检索结果-南通市图书馆

指尖脉搏容积测定（PAV）评估血管内皮功能的方法学研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

指尖脉搏容积测定（PAV）评估血管内皮功能的方法学研究

作者：刘园桥吉林大学

学位级别：硕士

女大学生强化敏感性对情绪性进食的影响：链式中介模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

女大学生强化敏感性对情绪性进食的影响：链式中介模型

作者：黄钰桥广州大学

学位级别：硕士

近年来,情绪性进食已逐渐成为一种广泛存在的不良饮食行为和应对机制。情绪性进食不仅是导致进食障碍和肥胖等疾病的重要因素,同时也会增加糖尿病、心脏病等代谢性疾病的发病风险。鉴于此,情绪性进食已经引起了科研人员的广泛关注。在... 详细信息

近年来,情绪性进食已逐渐成为一种广泛存在的不良饮食行为和应对机制。情绪性进食不仅是导致进食障碍和肥胖等疾病的重要因素,同时也会增加糖尿病、心脏病等代谢性疾病的发病风险。鉴于此,情绪性进食已经引起了科研人员的广泛关注。在此背景下,强化敏感性理论(RST)提供了一个神经生物学视角,用于解释情绪性进食个体差异的病因和过程。本研究采用混合方法研究——顺序性解释设计,分别进行了两阶段的研究:量性研究与质性研究。1.在量性研究阶段,采用横断面调查研究设计,旨在探讨女大学生强化敏感性(BAS/BIS)与情绪性进食之间的关系,并构建体育锻炼与心理弹性的链式中介模型。本研究使用了行为抑制/行为激活量表(BIS/BAS)、体育活动评定量表(PARS-3)、心理弹性量表(CD-RISC-10)以及情绪性进食量表(EES-CA)进行量性数据收集,共获得有效问卷668份。随后,本研究使用SPSS26.0等统计工具对数据进行整理和统计分析。结果如下:(1)奖赏敏感性(BAS)显著负向预测情绪性进食,体育锻炼、心理弹性在其间的中介效应显著。奖赏敏感性(BAS)不仅能直接预测情绪性进食,还能分别通过体育锻炼与心理弹性对情绪性进食产生影响。(2)体育锻炼、心理弹性的链式中介效应显著。奖赏敏感性(BAS)可以依次通过体育锻炼、心理弹性对情绪性进食产生影响。(3)惩罚敏感性(BIS)显著正向预测情绪性进食,体育锻炼、心理弹性在其间的中介效应显著。惩罚敏感性(BIS)不仅能直接预测情绪性进食,还能分别通过体育锻炼与心理弹性对情绪性进食产生影响。(4)体育锻炼、心理弹性的链式中介效应显著。惩罚敏感性(BIS)可以依次通过体育锻炼、心理弹性对情绪性进食产生影响。2.在质性研究阶段,采用描述性定性研究方法,通过目的抽样法,对10名在情绪性进食量表(EES-CA)得分较高的女大学生进行深入访谈。根据访谈结果提炼出了四大主题以及十三个子主题。本研究得出以下结论:(1)强化敏感性(BAS/BIS)可直接影响情绪性进食;(2)强化敏感性(BAS/BIS)可通过体育锻炼影响情绪性进食;(3)强化敏感性(BAS/BIS)可通过心理弹性影响情绪性进食;(4)强化敏感性(BAS/BIS)可通过影响体育锻炼,进一步影响心理弹性,进而间接影响情绪性进食。综上所述,体育锻炼、心理弹性是强化敏感性(BAS/BIS)影响情绪性进食的重要内在机制,因此,有必要对高奖赏敏感性(BAS)及高惩罚敏感性(BIS)人群进行提前筛查,建立良好的体育锻炼习惯和提高心理弹性可能是预防或改善女大学生情绪性进食倾向或行为的有效途径。

关键词：女大学生情绪性进食强化敏感性体育锻炼心理弹性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

预混火焰在封闭狭缝内传播动力学研究

工程热物理学报 2024年第3期45卷 886-894页

作者：霍杰鹏苏航蒋利桥汪小憨中国科学院广州能源研究所广州510640 中国科学院可再生能源重点实验室广州510640 广东省新能源和可再生能源研究开发与应用重点实验室广州510640 上海空间推进研究所上海201112

本文构建了一个封闭圆盘狭缝空间的一维平面火焰动力学模型,研究了存在壁面热损失条件下可燃混合物在封闭的圆盘狭缝定容装置内火焰的传播特性。模型预测结果与实验结果定性地吻合。模型表明显示,壁面散热降低火焰传播速度的机制在于其... 详细信息

