水产品中孔雀石绿检测方法的研究进展

孔雀石绿(malachite green, MG)由于其对水产品疾病防治的高效性和低廉的成本而被广泛用作水产养殖业的杀菌剂和杀寄生虫剂, 因此常见于水产品和环境用水中。但是, MG及其主要代谢产物隐性孔雀石绿(leuco-malachite green, LMG)也是有毒的有机污染物, 对人体和其他生物的健康有害。近年来, 已经提出了用于检测MG和LMG的多种方法。用于测定各种基质中MG和LMG的分析方法包括高效液相色谱法(与紫外-可见、荧光、质谱等检测器联用)、光谱法(紫外-可见分光光度法、荧光法、表面增强拉曼光谱法等)、电化学方法、免疫学测定法(酶联免疫法、化学发光免疫法、免疫层析法等)。本文对近10年来孔雀石绿和隐性孔雀石绿的检测方法进行综述, 并讨论了孔雀石绿和隐性孔雀石绿的未来检测发展趋势和所面临的挑战, 为水产中孔雀石绿的检测方法提供一定参考。     

基于涡粒子的真实感烟雾快速模拟

基于物理的流体模拟方法通过数值求解流体的控制方程可获得逼真的模拟结果,但求解中易产生数值耗散造成流体细节丢失.本文提出采用涡粒子模拟流体,通过求解涡度形式的流体控制方程获得涡度场,再将涡度场转换为不可压的速度场,可降低对流数值耗散,自动保证速度场散度为零,因而能够保持更丰富的流体细节.针对算法在涡度转换为速度时需求解泊松方程的性能瓶颈,基于图形处理器（GPU）设计并实现了一个高效的预条件共轭梯度法求解方程,比现有求解器加速超过10倍.实验结果表明,与现有方法相比,本文算法能够获得真实感更强的流体模拟效果,且模拟速度显著提升.     

基于特征融合和注意力机制的图像超分辨率模型

现有的基于深度学习的单张图像超分辨率(single image super-resolution, SISR)模型通常是通过加深网络层数来提升模型的拟合能力,没有充分提取和复用特征,导致重建图像的质量较低。针对该问题,提出了基于特征融合和注意力机制的图像超分辨率模型。该模型在特征提取模块使用残差中嵌入残差(residual in residual, RIR)的结构,该网络的特征提取模块由包含多个残差块的残差组构成,并且在每个残差组内进行局部特征融合,在每个组之间进行全局特征融合。此外,在每一个残差块中引入坐标注意力模块,在每一个残差组中引入空间注意力模块。经验证,该模型能充分提取特征并且复用特征。实验最终结果表明,该模型在客观评价指标和主观视觉效果上都优于现有的模型。     

基于组反馈融合机制的视频超分辨率模型

视频超分辨率（video super-resolution,VSR）的目的是利用多个相邻帧的信息来生成参考帧的高分辨率版本。现有的许多VSR工作都集中在如何有效地对齐相邻帧以更好地融合相邻帧信息,而很少在相邻帧信息融合这一重要步骤上进行研究。针对该问题,提出了基于组反馈融合机制的视频超分辩模型（GFFMVSR）。具体来说,在相邻帧对齐后,将对齐视频序列输入第一重时间注意力模块;然后,将序列分成几个小组,各小组依次通过组内融合模块实现初步融合。不同小组的融合结果经过第二重时间注意力模块;然后,各小组逐组输入反馈融合模块,利用反馈机制反馈融合不同组别的信息,最后将融合结果输出重建。经验证,该模型具有较强的信息融合能力,在客观评价指标和主观视觉效果上都优于现有的模型。     

自动分类和自动摘要在应急预案管理中的应用

介绍当前自动分类和自动摘要技术中常用的算法,并将自动分类、自动摘要技术应用到应急指挥系统的预案管理中.通过对应急预案文档标题中提取的特征词,确定预案文档的分类,同时有机结合应急预案文档中的六种不同的特征词,赋予句子不同的拯值,然后根据句子权重从高到低挑出一定量的句子,并进行平滑处理,生成文字流畅且具备一定质量的摘要.     

