冲击声的固有结构建模及目标识别

将统计数据驱动方法应用于冲击声的固有结构建模,研究了单个冲击信号及冲击声组的时域和频域特征提取方法,并将所提特征用于圆柱壳冲击声和公路空洞检测冲击声分类,获得了良好效果,证实了该方法用于冲击声目标分类的有效程度。     

发展煤电一体化构建和谐能源产业结构

电力和煤炭是国民经济的基础产业,煤电的各自垄断的地位造成能源消费的种种不和谐,结合国外经验,文章从发展煤电一体化产业对打破煤电垄断,构建和谐能源产业结构进行了分析、研究和论证,并提出了相关措施和建议。     

基于Gabor滤波的灰度图像彩色化方法

提出一种基于Gabor滤波的分层次图像彩色化方法.使用Gabor滤波提取图像纹理特征,利用纹理特征将目标灰度图像分割为多个子区域.其中,每个子区域与源参考图像的单个纹理区域相对应,且拥有单调的色彩;分别对子区域进行彩色化,从而降低全局图像彩色化的复杂度.实验结果表明,此方法能抑制图像颜色传输时颜色的丢失,有效地提高彩色化质量.     

求解武器—目标分配问题的混合编码差异演化算法*

提出一种混合编码差异演化求解武器—目标分配优化问题。在差异演化算法中增加违反边界约束处理操作,确保由变异和交叉操作生成的每个新个体满足边界约束条件;对差异演化算法中的选择操作重新定义,使其可以直接处理约束条件。基于编码映射的方法构建一种新的混合编码差异演化算法。利用武器—目标分配问题对该算法进行了仿真实验,结果表明该算法的有效性与适用性。混合编码差异演化算法是求解离散约束优化问题的一种有效方法。     

重力固体潮IMF的AM-FM模型及其非线性拟合

首先建立AM-FM数学模型,用多个相近载波的调幅信号组合描述它。利用最小二乘法对幅度调制和频率调制两个部分分别进行非线性拟合;拟合以相关系数满足一定条件为精度控制原则,拟合项数以相邻相关系数不再显著变化为判定条件。有效性检验证明该方法切实可行。重力固体潮IMF的拟合结果表明,AM-FM数学模型可以很好地刻画重力固体潮IMF;重力固体潮是多个AM-FM信号合成的复合信号。为后续深入研究重力固体潮的AM-FM信号特征、循环平稳信号特征等性质建立了良好的数学基础。     

基于改进UNETR++的肝脏分割

肝脏MRI影像的脂肪定量标准化过程中常需要对肝脏感兴趣区域进行手工采样, 但手工采样策略耗时且结果多变. 基于深度学习方法的全肝分割与手工勾勒的感兴趣区域在进行脂肪定量分析时, 变异性误差和不确定性程度更低, 性能更优越. 在进行全肝分割任务时, 为了提升分割性能, 本文在UNETR++模型的基础上, 进行改进. 该方法融合卷积神经网络和Transformer结构各自的优点, 增加卷积结构分支用于补足局部特征, 同时引入门控注意力机制, 抑制不相关的背景信息, 使模型更为突出分割区域的显著特征. 相比于UNETR++及其他分割模型, 改进的方法具有更优的DCS及HD₉₅指标.     

金属氧化物和分子筛在CO2环加成中的研究进展

二氧化碳（CO2）是主要的温室气体,同时也是一种廉价、无毒且可再生的一碳资源,因此将CO2转化为有价值的精细化学品可有效减缓气候变化、助力实现碳中和。CO2与环氧化物的环加成反应具有高原子经济、高选择性、低污染等优点,其产物环状碳酸酯可作为锂离子电池电解质、聚合物材料前体以及精细化学品中间体,应用前景广阔。氧化物因具有结构多样、可调性强等优点在CO2与环氧化物的环加成反应中的应用引起了广泛的关注。文章综述了两种典型且成本低廉、易于规模化生产的氧化物——金属氧化物与分子筛催化CO2与环氧化物的环加成反应的研究进展,重点分析了反应机理以及催化剂的应用。今后的研究重点是高性能无助剂的非均相催化剂的开发以及催化机理的探究。     

融合注意力线性特征多样化的DR分级模型

糖尿病视网膜病变(diabetic retinopathy, DR)是目前人类的主要致盲疾病之一。针对DR数据集中样本类间差异小和类分布不均衡等制约分级性能提高的问题,本文提出一种融合注意力线性特征多样化(fusion of attention linear feature diversification, FALFD)的分级算法。该算法首先用改进的Res2Net残差网络作为模型骨干来增大感受野,进一步提高网络捕捉特征信息的能力;其次引入自适应特征多样化模块(adaptive feature diversification module, AFDM)对眼底图像可分辨的微小病理特征进行识别,获得具有高语义信息的局部特征,避免单一特征区域的限制,进而提高分级准确度;再后利用双线性注意力融合模块(bilinear attention fusion module, BAFM)增加可判别区域特征的网络权重占比;最后采用正则化焦点损失(focal loss, FL)进一步提升算法的分类性能。在IDRID数据集上,灵敏度和特异性分别为94.20%和97.05%,二次加权系数为87.83%;在APTO...     

考虑电动汽车用户满意度的微电网双层多目标优化调度

为了解决电动汽车(electric vehicle, EV)大规模接入微电网后,由于无序充电而导致的日负荷波动增大以及运行成本增高的问题,提出了一种考虑用户满意度的微电网双层多目标优化调度方案。方案将微电网日前优化调度过程分为配网层和负荷层,配网层以最小化日负荷方差和最低的系统运行成本为目标,制定了电动汽车聚合商(electric vehicle aggregator, EVA)调度策略。负荷层制定每辆电动汽车的充电策略,在EVA的调度计划下,按照配电网系统层的要求,最大限度地提高用户的综合满意度。通过多场景对比分析,结果表明所提出的优化模型在减少日负荷方差、提高系统经济性的同时,提升了用户综合满意度,增大了用户参与调度的积极性。     

粗糙支持向量机

支持向量机(SVM)是一种重要的数据机器学习工具,其有效性依赖于对数据信息获取的准确性.以往的支持向量机模型都没有考虑到数据等价类信息.为此,基于粗糙集理论和支持向量机思想,提出了一种新的支持向量机模型--粗糙支持向量机(RSVM).采用UCI机器学习数据库中的数据做对比实验,结果表明RSVM比传统支持向量机(SVM)和模糊支持向量机(FSVM)都有较高的测试精度.