本文构建了一个封闭圆盘狭缝空间的一维平面火焰动力学模型,研究了存在壁面热损失条件下可燃混合物在封闭的圆盘狭缝定容装置内火焰的传播特性。模型预测结果与实验结果定性地吻合。模型表明显示,壁面散热降低火焰传播速度的机制在于其使高温已燃气体向低温未燃气体方向的膨胀能力减小,导致火焰前锋的当地流场速度降低,而且同时降低了火焰温度和燃烧反应速率。因此增大初始压力或掺氢气等低活化能的反应物能够有效降低壁面散热的不利影响。该计算模型能够丰富微小尺度封闭空间内火焰传播相关理论,并提供在微小封闭空间内提高火焰传播速度和燃烧效率的理论依据和调控手段。

关键词：层流火焰微尺度燃烧壁面散热火焰动力学

基于聚类和主动学习的高光谱图像特征提取与分类研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于聚类和主动学习的高光谱图像特征提取与分类研究

作者：李银桥西安邮电大学

学位级别：硕士

高光谱图像(Hyperspectral Image,HSI)包含了丰富的光谱和空间信息,但带类标样本少,卷积神经网络(Convolutional Neural Network,CNN)可提取有效的HSI深度特征,从而获得较好的分类结果。针对CNN随着网络加深,特征图尺寸减小,而导致的信... 详细信息

高光谱图像(Hyperspectral Image,HSI)包含了丰富的光谱和空间信息,但带类标样本少,卷积神经网络(Convolutional Neural Network,CNN)可提取有效的HSI深度特征,从而获得较好的分类结果。针对CNN随着网络加深,特征图尺寸减小,而导致的信息丢失、分辨率降低的问题,构建了基于空谱注意力叠加的双通道网络(Dual-Channel Network With Spectral-Spatial Fusion Attention,DC-SSFA),首先设计空谱注意力叠加模块(Spectral-Spatial Fusion Attention,SSFA)以突出光谱空间的重要信息,接着提出双分支融合模块(Dual-Branch Fusion,DBF)及扩张卷积融合模块(Dilated Convolutional Fusion,DCF),可有效捕获HSI的多尺度信息,并减少信息丢失。针对HSI带类标样本少,而CNN随着网络层数加深参数量迅速增加,需要大量带类标训练样本的问题,构建了基于主动学习的聚类卷积神经网络(Active Learning-Clustering Convolutional Neural Network,AL-Cluster CNN),ALCluster CNN以聚类卷积神经网络(Clustering Convolutional Neural Network,Cluster CNN)为基础网络,引入主动学习(Active Learning,AL)从无类标样本中选取有价值的样本,辅助标记样本训练网络,可使网络在标记样本少的情况下获得高的分类精度。为进一步解决HSI带类标样本少与CNN深度增加导致参数量增加,需要大量带类标样本用于训练的矛盾,提出基于主动学习的聚类分组网络(Active Learning-Clustering-Based Group Convolutions Network,AL-CGNet),首先设计偏轻量化的聚类分组网络(Clustering-Based Group Convolutions Network,CGNet)可显著降低网络参数,接着将CGNet联合AL从无类标样本中挑选信息量大的高质量训练样本加入训练集,可在标记样本有限的情况下,对网络进行充分训练,最终形成AL-CGNet。所研究的内容如下:(1)针对CNN随着网络层数加深,特征图尺寸减小,从而引起的信息丢失、分辨率下降问题,设计了基于空谱注意力叠加的双通道网络DC-SSFA,可充分利用HSI的全局和多尺度信息,减少学习过程的信息丢失。DC-SSFA中的空谱注意力叠加模块SSFA将降维后的HSI分别通过光谱注意力与空间注意力并融合,可提高对全局信息的利用效率;所提出的双分支融合模块DBF对两个分支采用不同尺度卷积核,并将所提取的不同特征进行融合,以有效捕获HSI多尺度特征;扩张卷积融合模块DCF采用连续不同扩张率的扩张卷积,将具有多个感受野的特征进行融合,以在不增加额外参数和不牺牲分辨率的同时增大感受野,并引入残差实现全局信息和多尺度信息的融合。三个实测的高光谱数据集的实验结果表明,与Cluster CNN、光谱空间残差网络(Spectral-Spatial Residual Networks,SSRN)、混合网络(Hybrid Spectral CNN,Hybrid SN)、快速紧凑的3D-CNN(Fast and Compact 3D-CNN,FC-3DCNN)和混合CNN(Mixed-CNN,MCNN)相比,所提出的DC-SSFA具有更高的地物分类识别率。(2)针对HSI分类中面临的带类标样本少,而CNN随着网络层数增加参数量迅速增加,需要大量带类标训练样本的问题,构建了一个基于主动学习的聚类卷积神经网络AL-Cluster CNN用于HSI分类,通过挖掘未标记样本中的有价值信息,辅助标记样本训练网络,可获得更好的分类性能。AL-Cluster CNN以聚类卷积神经网络Cluster CNN为基础,采用聚类中心标记簇中样本,以充分利用无类标样本的信息,并联合AL从无类标样本中选取信息量大的样本加入训练集,通过挑选未标注样本中的高质量样本来辅助标注样本对网络进行训练,可进一步利用无类标样本中的有价值信息,从而解决带类标样本少的问题。为验证AL-Cluster CNN方法的有效性,将其与Cluster CNN、SSRN、Hybrid SN、FC-3DCNN、3D密集连接卷积网络(3D Densely Connected Convolutional Network,3D-Dense Net)方法在三个实测的高光谱数据集上进行实验比较,实验结果表明,AL-Cluster CNN在带类标样本少的情

