基于线-超图神经网络的阿尔兹海默症分类

在阿尔兹海默症分类问题中,超图神经网络可以从被试间的超图关系中提取特征,在表示学习复杂图结构方面具有很好的优势,但大多数模型都直接或间接地将超图所表示的被试间的高阶复杂关系分解,转化为简单的二元关系进行特征学习,没有有效利用超边的高阶信息,因此提出了基于线-超图神经网络(line-hypergraph neural network, L-HGNN)的阿尔兹海默症分类模型,该模型利用稀疏线性回归表征被试间多元相关性,借助超图和线图的转换在神经网络模型中实现节点的高阶邻域信息传递和超边整体结构特征学习,同时,结合注意力机制生成更具区分性的节点嵌入,进而用于阿尔兹海默症的辅助诊断.在ADNI数据上与常用的两种方法比较,实验结果表明,该方法能有效提高分类准确率,在阿尔兹海默症早期诊断上具有重要的应用价值.     

基于多尺度的稀疏脑功能超网络构建及多特征融合分类研究

脑功能超网络已成功应用于脑疾病的诊断。在之前的研究中,集中通过改变超边的方法来改善超网络的构建,忽略了不同尺度的节点定义对脑功能超网络拓扑的影响。考虑到该问题,提出了基于不同尺度的脑区划分来进行脑功能超网络的创建,从而分析其对脑功能超网络拓扑和分类性能的影响。具体来说,首先,基于自动解剖标记模板,利用聚类算法和随机动态种子点的方法对大脑进行细分割;其次,基于每种节点规模下所得的平均时间序列,利用LASSO方法分别进行脑功能超网络的构建;接着分别提取功能超网络的多组局部特征(节点度、最短路径长度、聚类系数),并利用非参数检验和基于相关的方法选取每种节点规模下的差异特征;最后,分别利用支持向量机构建分类模型。分类结果显示,随着节点规模的增大,所构建的脑功能超网络分类准确率增高,在节点尺度1 501下,准确率高达95.45%。同时,多尺度融合的分类准确率优于任一尺度下的分类准确率,这表明不同尺度的节点定义会影响脑功能超网络的拓扑,在未来的脑功能超网络研究中,除了关注超边的构建方法外,应更加关注大脑划分方案的选择,而且多种基于大脑划分的尺度融合特征可以补充更多的分类信息,提高抑郁症与正常人的分...     

高斯型激光束在圆孔衍射过程中的光束畸变

由于激光畸变所产生的现象及其形成的物理机制十 分丰富,对畸变激光传输特性的研究已然成为一个重要的光学类课题。对此本文将以激光的 圆孔衍射作为切入,采用Zernike多项式函数拟合相位畸变元件的方法,探讨具有高斯型分布 的激光束在圆孔衍射过程中的光束畸变。进一步分析波长、传播距离及函数的阶数对光束畸 变的影响。结果显示,在畸变影响下,由于相散畸变因子作用导致光束 发生对称性退化,引起光束发生分裂,中心光强位置发生偏移,产生像散和离焦畸变现象。 而Zernike多项式函数中q 值会显著影响畸变中光束发生分裂的数量,且随激光波长和传播距离的增大,其畸变影响增 强,像散和离焦变得越明显。     

基于3D打印的木材细胞壁仿生设计

木材中起骨架作用的纤维素是以不同螺旋结构的微纤丝形式存在于细胞壁中。本文通过将3D打印技术与仿真模拟相结合,研究木材细胞壁的纤维螺旋增强结构。使用微晶纤维素(MCC)/聚乳酸(PLA)复合材料,在对MCC/PLA复合材料各项性能进行测试的基础上,借助3D打印技术构建木材细胞壁螺旋结构,通过改变纤维取向和纤维孔状结构编程合成结构的力学功能。有限元仿真则用于强调纤维在刚性单元之间的载荷传递机制中的关键作用。结果表明：通过编程纤维的取向和结构可以宏观调控结构的性能,其中纤维的交叉结构作为一种优化设计可以用于提高结构成型制品的力学性能。这些结构可以被组装成更大的系统,用于构建具有优化特定功能的模块化复合材料;在异质结构设计和新型复合材料制造领域中均具有潜在的应用价值。     

