基于先验知识的文本实体识别方法

阐述文本实体识别作为医疗相关人工智能应用的关键中间任务，其效果直接决定下游任务表现上限，然而传统方法中通常忽略医学知识的应用，很难取得良好表现。提出一种基于RoBERTa与CRF并融合医学知识的医学文本实体识别方法，将医学知识作为先验引入到CRF最优路径搜索环节，极大程度地提升了标签转换的连贯性，并在相关数据集主指标上取得了改善。     

基于代理模型的固体动力杀伤器气动外形优化研究

分析了固体动力杀伤器的气动外形设计参数。通过进化神经网络构建气动外形参数与气动特性之间的代理模型，然后确定了气动外形优化方法，并完成了算例验证。结果表明：通过代理模型开展固体动力杀伤器气动外形优化是可行的，能够大大缩短杀伤器气动外形优化周期。     

结合边缘特征先验引导的深度卷积显著性检测

针对当前基于深度学习的显著性检测算法缺少利用先验特征和边缘信息，且在复杂场景中难以检测出鲁棒性强的显著性区域的问题，提出了一种结合边缘特征，利用先验信息引导的全卷积神经网络显著性检测算法。该算法利用三种被经常用到的先验知识结合边缘信息形成先验图，通过注意力机制将提取的先验特征与深度特征有效融合，最终通过提出的循环卷积反馈优化策略迭代地学习改进显著性区域，从而产生更可靠的最终显著图预测。经过实验定性定量分析，对比证明了算法的可靠性。     

平流层飞艇气动阻力的参数分析

为了研究环境参数及外形布局对平流层飞艇气动阻力的影响,在验证CFD数值模拟方法的基础上,从气动阻力包括压差阻力与摩擦阻力的角度探讨了风速、动力粘度系数、空气密度、Re数、长细比及尾翼对飞艇气动阻力的影响规律及机理。结果表明:气动阻力系数随风速与空气密度的增加而减小,随动力粘度系数的增加而增加;气动阻力系数随Re数减小的趋势,取决于摩擦阻力系数随Re数的减小趋势;随长细比的增加,摩擦阻力系数呈现增加趋势,但气动阻力系数呈现先减小后增加的趋势;尾翼对气动阻力系数的影响主要体现在压差阻力系数的改变。     

多分量数据全波形反演在气藏检测中的关键问题——以苏里格气田为例

苏里格气田是中国典型的致密砂岩气藏，构造简单、平缓，横向非均质性强，有效储层与围岩声学特征差别小，地震响应不明显，常规地震监测方法预测难度大，但气田含气砂岩泊松比低，是地震气藏检测的有效参数。利用弹性全波形反演精度高和能处理复杂非均质介质的优势，反演地层拉梅常数、剪切模量和密度，并计算泊松比，从而进行气藏预测。重点阐述了苏里格气田多分量数据全波形反演初始模型建模、先验模型建模和地震数据预处理3个关键问题的处理方法。二维三分量数据反演和"甜点"预测结果表明：①对于具有强非均质性的苏里格气田，利用全波形反演获得精度较高的地层弹性参数能显著提高气藏预测的准确度；②苏里格地区构造简单、平缓，利用常规叠加速度并结合构造解释可以建立比较好的初始模型，从而有效地解决了周波跳跃和局部极小的难题；③先验知识的约束和地震数据的预处理是全波形反演成功应用于苏里格气田气藏检测的关键。     

基于维纳滤波与理想二值掩蔽的数字助听器语音增强算法

研究了基于先验信噪比估计的维纳滤波增强算法，针对基于先验信噪比估计的维纳滤波法未能有效提高语音可懂 度的缺点进行了研究与改进:首先，引入了以MMSE为准则的两步先验信噪比估计取代原“直接判决”法。其次，针对信噪比为负的区域，增益函数误差的过高估计会严重降低语音可懂度的问题对增益函数进行了改进，放大了负信噪比区域的噪声谱，从而降低增益函数被过高估计的可能性，最后，结合理想二值掩蔽的技术，对处理后的语音信号进行后处理，实验结果表明， 改进的方法能够有效的提高语音可懂度并降低语音信号的畸变。     

基于暗通道先验去雾算法的研究与改进

基于暗通道先验算法的图像去雾技术已经日益成熟,但是其处理速度慢、天空区域过曝、处理完的图像色彩变暗等缺点也很明显。本文针对这几方面分别提出了求透射率时的优化、纠正天空等明亮区域的错误估计的透射率、采用自动色剂的算法进行颜色校正等方法,从而有效地提升去雾图像的视觉效果与处理速度。实验结果与几种经典的算法结果进行比较验证了本文算法在处理效率与颜色保真度方面的优越性。