检索结果-南通市图书馆

不变张量技术在半线性椭圆与次椭圆偏微分方程解的分类中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国科学：数学 2024年第10期54卷 1627-1648页

作者：麻希南吴天中国科学技术大学数学科学学院合肥230026

在研究椭圆或次椭圆偏微分方程的解的估计以及分类中,从20世纪70年代Obata开始发展起来的向量场方法是一个非常有用的方法.但是在不同的问题中,如何寻找所需要的向量场是一个十分技巧性的问题.本文通过引进不变张量技术与量纲守恒思想,... 详细信息

在研究椭圆或次椭圆偏微分方程的解的估计以及分类中,从20世纪70年代Obata开始发展起来的向量场方法是一个非常有用的方法.但是在不同的问题中,如何寻找所需要的向量场是一个十分技巧性的问题.本文通过引进不变张量技术与量纲守恒思想,对于典型的几个半线性椭圆或次椭圆偏微分方程,找到合适的向量场,即得到所要的微分恒等式,从而得到相关解的分类定理.本文详细给出新旧方法的对比.

关键词：不变张量半线性椭圆方程 Heisenberg群

维普期刊数据库

同方期刊数据库

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

黄之隽《香屑集》研究

黄之隽《香屑集》研究

作者：范希璇闽南师范大学

学位级别：硕士

蒙药全麦菌汤的毒性试验研究及调节胃肠道菌群功能检验研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

蒙药全麦菌汤的毒性试验研究及调节胃肠道菌群功能检验研究

作者：特格希内蒙古民族大学

学位级别：硕士

基于红外可见光图像融合的雷达管制员疲劳状态识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于红外可见光图像融合的雷达管制员疲劳状态识别研究

作者：翟梓希中国民用航空飞行学院

学位级别：硕士

随着我国经济复苏,民航航班数量不断增加,空中交通流量迅猛增长,空中交通管理系统的运行压力和复杂程度日益增大,管制员工作负荷也越发沉重。因管制员疲劳引发的不安全事件数量也在逐年增多,准确识别管制员的疲劳状态并及时根据实际情... 详细信息

随着我国经济复苏,民航航班数量不断增加,空中交通流量迅猛增长,空中交通管理系统的运行压力和复杂程度日益增大,管制员工作负荷也越发沉重。因管制员疲劳引发的不安全事件数量也在逐年增多,准确识别管制员的疲劳状态并及时根据实际情况做出应对处理,可以有效降低因管制员疲劳问题导致的空管安全风险。本文利用非接触式计算机视觉技术避免因数据采集而对管制员产生额外的干扰,围绕红外可见光图像融合技术、图像特征信息提取、管制员疲劳状态识别方法等核心问题开展了雷达管制员疲劳状态识别的相关研究。首先,为了顺利采集空中交通管制工作场景下的红外可见光图像,开发出了一种可以跨平台使用双目摄像头的图像信息采集录制软件工具,对其帧率、稳定性、压缩能力、跨平台能力等方面进行了测试,验证了该软件工具具备较强的稳定性和实用性。其次,使用不同数据集之间的横向对比二十种红外可见光图像融合方法的实际融合效果,使用Lat LRR方法对图像进行融合效果最好,其融合图像的平均信息熵(Information Entropy,EN)和标准差(Standard Deviation,SD)参数排名均为首位,其数值分别为7.55,49.73,但时效性最差,融合单幅图像平均耗时403.78秒。TIF方法的时效性最好,融合单幅图像平均耗时0.11秒,但是融合之后的图像信息熵、标准差数值分别为7.04,33.38均排名靠后。GFF方法融合图像的信息熵、标准差数值分别为7.27,40.27排名靠前,效果优于TIF略次于Lat LRR方法;融合单幅图像平均耗时0.39秒,时效性略次于TIF,但大幅优于Lat LRR方法。综合考虑各方法的实际融合效果和时效性,选定GFF作为本文红外可见光图像融合方法。再次,有效提取图像的EAR、MAR、人体头部姿态、人体距离等特征信息。通过实际案例测得在睁眼时EAR数据约为0.419,闭眼时约为0.079;嘴巴在张开始MAR的数值约为1.219,嘴巴闭合时约为0.471。通过3D-2D点对点投影标定法以及罗德里格斯公式可以求解出二维平面图像中人体头部姿态的Pitch、Yaw、Roll三轴的具体数值分别为-2.75/-15.89/-3.76;根据三角测量法基本原理并增加11厘米纠偏量后可以有效估计出人体距离。然后,依据相关文件将管制员疲劳状态分为五个级别;并以此为基础,展开了各级别疲劳特征的阈值判定,通过指定管制员疲劳状态评估指标和离散选择模型中的有序Logistic模型对实际采集的数据进行计算并最终得到了各个特征值之间的实际阈值以及95%的置信区间。最后,通过对比得出使用图像融合技术相较于可见光图像在进行雷达管制员疲劳状态识别时准确率提高了9.37%。完成了管制员疲劳敏感动作的分析、疲劳状态等级的划分,总结出了通过管制员面部综合特征对其疲劳状态进行识别的方法,研发了雷达管制员疲劳识别终端软件。通过对比本文提出的管制员面部综合特征疲劳识别、PERCLOS、驾驶员疲劳检测等方法,得出了本文所提出的疲劳识别方法准确率明显高于其他二种疲劳检测方法。

