一种基于FCOS神经网络的小建筑物目标检测方法北大核心

提出了一种基于FCOS神经网络的小建筑物目标检测算法,针对FCOS模型在特征提取阶段提取到的小建筑物目标特征较少问题,引入多尺度检测和可变形卷积方式,加强网络对小建筑物目标的特征提取能力,并通过改进后的SGE注意力机制降低特征图中的干扰噪声权重。改进后的网络可以提取到更多的小建筑物目标特征,对环境干扰噪声的鲁棒性更强。在自己搭建的数据集上进行了实验测试,结果表明,在相同环境下网络改进后建筑物的整体检测准确率提升了1.7%,其中对小建筑物目标提升了3.6%,减少了小建筑物目标漏检、误检的问题。     

我国水-能源-粮食耦合关系及影响因素

为缓解我国水、能源和粮食资源紧张问题，促进资源可持续利用，构建水-能源-粮食系统，利用耦合协调度模型对我国的30个省（自治区、直辖市）进行测算,并利用空间杜宾模型分析主要影响因素。结果表明：2003—2017年，我国能源、粮食评价[JP]指数高于水资源评价指数，系统综合评价指数逐年递增；大部分省份耦合协调度处于初级协调水平且呈现逐年上升的态势，个别省份耦合协调度濒临失调；耦合协调度空间自相关性较强，虽有明显波动，但是呈现逐年加强的态势；影响耦合协调度的主要因素有从业人口数、固定资产投资额、人均生产总值、人口总数、[JP]文盲人口占比、工业污染排放、城镇化。     

针对细微特征进行K-means聚类的电台分选识别技术

现代战场中的无线通信设备日益增多，精准获取个体信息已成为研究热点，但也是难点。针对通信电台，提出了一种分选识别技术。该技术从电台物理层特性出发，对其辐射信号的细微特征进行K-means聚类以实现分选，分选的同时提取各个个体的特征属性值，未知信号通过与特征属性值相关运算实现个体识别。该技术无需先验知识，无需训练运算，通过实验验证，其可行、高效，易于工程实现。     

A Tradeoff Between Accuracy and Speed for K-Means Seed Determination

With a sharp increase in the information volume, analyzing and retrieving this vast data volume is much more essential than ever. One of the main techniques that would be beneficial in this regard is called the Clustering method. Clustering aims to classify objects so that all objects within a cluster have similar features while other objects in different clusters are as distinct as possible. One of the most widely used clustering algorithms with the well and approved performance in different applications is the k-means algorithm. The main problem of the k-means algorithm is its performance which can be directly affected by the selection in the primary clusters. Lack of attention to this crucial issue has consequences such as creating empty clusters and decreasing the convergence time. Besides, the selection of appropriate initial seeds can reduce the cluster’s inconsistency. In this paper, we present a new method to determine the initial seeds of the k-mean algorithm to improve the accuracy and decrease the number of iterations of the algorithm. For this purpose, a new method is proposed considering the average distance between objects to determine the initial seeds. Our method attempts to provide a proper tradeoff between the accuracy and speed of the clustering algorithm. The experimental results showed that our proposed approach outperforms the Chithra with 1.7% and 2.1% in terms of clustering accuracy for Wine and Abalone detection data, respectively. Furthermore, achieved results indicate that comparing with the Reverse Nearest Neighbor (RNN) search approach, the proposed method has a higher convergence speed.     

