略论民窑青花的文化特征

民窑青花瓷的发展是在市井文化背景下进行的，其文化内涵和消费对象都是服从和服务于这个社会意识形态和阶层的，本文剖析了市井文化的民窑青花瓷的典型风格，阐述了民窑发展与社会文化的必然关系。     

光学纯去氢枞酸的制备与表征

用化学方法由歧化松香制得光学纯去氢枞酸，并以ＵＶ、ＩＲ、＾１ＨＮＭＲ、ＭＳ、元素分析和旋光对其结构进行了表征。     

2006年粘胶长丝市场特征

2006年粘胶长丝市场呈现三大特点：一是粘胶长丝生产企业在中国化纤工业协会粘胶专业委员会主持下，奉行行业自律，业绩显著；二是粘胶长丝出口形势非常好，出口量达到61404吨，是2005年出口量的138．3％，创历史最高记录；三是运用价格自律，市场价格全年增幅16．2～21．1％，全行业扭亏为盈。     

链霉菌LD048硫化物氧化酶的催化机理及酶学特征

对硫化物氧化新菌株链霉菌LD048硫化物氧化酶的催化机理研究表明S2-在硫化物氧化酶的作用下首先被氧化为S2O2-3,然后生成SO2-3,最后产生末端产物SO2-4;O2对细胞生长是必须的,同时是反应过程中的电子受体.酶学特征研究说明酶的最适反应温度为大于35℃,在80℃维持4 h酶活仍能完全保留;酶的最适反应pH为8.0;金属Mn2+是酶活性的有效促进剂,在实验浓度范围内酶活提高达35.6%;酶促反应的最适底物浓度为6.0 mmol/L.     

基于机器学习的肺部CT图像非刚性配准误差预测方法

配准误差评估通常由人工完成,耗时费力;常用的Dice测度只关注组织边缘的配准误差,难以评估组织内部配准结果。针对以上问题,提出一种基于机器学习的肺部CT图像非刚性配准误差预测方法(PREML)。该方法首先构建形变场统计特征、形变场物理保真度特征和图像相似性特征三类特征,然后通过池化方法扩充特征数量,最后使用随机森林回归方法预测非刚性配准误差,并且使用自适应随机扰动方法模拟肺部配准误差空间分布,进一步提升形变场统计特征的配准误差表征能力。在三个肺部CT图像数据集上进行训练与测试,其配准误差预测结果与金标准之间的平均绝对差异为1.245±2.500 mm,预测性能优于基线方法。结果表明,PREML方法具有预测精度高、鲁棒性强的特点,可提升配准算法在临床应用的有效性和安全性。     

视觉特征对比解耦的广义零样本学习

广义零样本学习通常利用在ImageNet上预训练的深度模型来提取相应的视觉特征,然而预训练模型提取到的视觉特征不可避免地包含和语义无关的信息,这将导致语义—视觉对齐的偏差以及对不可见类的负迁移,从而影响分类结果。为解决上述问题,提出了视觉特征对比解耦的广义零样本学习模型(visual feature contrast decoupling for generalized zero-shot learning, VFCD-GZSL),通过解耦出视觉特征中的语义相关表示来降低冗余信息对分类结果的影响。具体来说,首先用条件变分自编码器生成不可见类的视觉特征。然后通过解耦模块将视觉特征解耦语义相关和语义无关的潜层表示,同时添加总相关惩罚和对比损失来鼓励两者间的相互独立,并用语义关系匹配模型衡量其语义一致性,从而指导模型学习语义相关表示。最后使用特征细化模块细化后的特征和语义相关表示联合学习一个广义零样本学习分类器。在四个数据集上的实验均取得较优的结果,证实了所提方法的有效性。     

长江经济带水-能源-粮食系统耦合时空动态特征研究

水、能源和粮食为可持续发展的基础性资源,如何从时空角度全面评价长江经济带水-能源-粮食系统的耦合协调发展是促进区域资源可持续发展的重要前提。以水、能源、粮食以及共生单元水能、水粮和能粮系统为单元,构建水-能源-粮食系统耦合协调评价指标体系,采用熵值法对各系统指标赋权,运用耦合协调度模型和空间自相关分析对2010—2019年长江经济带的水-能源-粮食系统协调发展和时空动态特征进行定量研究。结果表明：2010—2019年长江经济带水-能源-粮食系统综合评价指数整体呈缓慢增长趋势,其中水系统对水-能源-粮食系统综合评价指数贡献最大,年均贡献占比为21.57%;能源系统贡献最小,占比为11.95%; 2010—2019年长江经济带水-能源-粮食系统耦合协调水平呈先升后降趋势,其中四川省上升幅度为5.05%,重庆市下降幅度为2.83%,且存在显著的空间异质性,上游地区明显高于中下游地区。其中能源资源是水-能源-粮食系统耦合协调发展的短板;长江经济带水-能源-粮食系统耦合协调度表现出显著空间关联性,高-高集聚区集中在长江上游地区,下游地区主要以低-低集聚区为主。长江经济带内各省市应因地制宜地完善资源管理机制,推动长江经济带资源可持续发展。     

基于特征融合的调制识别增强与迁移演化

针对调制识别中单一图像的特征信息不足,区分度不够高,识别范围受限的问题。本文提出了一种基于时频图和星座图特征融合的调制识别特征增强方法,利用深度学习神经网络提取信号图像的特征,构建特征空间,通过多维特征融合,挖掘和整合不同特征的优势,增强模型算法的鲁棒性。此外运用了模型迁移的方法,仅需对分类器进行训练,大幅节约了训练时间和资源,具有很强的实时性和实用性。仿真结果显示,在0db左右的条件下,相比于单一特征图像,采用特征融合增强的方法能将信号的平均识别率提高约25%,通过模型迁移,省去了卷积神经网络的训练,所需的训练时间约为迁移前的9.6%,消耗内存约为迁移前的7.3%,同时模型的识别率损失控制在了5%以内。     

基于特征迭代的云存储数据即时确定性删除方法

传统数据删除方法易受到云存储环境中大量近似特征的影响,产生冗余数据,导致加解密时间过长、密钥可用率较低,为此提出一种基于特征迭代的云存储数据即时确定性删除方法。首先,提取云存储数据中的冗余数据特征,对云存储下冗余数据进行分类,迭代直至收敛,实现冗余数据高性能删除;其次,采用加密机制实现云存储数据在网络用户间的安全共享,将原始数据密文切分为剩余密文和采样密文;最后,把不完整的剩余数据密文上传至云端,同时引入可信任第三方对取样密文进行保存,通过销毁取样密文实现数据即时确定性删除。实验结果表明,所提方法的数据密文拆分所用时间较短,且密钥可用率较高,可达90%,说明其方法能够有效满足云存储系统中对冗余数据或过期数据的确定性删除要求。     

基于分类外形搜索的人脸特征点定位

针对传统由粗糙到精准的人脸外形搜索方法,其每一次外形搜索需要在整个外形搜索空间进行,提出一种基于分类的外形搜索方法。该方法始于一个包含不同人脸形状的外形搜索空间,首先利用基于相关性的特征选择方法对随机森林分类器进行优化,利用训练的随机森林分类器将外形搜索空间分为若干个外形搜索子空间;然后根据输入样本和随机森林分类器确定与当前外形最接近的外形搜索子空间,并计算对应子空间的中心和对应样本的后验概率分布,方便后续阶段更好地进行外形搜索;最后采用级联回归进行人脸特征点定位。在300-W数据集上的实验结果表明,此方法不仅有效降低了外形搜索的时间,同时在无约束环境中具有良好的鲁棒性。