煤层坚硬顶板爆破裂纹的扩展规律

针对煤矿爆破中煤层坚硬顶板外加控制孔后爆破孔与控制孔之间存在裂纹扩展不佳的问题,以永宁煤矿10204巷道沿空留巷为工程背景,利用LS-DYNA动力显示有限元分析软件,研究了含有控制孔时侧压力系数u、不耦合系数r、控制孔与爆破孔间距L对坚硬顶板裂纹扩展的影响规律,并进行了现场验证。研究结果表明:随着侧压力系数的增大,孔间裂纹扩展形态呈现方向性的规律,裂纹数量增多、长度增长;随着不耦合系数的增大,峰值有效应力呈现先增大、后减小的趋势;r=1.67时,峰值有效应力最大,相对于其他不耦合系数时的峰值有效应力高出30%~ 40%。r=1.67时,若u≤1,L的最佳值为500 mm;若u>1,L的最佳值为650 mm。     

脑网络中不同负连接处理方法的重测信度研究

为了准确刻画和评估脑功能网络的拓扑结构,如何定义网络的节点和边缘至关重要。基于四种节点定义策略和两种负连接处理方法来构建脑功能网络,并对其进行不同时间间隔的重测信度分析,通过绝对值与正相关网络的比较旨在发现负连接对脑功能网络可靠性的影响。实验结果表明,包含负连接信息的绝对值网络表现出相对较低的长期可靠性,并受到节点定义策略的限制。不同负连接处理方法的重测信度差异为人脑的功能网络研究提供了方法学建议。     

基因和排列熵在阿尔茨海默病早诊中的研究应用

由于阿尔茨海默病（Alzheimer’s Disease,AD）发病率高且不可逆,所以AD早诊尤为重要。已有研究发现AD患者与载脂蛋白E（Apolipoprotein E,APOE）有关,复杂度也有变化。可将复杂度用于AD诊断中,但其分类性能有待进一步提高。以排列熵（Permutation Entropy,PE）为指标,探讨了不同基因型的AD患者复杂度变化模式,研究了APOE载体的正常对照组（Normal Control,NC）、早期轻度认知损害（Early Mild Cognitive Impairment,EMCI）、晚期轻度轻度认知损害（Later Mild Cognitive Impairment,LMCI）和AD与未携带者脑信号复杂度的差异,提取显著差异脑区的PE值作为特征向量,根据基因型分别训练不同的分类器。结果表明,加上基因信息后可以96.67%的准确率区分EMCI与NC,且EMCI与LMCI的分类正确率由40.35%提高到88.24%,显著提高了AD早诊的正确率。     

gyrator变换域的高鲁棒多图像加密算法

目的 随着互联网通信和多媒体技术的快速发展,单幅图像加密技术难以满足日益增长的数据传输需求。为提高图像加密系统的传输效率,同时保证安全性和鲁棒性,本文构建一种基于gyrator变换和多分辨率奇异值分解（multi-resolution singular value decomposition,MRSVD）的多图像加密算法。方法 首先,将明文图像每两幅组合为复数矩阵,利用改进的logistic映射生成混沌相位掩模,对复数矩阵进行gyrator域的双随机相位编码。其次,将变换后矩阵的实部分量和虚部分量组合为实数矩阵并进行多分辨率奇异值分解。最后,使用正交系数矩阵对多分辨率奇异值分解的结果进行线性组合得到密文图像。结果 实验结果表明,使用本文算法得到的解密图像的峰值信噪比大于300 dB,解密图像质量相较于对比算法的解密图像质量更好;密钥发生微小改变前后密文相关系数（correlation coefficient,CC）远小于0.20,明文像素值发生微小变化时像素变化率（number of pixels change rate,NPCR）与归一化平均变化强度（unified average changing intensity,UACI）分别约为0.999 0和0.333 7;密钥空间大小为5.616 9×10⁶⁰,可以抵御蛮力攻击;当密文图像受到一定强度的高斯白噪声和剪切攻击时,本文算法能够较好地恢复明文图像。结论 所提出的多图像加密算法在高质量恢复明文图像的同时具有较高的安全性和较强的鲁棒性,可以应用于图像的内容保护与安全传输。     