基于归一化水体指数及其阈值自适应算法的水体遥感反演效果分析

归一化水体指数（NDWI）是水体遥感反演的一种重要指标，其阈值及修正直接影响反演结果的精度。基于Landsat-8与GF-1光学多光谱影像，使用归一化水体指数法阈值0（TH₀）、最大类间方差法（OTSU）自适应阈值（TH_otsu）与均值漂移聚类算法（Mean-Shift）自适应阈值（TH_MS）分别对典型正常水体、云雾覆盖水体、富营养化水体、高含泥沙水体进行水体遥感提取与效果分析，结果表明：正常水体以TH₀为阈值提取精度最高，THMS提取精度次之，TH_otsu提取精度最差；而云雾覆盖水体、富营养化水体以及含泥沙水体使用THMS提取精度最高，尤其少量云雾覆盖下的水体，TH_MS具有更明显的优势，TH₀提取精度次之，TH_otsu提取精度最差；对于不同的阈值，Land?sat-8比GF-1总体表现出更高的水体提取精度。Mean-Shift算法应用于NDWI阈值修正与水体遥感反演具有快速、水质适应性强、效果稳定的优势，对尤其是复杂条件下的水体信息遥感反演具有较好的提取效果。     

High-roubustness keystroke recognition method based on acoustic spatial gradient

For the fluctuation of CFCC caused by environmental noise is the main reason for the low accuracy of keystroke detection,the spatial characteristics of adjacent between CFCC were studied,and the spatial gradient structure of CFCC based on points was established.On this basis,the effect of CFCC spatial gradient on keystroke content recognition and the selection of precise neighborhood points were studied on training and testing.Finally,a high-robustness keystroke recognition algorithm based on acoustic signals was constructed.Extensive experiments in different environments demonstrate that the proposed CFCC spatial gradient sound feature achieves great performance and the recognition accuracy is 96.15%.     

聚类混合型数据的密度峰值改进算法

聚类混合型数据，通常是依据样本属性类别的不同分别进行评价。但这种将样本属性划分到不同子空间中分别度量的方式，割裂了样本属性原有的统一性；导致对样本个体的相似性评价产生了非一致的度量偏差。针对这一问题，提出以二进制编码样本属性，再由海明差异对属性编码施行统一度量的新的聚类算法。新算法通过在统一的框架内对混合型数据实施相似性度量，避免了对样本属性的切割，在此基础上又根据不同属性的性质赋予其不同的权重，并以此评价样本个体之间的相似程度。实验结果表明，新算法能够有效地聚类混合型数据；与已有的其他聚类算法相比较，表现出更好的聚类准确率及稳定性。     

异质性环境规制对绿色全要素生产率的影响机制——基于能源消费结构的调节作用

为探讨能源消费结构调节下异质性环境规制对绿色全要素生产率的影响机制，论文利用SBM方向距离函数测得全国各省市“经济-资源-环境-社会”四位一体的绿色全要素生产率，并将环境规制工具分为命令控制型、经济激励型、治理投入型和公众参与型4类，构建了空间杜宾模型以及门槛效应模型，进而得出在能源消费结构调节下，异质性环境规制对绿色全要素生产率的直接作用、间接作用以及空间溢出效应。研究结果表明：1）经济激励型和公众参与型环境规制通过调节能源消费结构对当地和邻地的绿色全要素生产率产生影响；2）在门槛检验方面，能源消费结构对命令控制型、经济激励型和公众参与型环境规制影响绿色全要素生产率存在门槛效应，同时在能源消费结构调节下，命令控制型和经济激励型环境规制对其本身对绿色全要素生产率的间接作用存在门槛效应。建议政府在制定环境规制时要考虑到其与能源消费结构的交互作用，并且在不同能源消费水平地区采用适宜的规制方法和强度，以更好地发挥环境规制作用。     

中国省际绿色技术创新效率测度及影响因素研究

文章基于2011—2017年中国30个省份面板数据，运用super-SBM模型对绿色技术创新效率进行测算，并利用ML指数对绿色技术创新效率进行动态分析，最后通过空间滞后模型分析影响效率的关键因素。研究结果表明：中国绿色技术创新效率呈逐渐增长的趋势，但整体效率偏低，有较大进步空间；中国绿色技术创新效率存在明显区域差异，呈现由东部向西部递减的格局；绿色技术创新水平的提高是技术效率和技术进步共同贡献的结果；产业结构、区域开放程度和教育水平对绿色技术创新效率产生积极的正向影响，环境规制和研发投入强度对绿色技术创新效率影响不显著。