课程文献中心 更多>>

关键词： 农产品质量   检测检验   抽样方法   检测场所  

摘要： 农产品质量和安全性检测结果的可靠性很大程度上依赖于合理的抽样检测方法.针对不同来源渠道的农产品,采取有针对性的抽样策略,可以提高抽样效率,也能更好地判定检测结果的代表性.本文首先阐述了农产品质量检测抽样的基本原则,然后根据不同农产品来源,具体分析了果蔬种植基地、设施大棚、农贸市场和超市便利店等场所的抽样检测方法,为各类农产品质量检测检验的抽样工作提供参考.

关键词： 乳腺肿瘤   受体,雌激素   受体,孕激素   体层摄影术,X线计算机   机器学习   决策树   神经网络,计算机   预测  

摘要： 目的 构建预测雌激素受体（ER）及孕激素受体（PR）双阴性乳腺癌的CT影像学机器学习模型。方法 收集2020年1月—2023年5月本院经病理确诊乳腺癌病人223例,按7∶3的比例随机分为训练集（156例）及验证集（67例）。收集病人的临床资料,分别采用CRT决策树及BP神经网络构建ER及PR双阴性乳腺癌的预测模型。结果 年龄、组织学类型、组织学分级、增殖细胞核抗原-67增殖指数、淋巴结转移及毛刺征在双阴性乳腺癌组与非双阴性乳腺癌组间差异有统计学意义（χ2=4.078～15.177,P<0.05）。在训练集和验证集中,CRT决策树模型预测双阴性乳腺癌的受试者工作特征曲线下面积（AUC）分别为0.758（95%CI=0.670～0.846）和0.796（95%CI=0.672～0.920）,BP神经网络模型的AUC分别为0.787（95%CI=0.701～0.874）和0.836（95%CI=0.722～0.950）。结论 CRT决策树模型及BP神经网络模型对ER及PR双阴性乳腺癌具有一定的预测效能,BP神经网络模型优于CRT决策树模型。

关键词： 大规模样本   FDH效率   枚举算法   动态更新  

摘要： 数据规模的增大与数据更新频率的加快为效率评价带来挑战. Free Disposal Hull (FDH) 是非凸技术下一种经典的的效率评价方法. 相比于凸性技术下的数据包络分析， FDH 效率求解的过程更加复杂， 且在数据快速更新的情形下难以保证评价结果的时效性. 针对上述问题， 首先在现有枚举算法的基础上提出了一种基于决策单元之间支配关系与参考关系的快速枚举算法 (Fast Enumeration Algorithm， FEA)， 用于计算大规模样本 FDH 效率值. 其次， 结合支配关系和参考关系的传递性提出了动态快速枚举算法 (Dynamic Fast Enumeration Algorithm， DFEA)， 用于更新 FDH 效率评价结果. 最后， 通过数值模拟与好大夫平台的医生评价应用验证算法的有效性. 实验结果表明， 与枚举算法相比， FEA 完成大规模样本 FDH 效率评价的用时明显减少， 且 DFEA 能够对大规模样本 FDH 效率评价结果进行实时更新.

关键词： 红外飞机检测   全局上下文   空间注意力   Focal Loss   易负样本  

摘要： 针对深度学习单阶段检测算法对红外飞机目标的特征提取能力不足以及样本学习不充分的问题，提出基于特征增强的全局上下文机制和样本充分学习的目标检测算法。基于特征增强的全局上下文机制可获取包含目标的全局信息与局部信息的特征图，从而提高特征提取网络对目标特征的提取能力。通过在Focal Loss中添加调制因子，在关注难负样本学习的基础上，充分利用包含目标特性的部分易负样本，使得样本充分学习，从而帮助检测算法学习到更有意义的目标特征。实验表明，提出算法在自制红外飞机数据集上的mAP50达到96.9%，能够有效实现红外飞机目标检测。

关键词： 测控   通信   链路分析   概率   容差   置信   精度   特征参数  

摘要： 针对当前测控通信链路计算方法置信度低的问题，文中分析了传统测控通信链路分析方法，在研究导致链路估算不准成因的基础上提出了基于概率统计模型的测控通信链路计算方法。根据三角型、均匀型以及高斯型分布的相关特征参数和概率密度函数进行测控通信链路正向、反向容差计算，得到不同置信度下的计算值。以测控设备作用距离估算、同步轨道卫星有效全向辐射功率（Effective Isotropic Radiated Power， EIRP）值推算两种应用场景为例，对计算过程进行说明。通过测控作用距离模型比较计算值与实际值，EIRP计算误差由14.8%降至1.47%，作用距离估算误差由12.35%降至1.84%，证明链路计算方法有效提高了链路预测精度。

