半监督深度学习图像分类方法研究综述

作为人工智能领域近十年来最受关注的技术之一,深度学习在诸多应用中取得了优异的效果,但目前的学习策略严重依赖大量的有标记数据.在许多实际问题中,获得众多有标记的训练数据并不可行,因此加大了模型的训练难度,但容易获得大量无标记的数据.半监督学习充分利用无标记数据,提供了在有限标记数据条件下提高模型性能的解决思路和有效方法,...     

小麦质量指标可见/近红外光谱动态检测方法研究

本文通过动态采集小麦的可见/近红外漫反射光谱(600～1 600 nm),结合偏最小二乘法(PLS)和BP神经网络(BP-ANN)建模方法建立小麦的蛋白质、水分、湿面筋、硬度指数的定量预测模型,利用决定系数(R2)、均方根误差(RMSE)和验证集标准偏差与预测标准偏差的比值(RPD)作为评价指标进行验证,比较分析了 3...     

全物理交联三重互穿网络水凝胶的制备与性能

为提升水凝胶的综合力学力学性能,设计并研究了一种全物理交联三重互穿网络水凝胶.以自由基乳液聚合法,获得疏水缔合交联的聚丙烯酰胺网络,水凝胶一步成型,依次通过冷冻-融化循环、浸没FeCl3溶液分别形成微晶交联的聚乙烯醇网络及离子交联的海藻酸钠网络.获得P(AM-SMA)/PVA/SA三重互穿网络(HMITN)水凝胶.通过...     

雨量输入对分布式流溪河模型中小流域预报精度的影响

中小流域由于资料欠缺、洪水汇流时间短、水量集中等特点,导致其洪水预报难度大,预报精度低。针对我国中小流域的洪水预报精度有待进一步提高的问题,为了让分布式水文模型在全国广泛投入实际应用,选取四川省达州市清溪河流域作为了研究对象。采用流溪河分布式水文模型,从降水量入手,讨论雨量数据对模型结果的影响,探讨满足预报精度所需的雨量站布设密度条件,并将得到的洪水模拟结果与传统预报模式下的洪水模拟结果进行对比分析。结果表明:12场洪水中,确定性系数在80%以上的洪水有10场,占比83.33%,其中11场洪水的洪峰误差小于20%,合格率为91.67%,峰现误差合格率达到100%。因此,流溪河分布式水文模型对于中小流域的洪水预报具有较强的适用性,模拟结果较好。中小流域不同雨量站的降水差异明显,降水总量和雨型的差异对模型输出结果影响较大,当前提高预报精度的重要措施是提高基础数据的质量。清溪河流域雨量站布设密度达到86 km~2/站时已基本满足该流域流溪河模型预报的要求。现阶段我国许多地区雨量站布设密度已达到较高水平,采用流溪河模型等分布式水文模型进行中小流域洪水预报变为可能。     

基于三维GIS技术的公路交通数字孪生系统

数字孪生是一种集成多学科属性,通过物理世界与信息世界连接融合达到虚拟现实交互与融合的科学,其在交通业的落地途径为建筑信息模型(BIM)+地理信息系统(GIS)技术。各类交通基础设施模型要素的交互关联及孪生数据合理建设方案成为制约其发展的瓶颈。立足交通,以数字孪生的五维结构模型为指导,在三维GIS环境下,针对其虚拟模型应包含的几何、物理、规则模型提出了具体的实现技术。分析了交通基础设施分类及孪生数据特点,细化其构件层次关系,实现模型的标识编码与存储方案。依据CAMP5对系统软件进行分类,并依各层次阐述了验证方法,完成系统验证。最后,基于虚拟模型与数据融合,梳理了像素层、表征层和决策层的应用开发思路,以期为交通运输领域践行数字孪生提供技术参考。     

基于i-vector声纹识别上课点名系统的设计与实现

当今课堂教学过程中存在着学生旷课、老师需要经常检查课堂出勤情况等问题.本系统着眼于课堂教学的实际需要,旨在方便任课老师了解学生上课出席情况,以及防止冒名顶替等不公正现象的发生,开发了基于i-vector声纹识别技术的上课点名系统,不仅在说话人识别的研究领域有探索意义,而且在方便老师课堂管理方面有着重要的实践意义.     

