检索结果-南通市图书馆

基于深度学习的超低碳钢显微组织特征强化与精细化分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

钢铁 2025年第2期60卷 119-127页

作者：王煜乔吴思炜曹光明刘建军窦君闫新悦刘振宇东北大学轧制技术与连轧自动化国家重点实验室辽宁沈阳110819

超低碳钢显微组织为铁素体,在制样过程中极易出现划痕和晶界腐蚀不清晰的现象,严重影响金相组织分析。同时,显微组织特征的分析结果严重依赖于专家经验,受主观因素影响较大且效率低。为了高效获得超低碳钢显微组织特征信息,基于超低碳... 详细信息

超低碳钢显微组织为铁素体,在制样过程中极易出现划痕和晶界腐蚀不清晰的现象,严重影响金相组织分析。同时,显微组织特征的分析结果严重依赖于专家经验,受主观因素影响较大且效率低。为了高效获得超低碳钢显微组织特征信息,基于超低碳钢金相图像数据集,采用归一化、自适应阈值法处理图像,增强图像对比度;融合自注意力机制(Self-Attention,SA)和循环回归生成对抗神经网络(CycleGan),开发基于CycleGan+SA的晶界增强算法;建立超低碳钢显微组织特征强化模型,实现了显微组织图像的自动处理与晶界信息的特征强化。在此基础上,采用分水岭分割算法对晶界强化后的显微组织图像进行精细化分析。结果表明,CycleGan+SA算法可以有效去除原始金相图像中的划痕并补全晶界模糊区域,实现超低碳钢晶界特征强化。相比原始的CycleGan算法,引入注意力机制后,CycleGan+SA算法可以实现更清晰的晶粒分割,图像识别精确度P值由97.43%提升至98.75%,综合评价指标F值由97.49%提升至98.73%。在显微组织精细化分析方面,通过与常用分析软件对比,超低碳钢显微组织特征强化模型与Image J软件测定的晶粒尺寸平均误差为1.2个晶粒,与Image Pro Plus软件测定的晶界比例误差为0.008个百分点,模型与软件统计结果吻合较好,具备一定的应用前景。

关键词： CycleGan 自注意力机制深度学习晶界特征强化超低碳钢图像识别分水岭分割算法超低碳钢

同方期刊数据库

1957—2018年赣江源区水源涵养时空变化特征

在线全文

学校读者我要写书评

暂无评论

水资源与水工程学报 2025年第1期36卷 47-53页

作者：徐飞温天福刘佳嘉赵玲玲江西省水利科学院水旱灾害防御江西省重点实验室江西南昌330029 广东省科学院广州地理研究所广东省遥感与地理信息系统应用重点实验室/广东省地理空间信息技术与应用公共实验室广东广州510070 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室北京100038

水源涵养是一项重要的陆地生态系统服务,具有供给水源、径流调节、削丰补枯等重要功能。然而,目前基于长时间序列细致分析河流源区水源涵养时空演变规律的研究相对较少。以赣江源区为对象,使用WEP-L分布式水文模型与水量平衡方程,分析1... 详细信息

水源涵养是一项重要的陆地生态系统服务,具有供给水源、径流调节、削丰补枯等重要功能。然而,目前基于长时间序列细致分析河流源区水源涵养时空演变规律的研究相对较少。以赣江源区为对象,使用WEP-L分布式水文模型与水量平衡方程,分析1957—2018年水源涵养量变化及其影响因素。结果表明:在1957—2018年赣江源区多年平均水源涵养量为552.3 mm,以0.85 mm/a的速率不显著增大;年平均水源涵养量范围为44.2~1178.6 mm,呈现出北部与南部较多,而西部较少的分布特征;赣江源区水源涵养变化趋势范围为-1.99~5.45 mm/a,呈现北高南低的特征,变差系数的范围为0.27~2.91,变差系数低于0.55的区域高达82.68%,这些区域水源涵养量的波动相对较小;降水是影响水源涵养时空变化的主要因素。研究结果可为源区水资源及生态保护提供科学依据。

关键词：水源涵养时空变化 WEP-L水文模型赣江源区

在线全文

学校读者我要写书评

暂无评论

数算融合网络技术发展研究

中国工程科学 2025年第1期27卷 1-13页

作者：刘韵洁汪硕黄韬王佳森北京邮电大学信息与通信工程学院北京100876 网络与交换技术全国重点实验室北京100876 紫金山实验室南京211111

数算融合网络是为数据空间应用定制网络服务的智能通信网络基础设施,对推动数据空间构建、数据要素流通、算力和数据融合具有促进作用,可为数据确权、流通和交易等新的经济增长点提供技术支撑。本文在介绍数算融合网络内涵的基础上,概... 详细信息