关键词：雷达管制员疲劳识别可见光图像红外图像图像融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

赡养协议的法律效力研究

赡养协议的法律效力研究

作者：王千希江西财经大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

T汽车公司在俄罗斯市场营销策略优化研究

T汽车公司在俄罗斯市场营销策略优化研究

作者：扈希明商务部国际贸易经济合作研究院

学位级别：硕士

在百年未有之大变局背景下,全球汽车市场格局正发生重大改变。特别是2022年俄乌冲突爆发后,美欧等西方国家对俄罗斯施加了多轮史无前例的制裁。俄罗斯经济在经历了初期震荡后,展现出韧性,但可持续增长依然面临挑战。在汽车领域,欧美日... 详细信息

在百年未有之大变局背景下,全球汽车市场格局正发生重大改变。特别是2022年俄乌冲突爆发后,美欧等西方国家对俄罗斯施加了多轮史无前例的制裁。俄罗斯经济在经历了初期震荡后,展现出韧性,但可持续增长依然面临挑战。在汽车领域,欧美日韩等车企纷纷退出俄罗斯市场,给俄罗斯汽车行业带来了巨大冲击。与此同时,我国品牌汽车凭借自身优势在俄罗斯市场迅速崛起,销售呈爆发式增长。2023年,中国汽车品牌在俄市场销量首次突破50万辆,俄罗斯已成为中国最大汽车出口目的地。T汽车公司作为我国商用车自主品牌,在紧抓这一机遇的同时,也面临我国其他车企和俄罗斯本土车企的竞争。针对当前复杂的国际政治环境,如何在与双重对手的角逐中巩固并获得更多的市场份额,是T公司亟需深入研究的问题。本文以T公司为研究对象,首先梳理了国内外相关研究文献和营销理论,为本文奠定了理论基础。其次,从产品、价格、渠道和策略4方面阐述了企业在俄罗斯市场的营销现状,并通过对企业内部员工和外部经销商进行访谈,剖析其营销策略存在的问题及成因。再次,利用PEST工具从政治、经济、社会和技术4方面分析了俄罗斯市场宏观环境,同时分析了俄罗斯汽车行业环境和企业内部环境,并利用SWOT工具对T公司俄罗斯汽车市场营销的优势、劣势以及机会、威胁作进一步分析。接着,运用STP营销战略理论,针对客户类别和地理因素进行市场细分和目标市场选择,并根据业务模式将公司品牌分别定位在高端和中高端市场。同时,本文制定了符合企业未来在俄罗斯市场发展的营销优化策略,其中产品策略方面企业要优化俄罗斯市场产品线布局,完善配件保障和售后服务体系,同时推进国际合作,建立CKD合资工厂;价格策略方面要差异化定价,并注重提升结算灵活性;渠道策略方面要完善渠道建设,丰富渠道类型,实施专网专营,并加强沟通培训,优化渠道激励,同时也要优化物流方式以缩短交付时间;推广策略方面要加强多元化宣传,开展金融促销。最后,通过制定人力资源、信息技术和风险管理3方面的保障措施,确保营销优化策略能够有效实施。营销策略的优化调整对企业的国际化发展至关重要。本文充分考虑了俄罗斯汽车市场发展的最新情况,并为T汽车公司量身定制了新的营销优化策略,助其更好地在复杂的俄罗斯市场环境中稳定发展,同时也为其他同类型企业提供了一定的参考。

