一维连通流形的分类（Ⅰ）

连通的一维流形在同胚的意义之下恰可分成７类，它们分别以下列７个空间作为代表：１）紧致区间［０，１］；２）半实轴［０，∞）；３）实数轴Ｒ；４）单位圆周Ｓ１；５）超穷长半直线［０，ω１）；６）单向超穷长直线（－∞，ω１）；７）（双向）超穷长直线（－ω１，ω１）．     

平凉市儿科疾病病种分析

平凉市儿科疾病病种分析玉学（平凉市人民医院儿科７４４０００）儿科疾病的发病规律和病种在全国有其共性。在这个共性的指导下，每个地区内由于地理、气候、食物结构等因素的不同，疾病病种则有其特殊性。因此，经常注意掌握所在地区儿科疾病发病规律及病种，对有效地做...     

省道002线（分水岭—仲宫段）地层划分与岩土工程分类

详细阐述了省道002线分水岭到仲宫段跨越地带地层的时代、岩性,划分了岩、土的工程类别,为道路和桥梁设计、支挡物设置及工程概算提供了依据。     

谈在数学教学中如何加强思想方法的教学

对比分析法、分类概括法、综合分析法和整体结构法是数学中最重要的思想方法，必须在教学实践中认真运用，切实加强。     

416例湘西苗族学生手纹研究

<正>皮纹是人体稳定的体表特征.它的各种性状具有遗传特征,种族差异和民族差异,并且在刑侦及其某些遗传性疾病的诊断中起重要作用.为积累我国各民族正常群体的皮纹学参数值,为人类学、遗传学及临床医学等相关研究提供正常对照数据,我们对416例湘西苗族学生的手纹进行了研究,为了对照分析,引用了有关文献.     

云南两高辐合背景下低涡强降水过程对比分析

基于气象观测和欧洲中期天气预报中心第五代大气再分析资料（ERA5）,选取2018—2020年发生在云南的3次两高压辐合区（以下简称两高辐合）背景下低涡连续性强降水过程进行对比分析,探究其环流形势、动热力因子及水汽辐合的相似性和差异性.结果显示：(1)夏半年西太平洋副热带高压（以下简称西太副高）西伸时,云南常受两高辐合影响,当辐合区中有低涡生成,易发生连续性强降水,且强降水落区并不完全分布在整个狭长的两高辐合区内.(2)两高辐合区低涡降水具有相似的雨带分布和移动特征,但雨带的集中程度、分布范围、小时雨强和总雨量存在差异.强降水开始时,落区偏东,随着西太副高西伸及东北引导气流的引导,低涡向南向西移动,强降水落区也随之向南向西移动.低涡在某一地区徘徊导致降水集中在该区域,且西太副高西伸较强时,两高辐合形势更强,低涡降水大雨及以上量级雨带也更窄.(3)低涡造成的降水主要分布在低涡中心及低涡切变附近,且降水发生在低层暖湿的环境中,低层及中高层有冷空气侵入时,小时雨强的极端性更强,降水落区也相对偏北.两高辐合区低涡降水落区与水汽辐合区对应较好,水汽辐合强度较弱时,对应的总降水量较小.     

基于特征类内紧凑性的不平衡医学图像分类方法

近些年,基于深度学习的算法和模型在各种图像分析任务中都取得了显著的成功,与常见的自然图像相比,医学图像数据集依然面临高度不平衡的问题,不平衡数据会导致特征空间里的决策边缘倾向样本多的类别,导致分类效果的下降.为了解决该问题,提出一种基于卷积神经网络考虑特征类内紧凑性的不平衡医学图像分类方法（Z-Score Compactness-based Convolutional Neural Network,ZC3NC）.首先,从一个卷积神经网络的最后一层卷积层提取训练集样本与测试集样本的特征图,随后引入一个新的Z分数来度量测试集数据的特征图相对训练集每个类在特征空间上的偏离度,偏离度的度量基于类内的紧凑度,其主要关注样本的分布特性,对各类样本数量的不平衡性不敏感.最终,根据计算的偏离度,对测试集的数据进行分类.在DermaMNIST数据集上的实验表明,在不对数据和神经网络模型做任何额外增强的情况下,该方法的平衡准确率比原卷积神经网络模型平均提高11.15%,最多提高14.08%,证明提出的分类方法能有效地提高多种卷积神经网络对不平衡医学图像数据的分类性能.此外,和最先进的不平衡分类方法 Und...     

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。     

量子粒子群优化核极限学习机的遥感影像分类

极限学习机初始参数具有随机性,容易导致其对高分辨率遥感影像的分类结果出现局部最优现象.为了解决上述问题,提出了一种基于量子粒子群优化核极限学习机的遥感影像分类方法.该方法利用量子粒子群算法对核极限学习机的核参数与正则化参数进行优化,根据参数优化后的结果构建量子粒子群优化核极限学习机的遥感影像分类模型（QPSO-KELM）.通过实验对比了SVM、KELM、PSO-KELM、QPSO-KELM这几种分类方法对高分二号遥感影像数据的分类精度与效率.结果表明：QPSO-KELM的分类精度、运行速度均优于其他几种分类方法,该方法能有效提取遥感影像上的地物要素信息.     

西昌人工与自动酸雨观测记录差异规律研究

利用西昌国家基本气象站2021年人工和自动的酸雨观测数据,对TCYII 1型酸雨自动观测系统和人工系统的降水采样偏差及完整性、测量数据的准确性和一致性、设备硬件及软件通讯的故障率进行了对比分析。结果表明：正常情况下,2套系统数据的完整性、准确性、一致性较好。酸雨自动观测系统在采样方式及样品保存方面具备一定优势,能够保证观测数据更接近于自然雨水的数值,更贴近真实情况。自动观测系统面临单轨运行,它的手动操作设置、部分配件需厂家优化改进。上级主管部门对自动系统测量阈值的设定、采样中出现的漏采、空采、多采等特殊情况,仍需进一步明确处理办法。