微胶囊化生姜、枸杞、栀子提取物的ACE抑制率、苦味及稳定性研究

本文通过粉碎、超声获得生姜、枸杞、栀子的混合醇提物,以麦芽糊精、变性淀粉、两者混合分别与明胶作为复合包埋壁材,利用喷雾干燥制成微胶囊,测定其包埋率、ACE（angiotensin-convertion enzyme）抑制率、吸湿性、总酚含量（TPC）、苦味程度,并利用红外光谱（FTIR）、扫描电镜（SEM）、热重分析仪（TGA）对微胶囊化颗粒的结构、热稳定性进行研究。结果表明,微胶囊的最佳壁材为麦芽糊精和变性淀粉质量比1:1混合,此时包埋率为75.24%（P<0.05）,红外光谱分析表明,提取物被壁材包埋成功并形成了淀粉/糊精-酚类-明胶聚合体。与未包埋及单一麦芽糊精、变性淀粉包埋相比,以麦芽糊精和变性淀粉质量比1:1混合作为壁材包埋后的微胶囊苦味显著（P<0.05）降低,吸湿性由未包埋时的52.83 g/(100 g)降为16.04 g/(100 g)。该微胶囊经胃肠消化后其中的酚类释放率为69.64%,ACE抑制率为49.64%（P<0.05）。由此可见,以麦芽糊精和变性淀粉质量比1:1混合作为壁材的微胶囊化药食同源提取物,能明显降低苦味并提高产品稳定性,在室温保存7 d后,ACE抑制率仍高达22.36%。     

联合优化深度神经网络和约束维纳滤波的单通道语音增强方法

深度神经网络（Deep neural networks,DNNs）依靠其良好的特征提取能力,在语音增强任务中得到了广泛应用。为进一步提高深度神经网络的语音增强效果,提出一种将深度神经网络和约束维纳滤波联合训练优化的新型网络结构。该网络首先对带噪语音幅度谱进行训练并分别得到纯净语音和噪声的幅度谱估计,然后利用语音和噪声的幅度谱估计计算得到一个约束维纳增益函数,最后利用约束维纳增益函数从带噪语音幅度谱中估计出增强语音幅度谱作为网络的训练输出。对不同信噪比下的20种噪声进行的仿真实验表明,无论噪声类型是否在网络的训练集中出现,本文方法都能够在有效去除噪声的同时保持较小的语音失真,增强效果明显优于DNN及NMF增强方法。     

电子束冷杀菌对即食鱿鱼丝保藏作用的研究

利用电子束处理即食鱿鱼丝,在贮藏期间对鱿鱼丝总挥发性盐基氮、过氧化值、酸价和菌落总数进行测定,分析不同剂量电子束对鱿鱼丝的杀菌效果及其保藏作用。结果表明:电子束处理后鱿鱼丝T-VBN值、POV、AV均有不同程度的增加,但随着贮藏时间的延长,对照组样品T-VBN值、POV、AV的上升速度大于辐照组样品;除色泽略有加深外,电子束处理对鱿鱼丝感官影响不明显;电子束处理能有效降低鱿鱼丝的菌落总数,其中D10=3.62kGy,D=8.98kGy。使用电子束处理鱿鱼丝能延长产品保质期。      

基于机器学习和车辆路径问题模型的 园林绿化垃圾空间分布预测与处理设施 选址研究——以武汉市为例

园林绿化垃圾资源化循环利用的基础是处理设施体 系建设。以武汉市中心城区为例,分别对园林绿化垃圾空间分 布与处理设施选址进行研究。针对前者,基于高清卫片、街景 影像、行道树空间点位等大数据,利用机器学习中的分类(卷 积神经网络)、聚类(K均值聚类)和回归预测(多项式回归、随 机森林)等模型,实现对现状及规划地区的日常和峰值园林绿 化垃圾产生量的合理测算;针对后者,采用车辆路径问题类算 法中的自适应大邻域搜索算法,带入距离最近、运输周转量最 少、有限时间窗口和有限设施容量等限定条件,对组团收集 点、就近消纳站、综合处理厂和集中转运站4类设施及有关线 路进行智能选址。根据结果,预测研究区域内日常园林绿化垃 圾产生量为32.71 万t/年,峰值产生量为7 万t,与同等级城 市情况类似。建议布局200处组团收集点、50个就近消纳站、 4处综合处理厂和14个集中转运站,以提升园林绿化垃圾收集 清运效率,实现区域“产-收”平衡。