关键词：汽车公司国际营销策略俄罗斯市场

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多粒度建模的文本分类方法研究

基于多粒度建模的文本分类方法研究

作者：豆希梦齐鲁工业大学

学位级别：硕士

随着信息技术的发展,互联网上涌现出了大量的资源与数据,人们面临着巨大的信息过载与信息管理的挑战。在这种信息爆炸的情况下,有效地利用文本分类技术处理海量信息成为了人们的必要手段。因为文本分类技术可以进行基于内容的信息检索... 详细信息

随着信息技术的发展,互联网上涌现出了大量的资源与数据,人们面临着巨大的信息过载与信息管理的挑战。在这种信息爆炸的情况下,有效地利用文本分类技术处理海量信息成为了人们的必要手段。因为文本分类技术可以进行基于内容的信息检索和数据挖掘以帮助人们快速、准确地获取所需信息,所以,当下文本分类技术已经成为NLP领域的研究热点。现如今的文本篇幅较长、关键信息较少、内容较复杂,所以传统的分类模型在进行文本分类任务时存在文本内容利用不充分、特征具有歧义性、模型抗干扰能力差、模型参数高等问题。总的来说,目前的文本分类技术主要存在以下问题:(1)语义理解与特征学习问题:由于文本内容语义结构复杂、语义主观或文本内容数据稀疏、语义存在歧义性,所以在理解文本的上下文和语境方面,现有的文本分类模型仍需改进。(2)对抗攻击:当文本维度高且内容较复杂时,由于文本数据具有离散性,微小的修改就可能导致文本语义改变,从而使得模型对输入数据更加敏感。为了应对以上文本分类任务中存在的挑战,以实现对文本数据的有效利用,本文对文本分类任务进行了全面的分析,针对现有文本分类模型存在的不足,本文结合了多种前沿技术并进行改进,完成的工作如下:(1)针对文本分类模型无法充分利用文本内容、抗干扰能力差等问题,本文提出一种基于虚拟对抗与双向对比学习的有监督文本分类模型—VABCL(Virtual Adversarial Training and Dual Contrastive Learning)。该模型在对比学习中引入虚拟对抗训练,应用在有监督任务中,设计虚拟对抗对比损失,解决当前的预训练模型(文中用BERT和Ro BERTa)泛化性能差和鲁棒性不足的问题。然后利用样本的标签信息设计双向对比损失,双向对比损失函数可以使模型同时学习该样本更好的特征表示和样本更好的标签表示,在训练时为了充分利用标签信息,使用改进的交叉熵损失来最大化分类输出。最后模型通过最小化以上三个损失函数来训练模型,以同时提高特征的表示能力和模型的抗干扰能力。模型在五个基准文本分类数据集上进行实验验证,由实验结果可以得出,VABCL的特征提取能力和分类准确性都有提升,表明VABCL在有监督文本分类领域具有较好的性能。(2)针对文本内容稀疏、文本中关键词一词多义、上下文信息无法充分利用等问题,本文提出一种基于多尺度特征融合和胶囊网络的文本分类模型—TCAC(Attention-focused capsule network based on TCN and CNN)。该模型首先引入外部语料库来扩充单词的概念信息,解决文本内容稀疏问题,同时使用TCN来捕获单词和概念级别的上下文相关特征。为了衡量不同尺度特征的重要性,对不同尺度的特征使用注意力机制赋予权重,使模型关注更重要的特征。然后将上述特征输入到胶囊网络中,使用权重筛选路由算法进行动态路由,筛选掉冗余信息,简化模型参数,进而得到高层次的文本特征,最后将胶囊网络提取的文本特征输入到类别胶囊层进行分类。该模型有效改善了文本关键词歧义性、上下文信息无法充分利用等问题。

