多线性主成分分析和张量分析的SAR图像目标识别

为了提高合成孔径雷达图像目标识别效果,提出一种基于多线性主成分分析和张量分析的合成孔径雷达图像目标识别方法。该方法首先构建四阶张量训练样本,利用多线性主成分分析得到多线性投影矩阵;再通过投影矩阵构建核心张量,对核心张量进行线性判别分析;最后对测试样本分类识别。实验中,将本文提出的多线性主成分分析和张量分析方法在MSTAR公共数据库上进行识别实验,并与主成分分析和二维主成分分析方法进行识别率比较。实验结果表明,本文方法有效保留了图像的空间结构信息,提高了目标正确识别率。     

Bucherer反应在精细化工中间体合成中的应用研究

Bucherer反应作为一个仅需一步便可将萘酚转化为萘胺的有机反应,具有反应条件简单、反应过程易于控制、反应原料便宜易得及反应不产生有害废物等优点,但是它的工业化程度不高。本文叙述了Bucherer反应的机理,重点总结了其在染料、医药、氨基酸及其他有机合成中的应用,并展望了该反应在更多工业化生产中的应用前景。     

迁移学习引导的变源域长短时记忆网络建筑负荷预测

历史数据不足会严重影响到长短时记忆网络(long short-term memory,LSTM)预测建筑负荷的精度.迁移并利用源域中其他相似建筑的用能数据,可以提高LSTM处理目标域中建筑的预测精度,但现有方法没有考虑预测过程中数据增加所导致的源域匹配关系变化问题.鉴于此,提出迁移学习引导的变源域LSTM建筑负荷预测方法.在执行过程中,根据源域建筑负荷与目标建筑负荷在最新窗口的关联度,实时调整要选择的源域建筑及其能耗数据,以确保源域与目标域始终保持较高的相似程度.在多个典型实例上的应用表明,相比传统的定源域迁移学习方法,所提变源域LSTM负荷预测方法可以始终保持较高的预测精度.     

基于小波变换空间变迹的SAR图像旁瓣抑制方法

为了进一步提高旁瓣抑制的效果,本文提出一种基于小波变换空间变迹的合成孔径雷达图像旁瓣抑制方法。该方法对成像后的复数图像分别进行实部和虚部的二维小波分解,对分解后得到的各子通道进行空间变迹旁瓣抑制,将旁瓣抑制后的各子通道数据通过小波重构得到实部数据和虚部数据,再对重构后的实部数据和虚部数据分别进行空间变迹旁瓣抑制,最终生成基于小波变换空间变迹旁瓣抑制后的复数图像。实验结果表明,该方法能够在基本不损失图像分辨率的基础上,有效抑制图像的旁瓣电平。     

用于关系抽取的注意力图长短时记忆神经网络

关系抽取是信息获取中一项关键技术。句子结构树能够捕获单词之间的长距离依赖关系,已被广泛用于关系抽取任务中。但是,现有方法存在过度依赖句子结构树本身信息而忽略外部信息的不足。本文提出一种新型的图神经网络模型,即注意力图长短时记忆神经网络(attention graph long short term memory neural network, AGLSTM)。该模型采用一种软修剪策略自动学习对关系抽取有用的句子结构信息;通过引入注意力机制,结合句法图信息学习句子的结构特征;并设计一种新型的图长短时记忆神经网络,使得模型能够更好地融合句法图信息和句子的时序信息。与10种典型的关系抽取方法进行对比,实验验证了该模型的优异性能。     

噻唑衍生物的应用研究

噻唑环是重要的芳香杂环，其环上电子丰富、结构活泼，是一种重要的化工和医药中间体。噻唑类化合物具有良好的生物活性，且其对人类毒性低，因此被广泛应用于医药、农药及染料领域，在医药上噻唑类化合物具有抗癌、抗细菌、抗病毒等作用，在农药上具有抗菌、杀虫、除草和植物生长调节等作用，在染料上可以用作偶氮染料及生物染料。噻唑衍生物在诸多领域都显示出了广泛的应用前景及开发价值。