光谱编码计算关联成像技术研究

现有的多光谱成像技术通常采用光学分光的方式，使用多个探测器对成像场景的光谱图像进行采集，导致现有成像系统复杂，数据量大、效率低。针对现有技术的不足，提出基于正交调制模式的光谱编码计算关联成像技术。通过正交光谱编码矩阵融合Hadamard基图案构造投影散斑对宽带光源进行调制，单像素探测器收集成像物体与调制光源相互作用后的反射信号；应用演化压缩技术复原成像物体的混叠光谱图像；利用编码矩阵的正交性质解码出欠采样的光谱分量图像，对分离出的图像应用组稀疏压缩感知算法重构全采样的光谱分量图像，最后融合出成像物体的多光谱图像。通过数值模拟与实验两方面验证了所提方法的高效性。所提的技术简化了多光谱关联成像系统，降低了数据量。光谱编码方法可以扩展到更多的光谱通道，也可以应用在偏振关联成像、信息加密等领域。     

基于两步聚类和关联规则结合的推荐算法

在电子商务的浪潮中,互联网保险也蓬勃发展,传统的保险业务由线下转到线上。当互联网保险企业积累到一定量级的用户后,开始探索新的业务发展模式,如何有效挖掘已有的潜在会员,如何探索会员感兴趣的保险产品,如何为用户推荐个性化的个性化保险方案,是当前迫切需要解决的问题。基于此,本文探讨了基于两步聚类和关联规则结合的推荐算法,旨在提高关联规则的有效性,从而为互联网保险企业会员推荐最感兴趣的保险产品。     

供水管网DMA优化分区设计方案

实施独立计量分区(district metered area,DMA)是辅助供水管网管理和漏损识别的重要手段.图划分算法是进行DMA分区的方法之一,常规图划分算法应用中,存在解空间受限、分区后原水流状态易发生较大改变、形成较多串联分区(对流量计算不利)的缺点.在常规图划分算法基础上进行了改进:粗化阶段按照特定规则匹配、合并非输水干管两端的节点,形成简化的管网拓扑结构;分区阶段得到管网初步分区方案;细化阶段提出基于贪心算法、枚举算法、蒙特卡洛算法的分区调整方法,结合改进的仪表安置方法、水力模拟、优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS),对分区方案进行调整.将该方法应用于YX市供水管网,成功进行了分区.     

钢结构二维桁架建模比较

桁架设计为水泥厂工程设计普遍项目,通过PKPM对两个案例多种情况的建模分析,可发现桁架在不同情况下应采用不同的模型以匹配现实状态.     

数据中心IDC资源可视化方案研究与设计

笔者分析了当前市场环境下运营商在资源管理和经营上面临的挑战,基于现实问题设计了一个数据中心资源整合数据结构,在实现基础IDC资源管理的同时,构建了相应的可视化系统,并创新性地加入了历史资源副本机制,从而实现对资源使用情况的趋势分析。     

基于关联规则的作战数据质量校验方法研究

针对作战数据信息系统数据项内容一致性检查中存在人工判查难、耗时大的问题,采用基于关联规则挖掘的错误数据检测方法,并给出了设计思路和实现步骤.结合某作战数据信息系统中的552条关键岗位人员信息进行了数据质量检测实验,实验结果表明,该方法能够快速筛查出关联数据项中预置的9个填报错误问题,可作为现有作战数据质量检测方法的完善补充.     

基于全基因组测序解析不同瑞士乳杆菌菌株的遗传差异——以瑞士乳杆菌H9和H10为例

目的:瑞士乳杆菌是广泛用于干酪、发酵乳饮料等领域的重要发酵剂菌种之一。以瑞士乳杆菌H9和H10为例，解析不同瑞士乳杆菌菌株间的遗传背景和基因组差异，为菌株鉴定和开发应用奠定遗传学基础。方法:以瑞士乳杆菌H9和H10为例，结合NCBI数据库中其它16株瑞士乳杆菌全基因组完成图，通过比较基因组学方法探究不同菌株之间的遗传差异。结果:不同瑞士乳杆菌菌株基因组大小、质粒数量、CDSs、tRNA、rRNA数量均存在差异。系统发育分析结果显示，瑞士乳杆菌H9和H10聚类于不同进化分支。与瑞士乳杆菌H10相比，瑞士乳杆菌H9与工业发酵剂菌株瑞士乳杆菌CNRZ32的系统发育关系更近；平均核苷酸一致性(Average nucleotide identity， ANI)聚类结果与系统发育树基本一致，瑞士乳杆菌H9与H10聚类于不同类群，瑞士乳杆菌发酵乳制品分离株间的基因组序列一致性低于人类肠道/粪便分离株；与参考菌株瑞士乳杆菌DPC4571相比，瑞士乳杆菌H9和H10基因组序列中均有不同程度的片段插入、缺失和倒置；瑞士乳杆菌H9和H10特有功能基因存在差异，瑞士乳杆菌H10的特有功能基因更多涉及氨基酸和能量代谢。结论:通过比较基因组学方法分析瑞士乳杆菌基因组信息，发现不同瑞士乳杆菌菌株间存在遗传差异。     

关于论文中的图

1.图要精选,应具有自明性,切忌与表及文字表述重复。2.图要精心设计和绘制,要大小适中,线条均匀,主辅线分明。3.坐标图标目中的量和单位符号应齐全,并分别置于纵、横坐标轴的外侧。4.图中的术语、符号、单位等应与表格及文字表述所用的一致。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。