检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

轨迹表示学习方法研究综述

计算机科学与探索 2025年

作者：孟祥福孙硕男张霄雁冷强奎方金凤辽宁工程技术大学电子与信息工程学院

全球定位系统（GPS）、全球移动通信系统（GSM）的快速发展以及移动设备的普遍应用，产生了大量的轨迹数据。目前的轨迹数据处理方法通常以定长的向量形式输入到模型，因此如何将变长的轨迹数据转换成定长低维的嵌入向量十分重要。轨迹... 详细信息

全球定位系统（GPS）、全球移动通信系统（GSM）的快速发展以及移动设备的普遍应用，产生了大量的轨迹数据。目前的轨迹数据处理方法通常以定长的向量形式输入到模型，因此如何将变长的轨迹数据转换成定长低维的嵌入向量十分重要。轨迹表示学习旨在将轨迹数据转换为更具表达力和可解释性的表示形式。本文对轨迹表示学习的研究现状、方法及应用进行了全面综述。首先，分类介绍了轨迹表示学习的关键技术，总结了现有轨迹公开数据集。然后，将轨迹表示学习方法按照不同的下游任务进行分类，重点综述了轨迹表示学习方法在轨迹相似性计算、相似轨迹搜索、轨迹聚类、轨迹预测等领域的原理、优缺点和应用，并分别分析了每一类任务中具有代表性的模型结构和原理，及各类任务中不同方法的特点和优势。最后，分析了当前轨迹表示学习所面临的挑战，探讨了如何解决轨迹表示学习中的数据稀疏性、多模态以及模型优化与隐私保护等问题，并提出了具体的研究思路和方法。

关键词：轨迹表示学习轨迹数据挖掘轨迹相似性计算相似轨迹搜索轨迹聚类轨迹预测

双轴应变对NbSe_(2)/MoSi_(2)N_(4)肖特基势垒的调控

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

原子与分子物理学报 2025年第5期42卷 182-188页

作者：张宇哲安梦雅谢泉贵州大学大数据与信息工程学院新型光电子材料与技术研究所贵阳550025

最近一种高质量的二维(Two-dimensional,2D)半导体材料MoSi_(2)N_(4)(MSN)在实验上被成功合成,具有优异的电气和机械性能.尽管最近有大量的研究致力于揭示MSN的材料特性,但到目前为止,对MSN的电接触物理特性的探索还比较少.在这项工作中... 详细信息

最近一种高质量的二维(Two-dimensional,2D)半导体材料MoSi_(2)N_(4)(MSN)在实验上被成功合成,具有优异的电气和机械性能.尽管最近有大量的研究致力于揭示MSN的材料特性,但到目前为止,对MSN的电接触物理特性的探索还比较少.在这项工作中,构建了金属-半导体NbSe_(2)/MSN肖特基结并使用第一性原理密度泛函理论计算研究了该肖特基结的材料特性.发现NbSe_(2)/MSN接触具有超低肖特基势垒高度(Schottky barrier height,SBH),这有利于纳米电子学应用.SBH可以通过施加双轴应变的方式进行有效的调控.当施加拉伸应变时能实现NbSe_(2)/MSN肖特基结由p型肖特基接触转变为p型欧姆接触,而当施加较大的压缩应变时能实现p型肖特基接触和n型肖特基接触之间的转换.我们的研究结果为MSN的2D电触点的物理特性提供了见解,并将为设计基于MSN的2D纳米器件的高性能电触点提供关键的一步.

关键词： MoSi_(2)N_(4) NbSe_(2) 肖特基结欧姆接触

改进YOLOv8n的轻量化交通标志检测算法

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

激光与光电子学进展 2025年

作者：罗向龙吕温馨石镇岳刘若辰长安大学信息工程学院首钢集团有限公司技术研究院

针对复杂场景下交通标志小目标检测精度下降和模型复杂度过高问题，本文提出一种改进YOLOv8n的轻量化交通标志检测方法。在YOLOv8n的主干网络中引入全维动态卷积和EMA注意力机制以精准获取标志特征和上下文信息；增设160×160小目标检... 详细信息