关键词：文本分类对比学习虚拟对抗训练多特征融合

基于结构感知自监督表征学习的分子性质预测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于结构感知自监督表征学习的分子性质预测方法研究

作者：郑子希山东师范大学

学位级别：硕士

随着计算机科学的飞速发展和大数据时代的到来,深度学习在各个领域展现出了强大的应用潜力。在化学领域,分子性质的预测对于药物研发、材料科学等具有重要意义。然而,传统的分子性质预测方法往往受限于数据维度高、特征提取困难等问题,... 详细信息

随着计算机科学的飞速发展和大数据时代的到来,深度学习在各个领域展现出了强大的应用潜力。在化学领域,分子性质的预测对于药物研发、材料科学等具有重要意义。然而,传统的分子性质预测方法往往受限于数据维度高、特征提取困难等问题,难以实现高效准确的预测。因此,本文提出了一种基于结构感知自监督表征学习的方法,旨在提高分子性质预测的准确性和效率。目前,利用分子信息进行性质预测主要面临着三个挑战:(1)小样本和标签数据不充分和不平衡问题。由于实验获取高质量分子数据的成本较高,导致可用于训练的样本数量相对有限,这使得建立稳健、泛化性良好的数据驱动的人工智能算法预测模型变得更加具有挑战性。因此,针对小样本与标签数据不充分和不平衡问题,探索高效的缓解策略以及开发高质量特征提取方法,始终是科研领域的重要研究方向。(2)分子结构的异质性和多模态数据复杂的特征分布差异问题。现有的研究大多侧重于单一数据模态,然而单一数据模态表达知识有限,不能充分挖掘分子多维结构信息。因此,获取更加细粒度的特征表示同时有效整合与利用分子多模态数据,构建出更为全面、综合的分子表示,成为当前研究亟待解决的问题。(3)预训练与下游微调模块知识负迁移问题。单一的预训练任务可能无法充分涵盖目标任务的复杂性和多样性,导致知识迁移效果不佳。预训练和微调模型的任务巨大差距可能会造成下游任务的知识负迁移。选择和设计合适的预训练任务,确保预训练的知识能够有效地迁移到目标任务上一直是个研究问题。针对上述问题,本论文以分子结构特征为切入点,开展了基于结构感知自监督表征学习的分子性质预测方法研究。论文的主要创新成果如下:(1)提出了基于自监督表征学习的级联注意力网络和两阶段对比学习分子性质预测方法(Cas ANGCL模型),以解决小样本和标签数据不充分和不平衡问题。论文提出了级联注意力网络和两阶段对比学习的自监督学习模型。首先,搭建预训练自监督表征学习模型,设计对比学习预训练任务,进行大规模无标签分子数据预训练。其次,设计级联注意力机制,充分利用图编码器中的隐含领域知识,产生可解释的表示。再次,采用两阶段对比学习方法,解决标签数据不足的难题,提升神经网络的泛化能力。最后,执行信息流方案,以显式方式捕获节点/边的信息。(2)提出了基于跨模态信息流和分层注意力增强的分子性质预测方法(EMPPNet模型),以解决分子结构的异质性和多模态数据特征分布差异问题。本研究针对多模态分子结构信息,利用分层注意力机制实现完全交互式信息编码,旨在最大化学习分子的多维结构特征。首先,设计分层注意力融合机制,有效捕捉不同模态分子表征间的关联,优化模型性能。其次,创新性地引入ECFP消息流通道,增强分子表示学习,减少信息在消息传递过程中的损失。最后,将分子重建任务融入多任务学习框架,实现知识的有效迁移,进而提升下游预测任务的性能。(3)提出了基于预训练任务提示感知的多模态分子性质预测方法(MTPP模型),以缓解分子预训练过程和下游微调模块知识负迁移问题。本研究首先利用分子预训练任务的提示信息,引导多层次分子预训练任务,实现对分子特征信息的深度挖掘。其次,将提示感知的注意力模块嵌入到Transformer编码器,使其能够更精准地聚焦于关键信息,同时排除与任务无关的干扰。相较于传统的静态Transformer模型,改进后的提示感知注意力Transformer模型在编码器效果上展现出显著优势。最后,采用分层注意力融合策略将分子序列与分子图结构信息进行高效融合,确保模型能够全面利用多结构分子信息,从而实现对分子性质的精准预测。本论文主要在BACE,BBBP,Clin Tox,HIV,SIDER,Tox21,Tox Cast和QM9数据集上进行了广泛实验,并进行了丰富的实验分析和讨论。实验结果证明,与目前最新成果相比,本文提出的基于结构感知自监督表征学习的分子性质预测方法研究具有更好的效果。