关键词：卷积神经网络高光谱图像分组卷积聚类主动学习

中低温地热系统低盐度地热水高含量钠的地球化学成因:以广东惠州黄沙洞地热田为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

地球科学 2024年第1期49卷 271-287页

作者：史自德毛绪美叶建桥董亚群中国地质大学环境学院湖北武汉430078

高温地热系统中地热水中Na^(+)含量一般超过300 mg/L,盐度也较大(TDS>1000 mg/L).而在中低温地热系统中,低盐度地热水的Na^(+)含量一般小于160 mg/L.但在广东黄沙洞中低温地热系统出露的地热水中Na^(+)高达325.4 mg/L,TDS小于650 mg/L.... 详细信息

高温地热系统中地热水中Na^(+)含量一般超过300 mg/L,盐度也较大(TDS>1000 mg/L).而在中低温地热系统中,低盐度地热水的Na^(+)含量一般小于160 mg/L.但在广东黄沙洞中低温地热系统出露的地热水中Na^(+)高达325.4 mg/L,TDS小于650 mg/L.经典的水文地球化学作用(矿物溶解、离子交换等)很难解释其成因.样品水化学结果表明,地热水水化学类型均为HCO_(3)-Na型,钠含量高(平均值为240.06 mg/L).氢氧同位素结果表明地热水与浅层地下水均具有相同的大气来源,都是瑶坑山区大气降水补给.水化学地温计和多组分矿物平衡(MME)评估的热储温度为100~130℃,地热水循环深度最大为2.43 ***^(-)作为混合比计算指标揭示浅层地下水混入地热水的比例为51%~72%,深部地热水中Na^(+)实际含量应该高达685.2 mg/L.水-岩相互作用模拟结果表明,矿物溶解和离子交换对地热水中Na^(+)富集的贡献较小,也揭示出地热水中存在Na^(+)的额外来源.花岗岩流体包裹体微小但广泛存在于结晶矿物颗粒之间,其中Na^(+)含量平均值为11 758.9 mg/L.在地热水加热情况下,断裂和花岗岩裂隙网络层面及附近的流体包裹体膨胀破裂,流体混入到地热水中,为地热水提供了平均83%的Na^(+).因此,花岗岩流体包裹体可能是中低温地热系统低盐高钠地热水中Na^(+)的主要来源.

关键词：水化学低盐高钠地热水水化学温度计花岗岩流体包裹体黄沙洞地热田水文地质

基于改进CenterNet的轻量级无锚框SAR图像多尺度舰船检测算法

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

哈尔滨工程大学学报 2024年第3期45卷 504-516页

作者：谢洪途姜新桥王国倩谢恺中山大学(深圳)电子与通信工程学院广东深圳518107 广州医科大学第五附属医院广东广州510700

针对复杂场景下多尺度舰船检测精度较差、效率较低、泛化性较弱等问题,本文构建了一个轻量级无锚框的合成孔径雷达图像舰船检测框架。为满足合成孔径雷达图像舰船实时检测的需求,提出了基于改进CenterNet的轻量级无锚框合成孔径雷达图... 详细信息

针对复杂场景下多尺度舰船检测精度较差、效率较低、泛化性较弱等问题,本文构建了一个轻量级无锚框的合成孔径雷达图像舰船检测框架。为满足合成孔径雷达图像舰船实时检测的需求,提出了基于改进CenterNet的轻量级无锚框合成孔径雷达图像舰船检测方法,通过预测目标关键点的信息及检测框的相关属性,实现了合成孔径雷达图像舰船快速准确定位与检测。为解决合成孔径雷达图像样本稀缺的问题,采用了适用于合成孔径雷达舰船图像的数据增强方法以扩充训练样本,并引入了多尺度训练以增强模型泛化性能。实验结果表明:本文方法具有检测效率高、检测精度好、泛化性能强等优势,能实现复杂场景下多尺度舰船的实时高精度检测。