针对复杂场景下交通标志小目标检测精度下降和模型复杂度过高问题，本文提出一种改进YOLOv8n的轻量化交通标志检测方法。在YOLOv8n的主干网络中引入全维动态卷积和EMA注意力机制以精准获取标志特征和上下文信息；增设160×160小目标检测层，有效结合不同尺度的特征，保留更多细节信息，提升对小目标检测的准确率；引入GhostBottleneckv2进行轻量化处理，并设计GSConv模块，降低模型复杂度提升收敛速度；采用Wise-IoUv3损失函数提高模型定位目标的能力。实验结果表明本文算法在TT100K数据集和CCTSDB2021数据集上与原始YOLOv8n相比平均精度分别提升了7.6%和2.4%，参数量分别降低了7.6%和7.9%，不仅保持了YOLOv8n模型的轻量性，同时具备更高的检测性能。

关键词：交通标志检测深度学习 YOLOv8 注意力机制轻量化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

低修复成本的局部混合修复阵列码模型

计算机应用研究 2025年第1期42卷 222-230页

作者：王宇恒熊攀唐聃蔡红亮成都信息工程大学软件工程学院成都610225 四川省信息化应用支撑软件工程技术研究中心成都610225

具有局部修复性质的水平阵列码将编码矩阵进行分区管理,降低磁盘发生故障时需要读取的数据总量并提升修复效率,但仍存在修复时读写负载集中于单个磁盘的问题。针对局部水平阵列码磁盘读写不均和单双盘修复效率有待提升的问题,结合水平... 详细信息

具有局部修复性质的水平阵列码将编码矩阵进行分区管理,降低磁盘发生故障时需要读取的数据总量并提升修复效率,但仍存在修复时读写负载集中于单个磁盘的问题。针对局部水平阵列码磁盘读写不均和单双盘修复效率有待提升的问题,结合水平阵列码和垂直阵列码的特点,对其进行局部冗余改造,提出一种具有局部修复性质的混合式阵列码修复模型——LHRC。LHRC根据垂直阵列码的思想将局部水平阵列码的对角校验列迁移至矩阵的中间行,加深数据块与校验块之间的联系,分散读写负载至其他磁盘并减少参与修复的数据总量。通过理论分析,LHRC具有良好的编译码复杂度,改善了磁盘修复时读写不均匀的问题并减少单双盘故障时需要读取的数据总量,提升了三盘故障的修复成功率。实验结果表明LHRC与RDP、LRRDP、DRDP相比,LHRC可将单盘故障修复时间节省3.92%~29.91%、双盘故障修复时间节省7.79%~30.64%。

关键词：阵列码存储系统局部修复读取开销

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

自激式电感耦合等离子体光源设计及光谱分析

光谱学与光谱分析 2025年第1期45卷 66-71页

作者：卢思贤龙开红詹陈锐李明北方工业大学电气与控制工程学院北京100144 益阳职业技术学院电子与信息工程学院湖南益阳413055

电感耦合等离子体(ICP)光谱仪是一种应用范围很广的元素分析仪,主要用于元素定性与定量的分析。ICP光源是光谱仪的核心部件,它在光谱仪中扮演着至关重要的角色。目前主流的ICP光源有两种:自激式和他激式,各自具有优缺点。他激式光源电... 详细信息