基于粗糙集理论的配网度夏项目决策方法

供电企业实施配网度夏项目是满足客户用电需求、缓解夏季区域供电压力的重要手段,但由于当前度夏项目基数大、决策无规则可循,使得运营监管效率偏低、决策难度较大。针对上述问题,文中提出一种基于粗糙集理论的配网度夏项目决策方法。首先以度夏项目明细数据构成论域,采用箱型图法去除数据异常值并对条件属性集进行粗糙划分;其次与决策属性集构建信息系统,并对该信息系统进行知识约简得到核;然后根据核提取决策规则,并对所提取规则的精度及粗糙度进行计算分析;最后通过实例对决策规则进行了验证,证明所提方法的有效性。     

复合发酵剂发酵脱脂乳与豆乳的工艺优化

该研究以脱脂乳和豆乳为原料,马克斯克鲁维酵母、嗜热链球菌和保加利亚乳酸杆菌作为发酵剂,以滴定酸度和感官评分作为指标,通过单因素试验及响应面试验,优化脱脂乳豆乳体积比、白砂糖添加量、发酵剂接种量及发酵温度,并对优化后的复配发酵乳在贮藏期间的质构、持水力、滴定酸度、感官评分和活菌数进行测定。结果表明,最佳发酵条件为脱脂乳与豆乳体积比82 ∶18、白砂糖添加量7.25%、发酵剂接种量3.92%,在42 ℃发酵4.5 h,所得复配发酵乳的感官评分最高,为94.85;在该优化条件下制备的发酵乳后熟12 h,硬度为99.39 g,滴定酸度为97.52°T,活菌数为2.7×109 CFU/mL,发酵乳颜色呈乳黄色、组织状态均匀、酸甜适口、口感柔和润滑、具有复配发酵乳独特的豆香味和浓郁的奶香味,在14 d 贮藏期内具有良好的风味、质构及感官接受度。     

基于粗糙集理论的配网度夏项目决策方法

供电企业实施配网度夏项目是满足客户用电需求、缓解夏季区域供电压力的重要手段,但由于当前度夏项目基数大、决策无规则可循,使得运营监管效率偏低、决策难度较大。针对上述问题,文中提出一种基于粗糙集理论的配网度夏项目决策方法。首先以度夏项目明细数据构成论域,采用箱型图法去除数据异常值并对条件属性集进行粗糙划分;其次与决策属性集构建信息系统,并对该信息系统进行知识约简得到核;然后根据核提取决策规则,并对所提取规则的精度及粗糙度进行计算分析;最后通过实例对决策规则进行了验证,证明所提方法的有效性。     

《七天爱上你》的文化解读与叙事研究

《七天爱上你》给观众积极的展现了现代社会当中都市男女的爱情故事,画面唯美,场景真实,故事简单却不乏审美意味。相较于同类影片不能说出类拔萃,但对爱情主题的开掘却独具一格,特别是对在当今消费社会当中生活的人们来说,纯情离我们并不遥远。人是情感动物,人的社会充满温情,我们在时代的大潮中与时俱进,但我们应该静下心来用心的去欣赏一下艺术,体验一下艺术的原生态。     

基于深度信念网络的配变台区跳闸预测

针对配电网公变台区在夏季易出现配变跳闸故障,对供电可靠性造成严重影响等问题,提出一种基于深度信念网络（DBN）的配变台区跳闸预测方法。首先,针对配变跳闸为小概率事件,利用Borderline-SMOTE算法对训练样本进行抽样以处理数据不平衡问题;然后使用新样本训练形成DBN预测模型。由于传统DBN在学习训练过程中易于陷入局部最优,故采用纵横交叉优化算法进行优化;最后,通过算例测试验证了该模型的有效性。