关键词：合成孔径雷达图像复杂场景多尺度训练舰船检测改进CenterNet 轻量级无锚框数据增强

核心素养视域下BOPPPS教学模式在高中物理教学中的应用研究

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

核心素养视域下BOPPPS教学模式在高中物理教学中的应用研究

作者：郑桥桥湖南理工学院

学位级别：硕士

数据与知识联合增强的少样本抽取式机器阅读理解方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数据与知识联合增强的少样本抽取式机器阅读理解方法研究

作者：肖桥重庆交通大学

学位级别：硕士

抽取式机器阅读理解任务作为自然语言处理领域重要的基础性任务之一,其可充当文本-表格混合问答、表格SQL问答的子任务,又可单独应用至搜索引擎、智能客服、桥梁智能管养等多个领域,有效提升其数字化、智能化水平。随着深度学习和预训... 详细信息

抽取式机器阅读理解任务作为自然语言处理领域重要的基础性任务之一,其可充当文本-表格混合问答、表格SQL问答的子任务,又可单独应用至搜索引擎、智能客服、桥梁智能管养等多个领域,有效提升其数字化、智能化水平。随着深度学习和预训练技术的成熟与发展,通过“预训练+微调”范式,预训练语言模型极大促进了抽取式机器阅读理解任务研究的进步,其在部分数据集上性能已然超过了人类水平。然而,预训练语言模型在微调过程中需要使用大规模人工标注的高质量数据,其会耗费大量的人力、物力和财力资源,部分特定领域(医疗、法律等)甚至需要聘请领域专家来进行人工标注,非常繁琐和复杂。对此,开展少样本场景下的抽取式机器阅读理解任务研究,将有效扩大该任务的应用范围,促进传统领域应用向数字化、智能化转型升级,具有显著的研究意义。鉴于当前少样本场景下抽取式机器阅读理解任务研究仍处于起步阶段,少样本抽取式机器阅读理解任务性能仍有待提升,本文提出了数据与知识联合增强的少样本抽取式机器阅读理解方法,并开展了如下研究:(1)以八个少样本抽取式机器阅读理解数据集为研究对象,通过统计和实验手段详细分析了各组成部分的数据特性与当前少样本抽取式机器阅读理解模型的答案定位和知识掌握能力。从特性分析结果可知,不同数据集的子词数量、答案位置等属性各不相同,且包含实体较多,文本理解与任务适应难度较高;从实验分析结果可知,现有少样本抽取式机器阅读理解模型具备一定的答案模糊定位能力,但知识掌握水平较低,字面匹配现象广泛存在。(2)针对预训练和微调阶段存在的任务适应困难这一问题,提出了命名实体-名词短语意识的片段选择伪数据构造策略,通过生成的伪训练数据对模型进行进阶训练。同时,针对现有模型在答案抽取时存在的模糊定位现象,提出了融合答案边界信息的对比学习方法。实验结果表明,所提进阶训练和对比学习方法有效降低了现有模型在预训练和微调阶段的任务差异,且提高了答案定位精准度,在多数少样本抽取式机器阅读理解数据集上取得了优异性能。(3)针对现有模型在答案抽取时存在的字面匹配现象,提出了面向问题理解的知识增强多任务学习方法,在不引入任务差异的前提下为模型注入了大量知识。同时,对所提命名实体-名词短语意识的片段选择伪数据构造策略在数据构造格式和任务类型组成上进行改进,进一步缩小了预训练和微调阶段的任务差异,大大降低了微调任务适应难度。从实验结果可知,所提数据与知识联合增强的少样本抽取式机器阅读理解方法极大提升了现有模型的答案精准定位能力,在所选八个少样本抽取式机器阅读理解数据集上均取得了最佳性能。综上所述,本文面向少样本抽取式机器阅读理解任务,基于数据集的统计和实验分析,分别提出了伪数据增强的进阶训练方法、融合答案边界信息的对比学习方法和面向问题理解的知识增强多任务学习方法,极大提升了现有少样本抽取式机器阅读理解任务性能,在促进任务研究和扩大应用范围的同时,也可为自然语言处理领域其他少样本任务提供方法参考。

关键词：机器阅读理解少样本数据增强知识增强

新疆伊犁河流域植被生产力时空动态及其影响因素分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

新疆伊犁河流域植被生产力时空动态及其影响因素分析

作者：李昕桥内蒙古农业大学

学位级别：硕士