电感耦合等离子体(ICP)光谱仪是一种应用范围很广的元素分析仪,主要用于元素定性与定量的分析。ICP光源是光谱仪的核心部件,它在光谱仪中扮演着至关重要的角色。目前主流的ICP光源有两种:自激式和他激式,各自具有优缺点。他激式光源电路复杂、体积庞大、阻抗匹配速度较慢、最大输出功率有限。设计了一种基于镀金工艺的高功率MOSFET和变频实现阻抗匹配的自激式ICP光源,该光源采用射频放大和阻抗匹配一体化的设计,把从负载线圈采样的频率信号f_(1)以及功率放大电路放大后的频率相位f_(0)进行相位比较,再根据两者相位差的变化,进而控制频率的变化,实现阻抗匹配;设计上采用了镀金工艺的金属化硅N通道型高功率的MOSFET实现功率放大,具有更大的功率密度、更小的体积,最大输出功率超过2400 W。对研制的ICP光源进行了电学静态测试,给出了鉴相器、压控振荡器以及功率的输出特性,验证了各电路在相应工作状态下的性能表现;同时结合光谱仪进行了包含Ba、Na和Li元素标准溶液的测试,获得了目标元素的光谱信号;另外,对获得的光谱信号进行了处理,使用了基于EEMD特征增强的方法对目标元素光谱信号进行有效增强,信号的线性决定系数(R^(2))从0.97降至0.99,相对标准偏差(RSD)从6.47%降至1.07%,增强了信号的准确性和可用性。本文所研制的自激式ICP光源,通过射频放大和阻抗匹配一体化设计缩小了体积,变频技术使阻抗匹配速度从毫秒级提升到纳秒级,镀金工艺的MOSFET技术使最大输出功率从原来的1800 W增加到2400 W,为ICP光源的进一步优化和应用奠定了基础,具有重要的科学研究和工程实践意义。

关键词：自激式ICP光源阻抗匹配光谱信号 EEMD算法

维普期刊数据库

融合双通道注意力和时间编码的图神经网络推荐算法

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2025年

作者：白鹤李钰郝明徐婷婷辽宁理工学院信息工程学院

针对多数图神经网络推荐算法未结合时间信息导致信息浪费和推荐结果不准确的问题，本文提出融合双通道注意力和时间编码的图神经网络推荐算法（GUITRec）。该模型充分利用数据集中信息，将用户自身特征、物品信息及用户与物品交互行为... 详细信息

针对多数图神经网络推荐算法未结合时间信息导致信息浪费和推荐结果不准确的问题，本文提出融合双通道注意力和时间编码的图神经网络推荐算法（GUITRec）。该模型充分利用数据集中信息，将用户自身特征、物品信息及用户与物品交互行为建为图结构，通过图神经网络进行数据聚合以形成用户和物品表征行为，从而更全面地捕捉两者特征及关系。其次，引入双通道注意力机制（CBAM）为用户和物品表征行为赋予不同权重，使模型依据权重进行深度学习，更关注重要特征信息。最后，引入时间编码器模型对用户与物品交互时间及用户位置编码，新增日、周、月周期编码和位置编码，充分挖掘时间和位置信息，为推荐提供更丰富上下文。在Ciao数据集上进行实验，在MAE、MSE和RMSE 三个评价指标上，GUITRec 均优于基线模型。

关键词：图神经网络推荐算法双通道注意力机制时间编码

基于时空统计建模的主要类型癌症全球疾病负担变化研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

地球信息科学学报 2025年

作者：申力徐瑱梵艾明耀卢宾宾武汉大学遥感信息工程学院

【目的】癌症是全球绝大多数国家的主要致病死因，对人类寿命和公共卫生构成了严重威胁。本文探讨了全球五类主要癌症死亡率的时空分布特征，并给出了未来发展趋势预测。【方法】本文针对2011—2019年全球200个国家五类主要癌症（肺癌... 详细信息

【目的】癌症是全球绝大多数国家的主要致病死因，对人类寿命和公共卫生构成了严重威胁。本文探讨了全球五类主要癌症死亡率的时空分布特征，并给出了未来发展趋势预测。【方法】本文针对2011—2019年全球200个国家五类主要癌症（肺癌、结直肠癌、胃癌、肝癌与胰腺癌），采用GBD数据与世界银行数据库资料，基于MGWR模型提取各类癌症死亡率影响因素的空间异质性特征，利用ARIMA模型提取各类癌症死亡率的时间变化趋势特征，并将该时空信息作为参数输入构建贝叶斯时空模型，对全球主要类型癌症死亡风险进行预测评估。【结果】研究发现，全球五类癌症死亡率均持续增加，2019年各类癌症死亡率较2011年平均上升了17.2/100 000人。全球超过72.8%的国家癌症死亡相对风险较高（RR>1），呈现出明显的空间聚集性。【结论】相比非洲与南亚地区，欧洲、中亚、北美、东亚及太平洋地区癌症死亡率增速较快。相比中低收入和低收入国家，高收入和中高收入国家各类癌症死亡率上升趋势明显，相对风险更高。65岁及以上人口占比、吸烟、酒精、低运动强度、高糖加工饮食、人均GDP、人均GNI和人均医疗卫生支出成为全球主要类型癌症死亡风险的关键影响因素。本研究通过集成不同地理时空分析方法优势，创新性构建了涵括时空分组变量和不同影响因素的疾病风险时空预测模型，灵活度高，可解释性强，更适用于量化时空非平稳性关系，能够有效评估全球不同地区主要类型癌症死亡的相对风险，加深了地理空间建模技术与流行病研究的交叉融合，对严峻的全球癌症防控规划具有重大科学意义。