结合用户兴趣的微博信息传播模式挖掘*

由于信息传播模型是社区挖掘、社区影响力研究的基础,文中提出结合用户兴趣的信息传播模型,设计基于频繁子树的信息传播微观模式挖掘方法.首先,基于微博社交网络图表示及用户多标签建模,将微观信息传播模式转换为频繁子树挖掘问题.然后,针对微博社交网络图单节点多标签特性,设计多标签节点树的频繁子树挖掘算法(MLTreeMiner).最后,结合主题提取方法,使用MLTreeMiner挖掘信息传播模式.在人工数据集上的实验表明,MLtreeMiner能高效地对多标签节点树进行频繁子树挖掘.针对新浪微博真实数据的实验也验证方法的有效性.     

基于低秩矩阵补全的单幅图像去雨算法

提出一种基于低秩矩阵补全的单幅图像去雨算法, 该算法采用检测、修补、优化的三阶段策略。在检测雨阶段, 利用雨的亮度先验信息构建检测雨模型; 在修补阶段, 先采用相似块匹配算法构造相似块矩阵, 再利用其具有低秩属性的特点, 将去雨问题转化为低秩矩阵补全问题; 在优化阶段, 提出修正策略进一步提升去雨效果和客观度量值。在合成雨图和真实雨图上验证算法, 实验结果表明, 该算法表现出较好的去雨效果, 且对大雨图像的处理也较为满意, 相比其他方法在客观度量值和主观视觉上均有一定的优势。     

一种基于自适应光滑长度的SPH液体模拟方法

传统SPH流体模拟方法通常使用固定的粒子光滑长度进行插值计算,在某些情况下会导致较大的插值误差。为提升模拟精度,建立了粒子光滑长度与邻居粒子密度调和平均数间的关系,自适应调整粒子的光滑长度,并设计和定义了相应的邻居搜索方案和核函数以解决受力不对称的问题。经实验验证,粒子邻居数方差有效降低,解决了传统SPH支持域固定导致的粒子插值误差过大的问题,使仿真结果更接近物理事实。同时由于物理计算精度的提高,模拟稳定性得到增强,可使用更大的时间步长,有效提升了模拟速度。最终,相比其他方法在视觉质量和模拟速度上均具有一定优势。     

结合相似块匹配与最小值滤波的图像去雨

雨天环境拍摄的图像容易受到雨线的干扰,影响图像的特征提取,继而导致视觉系统的处理性能下降。提出了一种基于相似块匹配与最小值滤波的单幅图像去雨算法,该算法包含检测和修补两个阶段。检测阶段利用雨的亮度先验和方向信息对图像中的雨像素点进行标记。在修补阶段,先采用粗粒度和细粒度层级结合的方式匹配相似块,然后将雨像素点通过最小值滤波用相似块中对应像素最小值替换,而非雨像素点则保持原有值不变。算法在合成雨图与真实雨图上进行了验证,实验结果表明该算法能实现雨像素精确定位,精准匹配相似块,最终高质量修补雨像素,相比其他方法在客观度量值和主观视觉上均有一定的优势。     

面向“边缘”应用的卷积神经网络量化与压缩方法

针对卷积神经网络（CNN）推理计算所需内存空间和资源过大,限制了其在嵌入式等"边缘"设备上部署的问题,提出结合网络权重裁剪及面向嵌入式硬件平台数据类型的数据量化的神经网络压缩方法。首先,根据卷积神经网络各层权重的分布,采用阈值法对网络精确率影响较小的权重进行裁剪,保留网络中重要连接的同时除去冗余信息;其次,针对嵌入式平台的计算特性分析网络中权重及激活函数所需的数据位宽,采用动态定点量化方法减小权重数据的位宽;最后,对网络进行微调,在保障网络模型识别精度的前提下进一步压缩模型大小并降低计算消耗。实验结果表明,该方法降低了VGG-19网络95.4%的存储空间而精确率仅降低0.3个百分点,几乎实现无损压缩;同时,通过多个网络模型的验证,该方法在平均1.46个百分点精确率变化范围内,最大降低网络模型96.12%的存储空间,能够有效地压缩卷积神经网络。