一种面向移动平台的无人机自主降落控制方法

准确获取无人机的位姿信息是顺利执行无人机自主导航、着陆的首要前提。由于GPS/INS导航系统的局限性和IMU惯性导航系统的误差,提出了一种基于视觉导航的方法。设计了"H"形图像的着陆标志,对机载摄像机采集的实时影像进行图像处理,利用世界坐标系到图像像素坐标系的映射关系得到基于视觉的无人机位姿估计模型,进而解算无人机当前的位姿估计值。上述方法提高了无人机的着陆安全性。仿真结果验证了算法的有效性和位态信息的精确度。     

采用自注意力机制和CNN融合的实体关系抽取

At present, the neural network model plays an important role in entity relationship extraction tasks. Features can be automatically extracted by a convolutional neural network, but it is limited because a fixed window size convolution kernel in a convolutional neural network is used to extract contextual semantic information of words in a sentence. Therefore, this paper proposes a new relational extraction method fusing self attention and convolutional neural network. The original word vector is calculated by the self attention mechanism to obtain the relationship between the words in the sequence. The input word vector expresses richer semantic information, which can make up for the deficiency of the automatic extraction features of the convolutional neural network. The experimental results on the SemEval 2010 Task 8 dataset show that, after adding the self attention mechanism, our model is beneficial to improve the entity relationship extraction effect.     

基于注意力神经网络的糖尿病视网膜病变识别

针对目前糖尿病视网膜病变识别主要依赖于医生的临床经验,病变特征难以用肉眼区分且识别率较低等问题,提出一种基于注意力神经网络的糖尿病视网膜病变分类方法。首先,对原始数据集中的视网膜图像进行归一化、直方图均衡化和数据增强等预处理;其次,调整经典的DenseNet,在避免梯度消失和保证分类精度的前提下,有针对性地减少连接数,提出了2-DenseNet,同时将注意力模块嵌入到2-DenseNet中,指导网络关注视网膜图像中的渗出物、厚血管和微动脉瘤等特征,使用改进后的网络对预处理后的图像进行训练并测试;最后,在公开的Kaggle数据集上对多个网络进行对比,实验结果表明,该网络对糖尿病视网膜病变的分类性能高于其他对比网络。     

高斯自适应多尺度加权滤波去雾算法

为了达到良好的图像去雾效果,提出一种高斯自适应多尺度加权滤波去雾算法。通过多尺度最小值加权滤波得到暗通道图像,建立最小通道与高斯函数的关系,线性约束后并经过自适应参数对像素灰度值的调整得到粗级透射率,紧接着对得到的粗级透射率图像进行多尺度加权引导滤波得到优化透射率,结合加权大气光强并依据大气散射模型对图像进行去雾复原处理。实验结果表明,该方法有效地将单幅有雾图像进行了处理,与其他经典算法相比较得到的图像细节显示效果好,很好地恢复了场景的对比度,增加了图像的可见度,具备一定的优异性。     

基于脑功能超网络的多特征融合分类方法

针对在超网络上提取局部脑区指标作为特征,忽视了全局的拓扑信息,继而影响网络拓扑的评估,降低分类器性能的问题,提出了一种基于脑功能超网络的多特征融合分类方法,该方法首先在抑郁症数据集上构建超网络,其次将局部脑区特征和子图特征进行融合。最后采用基于多核的SVM分类器进行分类。为了验证所提方法的有效性,选取28例正常被试和38例抑郁症患者进行实验,结果表明,该方法获得了令人满意的分类准确率,平均可达91.60%。获得的异常区域包括左侧舌回、左侧尾状核、左侧丘脑等重要的抑郁症病发区域。故而该基于脑功能超网络的多特征融合分类方法可以有效地用于分类正常人和抑郁症患者。     

社交网络中基于IAUE模型的锚链识别

社交网络中的锚链识别对于跨网络信息传播、跨平台推荐、社交链预测等具有重要意义.针对当前锚链识别研究中准确率低的问题,提出了一种有效提高锚链识别准确率的方法：IAUE模型.该模型首先利用网络结构信息进行网络表征学习,然后利用BP神经网络、随机梯度下降和负采样等方法得到异构网络节点间的锚链候选集,最后辅以G-S算法精化锚链匹配结果,提高异构网络对齐的准确率.多个数据集上的实验结果表明,IAUE方法相比其他方法具有较高的性能和很好的泛化能力,可以较为准确地识别网络中的锚链.