关键词：全球疾病负担癌症死亡率多尺度地理加权回归时间序列预测贝叶斯时空模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

数据交易对企业数字创新的影响研究

科研管理 2025年

作者：程中华韩乐乐李廉水南京信息工程大学管理工程学院南京信息工程大学中国制造业发展研究院

数字创新对强化企业竞争力、驱动价值链升级极为关键，数据交易则在加速数据高价值转化、助力数字创新突破中发挥重要作用。本文基于2010—2022年上市公司数据，使用爬虫技术、文本分析以及人工识别等方法识别数据交易企业，并构建双重... 详细信息

数字创新对强化企业竞争力、驱动价值链升级极为关键，数据交易则在加速数据高价值转化、助力数字创新突破中发挥重要作用。本文基于2010—2022年上市公司数据，使用爬虫技术、文本分析以及人工识别等方法识别数据交易企业，并构建双重机器学习模型实证分析数据交易对企业数字创新的影响，进一步拓展了数据交易影响数字创新的微观效应和作用机制。研究结果表明：数据交易对企业数字创新具有显著正向影响，且这种正向影响在非国有企业、大规模企业、知识产权保护程度高以及数字基础设施强的企业中更强。机制分析显示数据交易通过知识溢出效应、要素配置效应和公司治理效应促进了企业数字创新。此外，供应方数据交易、数据服务交易以及直接数据交易方式促进企业数字创新更明显，且数据交易能够提高企业数字创新的质量。本研究对激励企业参与数据交易、做大做强数据要素市场、利用数据市场化推动企业数字创新具有重要启示。

关键词：数据交易企业数字创新知识溢出效应要素配置效应公司治理效应

基于Transformer模型的时序数据预测方法综述

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学与探索 2025年第1期19卷 45-64页

作者：孟祥福石皓源辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105

时序数据预测(TSF)是指通过分析历史数据的趋势性、季节性等潜在信息,预测未来时间点或时间段的数值和趋势。时序数据由传感器生成,在金融、医疗、能源、交通、气象等众多领域都发挥着重要作用。随着物联网传感器的发展,海量的时序数据... 详细信息

时序数据预测(TSF)是指通过分析历史数据的趋势性、季节性等潜在信息,预测未来时间点或时间段的数值和趋势。时序数据由传感器生成,在金融、医疗、能源、交通、气象等众多领域都发挥着重要作用。随着物联网传感器的发展,海量的时序数据难以使用传统的机器学习解决,而Transformer在自然语言处理和计算机视觉等领域的诸多任务表现优秀,学者们利用Transformer模型有效捕获长期依赖关系,使得时序数据预测任务取得了飞速发展。综述了基于Transformer模型的时序数据预测方法,按时间梳理了时序数据预测的发展进程,系统介绍了时序数据预处理过程和方法,介绍了常用的时序预测评价指标和数据集。以算法框架为研究内容系统阐述了基于Transformer的各类模型在TSF任务中的应用方法和工作原理。通过实验对比了各个模型的性能、优点和局限性,并对实验结果展开了分析与讨论。结合Transformer模型在时序数据预测任务中现有工作存在的挑战提出了该方向未来发展趋势。

关键词：深度学习时序数据预测数据预处理 Transformer模型

维普期刊数据库