症为危害大众身心健康的主要心理疾病.抑郁个体存在执行功能缺陷,而正念干预能有效改善抑郁个体的执行功能,缓解抑郁症状.根据抑郁认知理论、抑郁易感双重加工理论,本文认为抑郁个体的执行功能子成分工作记忆、认知灵活性、反应抑制能力存在缺陷,且保持与抑郁心境一致的认知加工偏差,导致增加负性自动化思维,削弱反思性加工;根据积极情绪构建扩展理论、正念的意义构建理论和监控接纳理论,认为正念干预能有效改善抑郁个体执行功能,减少执行功能缺陷导致的消极认知偏向.前额叶皮层、前扣带皮层、杏仁核、默认模式网络和额叶边缘系统的内在功能连接是正念干预抑郁个体执行功能缺陷的重要神经机制,影响抑郁个体对消极刺激的反应抑制、注意偏向和负性自动化思维.未来的研究应该着眼于深入探讨不同程度、不同类型的抑郁个体执行功能缺陷的差异性,阐明正念干预抑郁个体执行功能的内在机制,通过正念干预结合认知训练(例如工作记忆训练、记忆疗法或者认知控制训练)治疗抑郁.     

基于度量核和GHI核混合的植物叶片识别算法

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.     

自适应跌倒前实时检测方法

为了能利用单一传感器在跌倒撞击前实时检测出跌倒即将发生,结合支持向量机(SVM)和阈值法设计了一种自适应跌倒前实时检测方法.实验结果表明,该方法能在跌倒撞击前实时检测出跌倒即将发生,且比人工阈值法和SVM方法有更长的间隔时间,比SVM方法有更高的召回率和特异度.     

理工科高层次人才对青年教师学术成长的引领机制研究

以国家及教育部重点实验室为例,采用质性研究方法探讨了理工科科研团队中高层次人才对青年教师学术成长的引领机制,研究发现:高层次人才通过优势积累和学术声誉为团队的发展吸引科研经费等资源,为青年教师的早期成长提供了相对较多机会;通过自身发展经历和学术经验为实验室确立比较前沿与前景较好的科研方向,宏观把控着科研团队的发展节奏;运用战略型与变革型领导方式充分调动青年教师的主观能动性,激励青年教师树立远大的学术理想和科研目标;通过自身学术优势与学术联系构建较为紧密的科研合作网络推动团队成员内部合作、跨校合作、国际合作等,为团队青年教师提供更多机会、平台和资源;通过营造平等融洽的团队氛围、配置先进一流的科研条件等手段不断完善实验室的科研环境,推动青年教师全身心地从事科研和教学工作.建议在宏观政策层面上,要丰富和发展高层次人才考核评价和管理培训等相关政策,关注高层次人才对科研团队及青年教师的引领与带动作用;在微观管理层面,高层次人才要加强自身的领导能力和管理水平,推动建设良好的科研环境和可持续发展的科研团队.     

高校图情档族群的科研竞争力测评 ——基于结构化指数方法的研究

以高校图情档族群为观察对象,基于个体研究者视角,构建了结构化指数测评方法,从全国、省市和高校等3个维度,展开了科研竞争力结构优势度测评.结构化指数方法能够扫描并揭示高校图情档族群的科研竞争力结构优势度,可揭示科研竞争力优势群体的数量及分布特征,可进行族群科研竞争力优势度对比测评,具有易操作性和数据敏感性,后续研究可从测评因子、测评维度、竞争力转换路径和机制等方面进行拓展.     

基于功率谱熵特征提取的脑电波大脑年龄预测

 大脑会随着年龄的增加而出现功能衰退，通过决策实验获取年轻人和中老年人的脑电信号，可以定量分析大脑随年龄增长而出现的变化。提出了一种基于熵的脑电波刻画方法，并利用机器学习的方法能够比较准确地预测人的大脑年龄。研究表明，脑电波功率谱熵（PSE）具有良好的时域分辨能力和更准确的区分效果，年轻人在做决策时的脑电波功率谱熵的分布是大于中老年人的，即年轻人所产生的脑电波信息量更大。此外，支持向量机（SVM）的分类效果优于随机森林（RF）方法，最高平均精度达88.02%，比随机森林高出2.66%。通过基尼指数对特征重要性排序，还发现决策过程中左眼电区域、大脑的颞和中央区域的决策反应差异很大，分类器更容易在这些特征区域做出更好的分类。     

基于因果岭回归的多数据源科研主题识别方法

为了有效解决多数据源科研主题的识别问题,基于因果岭回归建立了一种新的多数据源科研主题识别方法.该方法首先给出了多数据源科研主题识别关键参数(如主题词的引用权重、状态密度)的评价指标;同时根据科研主题形态特征建立了特征函数,并基于因果岭回归给出了具体识别方法;最后,通过仿真实验深入研究了影响该识别方法的关键因素.结果显示,与朴素贝叶斯、KNN算法和MGe-LDA算法相比较,该方法在价值引用量、引用权重和前沿主题相似度等方面具有较大优势.     

MIV-SVM-BPSO模型在铀矿堆浸中的应用

利用某矿区ZQ7堆浸柱实测数据作为建模分析样本,建立MIV-SVM、BPSO-SVM、MIV-SVM-BPSO三种模型,对铀矿堆浸进行建模仿真。其中,平均影响值(MIV)算法,可对影响铀矿浸出率的特征因子进行排序;离散二进制粒子群(BPSO)算法可筛选出最优的特征子集;而改进的MIV-SVM-BPSO模型,则是将排序后的优良子集作为后续BPSO算法的部分种群,进而对样本进行仿真实验。结果表明,MIV-SVM-BPSO模型的模拟效果均比单一的MIV-SVM和BPSO-SVM模型好,该模型具有有效降低数据维数,在小样本条件下学习更加有效,建模采样过程更快,模拟精度更高的优点;将浸出液体积,Eh_出,Fe■,Fe~(2+)_出作为铀矿生物堆浸工艺的主要控制因数可降低生产成本,提高铀矿浸出率。     

工业源挥发性有机物治理功能材料研究进展

挥发性有机物(volatile organic compounds,VOCs)是大气中一类重要的污染物质,即使在低浓度下也会对人类的健康造成威胁。对VOCs的治理刻不容缓,而VOCs治理关键功能材料性能的优劣是整个VOCs治理技术的核心。文章总结了近年来用于吸附法、光催化法以及催化燃烧法治理VOCs的功能材料的最新科研成果,希望以此能够为将来VOCs治理材料的设计与研发提供一定的参考。