关键词：分子性质预测分子结构自监督表征学习多模态网络注意力机制

情感忽视对处境不利中学生创伤后成长的影响 ——认知重评的纵向中介作用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

情感忽视对处境不利中学生创伤后成长的影响 ——认知重评的纵向...

作者：廖雅希贵州师范大学

学位级别：硕士

本研究主要目的在于测量创伤后成长量表-简版(PTGI-SF)在国内处境不利中学生群体中的测量学性能和分析认知重评在情感忽视和创伤后成长中的作用机制。研究1:创伤后成长量表-简版的测量学分析。目的:本次研究主要是为了考究PTGI-SF量表... 详细信息

本研究主要目的在于测量创伤后成长量表-简版(PTGI-SF)在国内处境不利中学生群体中的测量学性能和分析认知重评在情感忽视和创伤后成长中的作用机制。研究1:创伤后成长量表-简版的测量学分析。目的:本次研究主要是为了考究PTGI-SF量表在国内处境不利中学生群体中的心理测量特性。方法:采取整体抽样的方法对贵州省某三所中学的学生进行问卷调查,应用结构方程理论(SEM)对数据进行信效度分析和纵向测量等值性检验。研究2:情感忽视对创伤后成长的影响:认知重评的横向中介作用。目的:本研究主要通过剖析处境不利中学生情感忽视对创伤后成长的影响,以及认知重评在其中的中介作用。方法:主要采用简单中介模型对三个变量之间的相关关系进行分析。研究3:情感忽视对处境不利中学生创伤后成长的影响:认知重评的纵向中介作用。目的:检验研究2的结果,同时考察认知重评对情感忽视的创伤后成长是否任然存在纵向中介作用。方法:采用交叉滞后面板模型(CLPM)和交叉滞后中介模型对三个变量间的相关关系和预测情况进行检验。本研究主要使用Epidata、SPSS23.0、Mplusv8.0对数据进行录入,缺失值处理,条目分析,验证性因子分析,实证效度、内部一致性分析、中介分析、交叉滞后分析等。研究结果:(1)在国内处境不利中学生群体中创伤后成长量表-简版(PTGISF)具有良好的心理测量学性能,并且为该量表的跨文化研究提供了理论支撑。(2)认知重评在处境不利中学生情感忽视和创伤后成长之间横向中介作用。(3)认知重评在处境不利中学生情感忽视和创伤后成长之间纵向中介作用。研究结论:本研究一验证了创伤后成长量表-简版在处境不利中学生群体中呈现跨时间和跨性别的稳定性,并进一步证实了该量表在集体主义中呈现出稳定的因子结构,证实了其跨文化性。其次,研究二和研究三分别在横向和纵向研究中证明认知重评在情感忽视和创伤后成长中具有横向和纵向的中介作用,为往后的研究提供了实证证据。

关键词：处境不利情感忽视创伤后成长认知重评纵向等值性交叉滞后中介模型