关键词： 新疆绿洲灌区   玉米田   杂草群落   演替   驱动因素  

摘要： 为明确新疆绿洲灌区玉米田间杂草群落演替及原因，于2023年采用倒置“W”九点取样法对新疆5地州8个玉米主要种植县市玉米田杂草组成进行调查，并与2018年群落数据进行对比，分析2次调查时间节点之间以及由不覆膜逐渐改变为覆膜种植背景下的杂草演替规律。结果表明：稗Echinochloa crus-galli (L.) P. Beauv.和灰绿藜Oxybasis glauca (L.) S. Fuentes， Uotila & Borsch按不同年份和不同种植模式统计均是新疆绿洲灌区玉米田的优势杂草，其优势度始终排在前2位，综合优势度分别为15.30、18.52和12.03、11.54。2023年玉米田杂草群落物种丰富度和香农指数高于2018年，尤其是禾本科杂草种类增多，危害程度加重。在2018年相对优势度≥1.00的只有稗、狗尾草Setaria viridis (L.) Beauv.和牛筋草Eleusine indica (L.) Gaertn. 3种；2023年则为5种，新增物种包括画眉草Eragrostis pilosa (L.) Beauv.和芦苇Phragmites australis (Cav.) Trin. ex Steud.，另外，田旋花Convolvulus arvensis L.和播娘蒿Descurainia sophia发生加重，已演替为优势杂草，其相对优势度由2018年的4.87和3.18上升为2023年的6.96和6.47。调查还发现，覆膜滴灌种植模式下玉米田优势杂草总密度显著低于不覆膜种植，而香农指数、物种丰富度和均匀度指数均高于不覆膜种植。综合分析，新疆绿洲灌区玉米田杂草群落演替因素主要包括种植模式[覆膜种植（覆膜滴灌）、不覆膜种植（不覆膜滴灌和漫灌）]、用药种类、用药方式和用药频次等。

关键词： 信号识别   零样本学习   卷积神经网络   自编码器   组合损失  

摘要： 针对深度学习模型在信号调制识别应用中无法有效识别未知调制方式的问题，提出了一种基于零样本学习和自编码器的信号调制识别模型，用于信号调制开集识别。通过自编码器提取调制信号的特征，引入交叉熵损失、中心损失和重构损失使得不同调制信号的特征能够良好分离，进一步根据特征空间的分布进行调制信号的开集识别。此外，利用解码器重构信号并加入训练，有效提升了模型识别率。实验结果表明，模型能够在提升已知类识别率的前提下对未知类进行区分，且对未知类的分类效果优于传统的开集识别方法，其中未知类识别率达到80％，已知类识别率稳定在95％左右。

关键词： 碳排放   时空演变特征   影响因子   随机森林模型   云南省  

摘要： 研究碳排放的时空特征及其驱动因素对于实现“双碳”目标至关重要.本研究运用莫兰指数分析和冷热点分析方法，明晰了云南省2000-2021年碳排放的时空演变规律；采用随机森林模型，识别了云南省16个州市的关键社会经济影响因素.研究发现，云南省没有明显的碳排放低值区域，排放值普遍接近平均值，在空间分布上较为均匀.在研究时段内，热点区域较为稳定，呈现明显的空间聚集效应.进一步分析发现，工业增加值、能源消费、人口数量和GDP 是影响碳排放的主要因素.研究结果可为制定区域碳中和路线图和实施差异化碳减排决策以及低碳绿色发展提供依据.

关键词： 深度学习   机票价格预测   时间序列   卷积神经网络   长短期记忆网络  

摘要： 针对航空公司在竞争激烈的航线市场中对未来机票价格走势预测的需求，本文提出一种基于卷积神经网络（Convolutional Neural Network，CNN）和长短期记忆网络（Long Short-term Memory Neural Network，LSTM）的混合模型CNN-LSTM.在数据构建与输入部分综合考虑航空公司之间的竞争关系，以及对机票价格波动产生影响的多个因素，如航空公司属性、航班属性和时间属性等，构建适用于卷积神经网络的多通道数据结构.在模型部分，首先利用一维卷积神经网络（one-dimensional Convolutional Neural Network，1D-CNN）对输入的机票价格及相关影响因素进行特征提取；其次，通过长短期记忆网络捕捉机票价格时间序列中的时间依赖关系，从而对航线内不同航班的未来机票价格进行准确预测.实验结果表明：相较于机器学习模型、单一深度学习模型和传统时间序列模型，本文提出的CNN-LSTM混合模型具有更好的预测性能.其中，平均绝对误差相比其他方法降低了18.7%～57.1%，平均绝对百分比误差降低了9.31%～27.35%.该研究能够为航空公司在票价制定与调整方面提供有力的参考依据，同时为机票价格预测领域的研究提供了新的思路和方法.

关键词： AI和HI融合   应急决策   演化博弈   动态能力  

摘要： 随着不确定性逐渐加强，对我国应急管理决策机制提出了新的挑战，特别是突发性公共事件。本研究从动态能力的视角出发，探索AI（人工智能）和HI（人类智能）融合在提升应急管理决策机制中的作用，通过博弈模型构建“HI主AI辅”和“HI主AI辅”两种应急决策策略，进一步探究人机融合应急管理动态能力作用机制。研究发现，人机融合的动态能力能够帮助应急管理决策，在这一作用机制中，HI和AI作为能动主体，基于不同能力实现AI和HI交互效能，进一步形成应急管理决策机制，即智能匹配、情景感知与判断一致性、智能化信息分发、突发事件响应与实施规划。