数算融合网络是为数据空间应用定制网络服务的智能通信网络基础设施,对推动数据空间构建、数据要素流通、算力和数据融合具有促进作用,可为数据确权、流通和交易等新的经济增长点提供技术支撑。本文在介绍数算融合网络内涵的基础上,概述了其数据平面、控制平面、编排层具备的关键功能,梳理了我国发展数算融合网络的宏观发展需求,详细讨论了数算融合网络技术的发展现状和国际态势。进一步研判了数算融合网络端侧、数据中心内、数据中心出口、数据中心间、算力中心间、数据和算力中心间、控制层、编排层、安全体系等方面的关键技术,列举了数算融合网络的应用场景和具体案例,包括“东数西算”枢纽互联、城市算力网、工业外网互联、能源设施互联、行业大模型。在分析我国数算融合网络技术发展面临的挑战后,研究建议:构建支撑行业大模型高质量发展的公用专网;推动数算融合网络科学装置建设,服务国家科学发展;依托数算融合网络,推动数据空间成果落地;开展大规模算力协作,突破单点算力不足瓶颈,为数据空间网络基础设施发展提供参考。

关键词：数算融合网络数据空间智能联网算力网数算融合关键技术

在线全文

学校读者我要写书评

暂无评论

基于标签感知变分自编码器的多标签分类

计算机科学与探索 2025年第3期19卷 714-723页

作者：孙宏健徐鹏宇刘冰景丽萍于剑北京交通大学计算机与信息技术学院北京100044 北京交通大学交通数据分析与挖掘北京市重点实验室北京100044

随着互联网的兴起,各式各样的数据急速增长,如何高效地利用这些样本数据成为数据挖掘领域的重要问题。多标签分类任务作为机器学习与数据挖掘领域的重要任务,旨在为样本标注多个标签类别。目前的方法大多仅对特征分支进行嵌入表示学习,... 详细信息

随着互联网的兴起,各式各样的数据急速增长,如何高效地利用这些样本数据成为数据挖掘领域的重要问题。多标签分类任务作为机器学习与数据挖掘领域的重要任务,旨在为样本标注多个标签类别。目前的方法大多仅对特征分支进行嵌入表示学习,并未考虑到特征和标签之间的语义关联性,缺乏对特征嵌入空间的有效约束,从而导致学习到的特征嵌入针对性不足。在标签相关性学习方面,现有的大多数方法主要关注低阶标签相关性,在面对复杂的实际标签场景时,多个标签之间的高阶相关性学习不足的问题变得更为突出。为解决上述问题,从嵌入表示学习和标签相关性学习出发,提出了一种基于标签感知变分自编码器的多标签分类方法。针对嵌入表示学习,提出使用特征和标签双流变分自编码器同时学习和对齐特征和标签的嵌入空间,对特征嵌入空间添加标签引导来增强特征嵌入。采用基于标签语义的交叉注意力机制,将特定标签信息加入到特征嵌入中,最终获得标签感知后的判别性特征嵌入。针对标签相关性学习,采用共享解码器中的多层自注意力机制,充分融合多个标签的相似性信息,通过不同标签间的共现交互,学习到标签高阶相关性表示并用于交叉感知特征嵌入。在四个不同领域的数据集上得到的实验结果表明,提出的方法能够有效增强特征和标签嵌入,并充分捕获标签之间高阶相关性信息用于多标签分类任务,通过与多个最先进算法在多个评价指标上进行比较分析,验证了提出的方法在性能上的显著优越性。

关键词：多标签分类嵌入空间学习变分自动编码器 Transformer 标签相关性

面向新能源汽车能源交易系统的PoRT共识机制

在线全文

学校读者我要写书评

暂无评论

通信学报 2025年第1期46卷 157-166页

作者：张海波李佳琪刘开健李方伟重庆邮电大学通信与信息工程学院重庆400065 公共大数据安全技术重庆市重点实验室重庆401420

针对新能源汽车的能源交易系统在交易过程中容易出现隐私泄露等交易安全问题,设计了一种区块链下基于旅行验证的信誉值证明共识机制。首先,可信机构选择RSU作为节点构建区块链网络。然后,车辆采用基于旅行验证的信誉值证明(PoRT),通过... 详细信息

针对新能源汽车的能源交易系统在交易过程中容易出现隐私泄露等交易安全问题,设计了一种区块链下基于旅行验证的信誉值证明共识机制。首先,可信机构选择RSU作为节点构建区块链网络。然后,车辆采用基于旅行验证的信誉值证明(PoRT),通过位置签名确定、行驶里程验证和信誉值判断与更新3个阶段保证分布式信誉值数据库的迭代更新,进而确保能源交易系统的可持续运行。实验结果表明,与使用其他共识机制的能源交易系统相比,所提机制在面对车联网中常见攻击时具有更高的安全性和更低的交易时延。

关键词：车联网区块链能源交易共识机制

面向数据丢失的极大规模天线阵列近场信道估计方法

在线全文

学校读者我要写书评

暂无评论

无线电通信技术 2025年第1期51卷 20-28页

作者：王韵唐袁行方时艺轩汤宇欣苗红霞彭木根北京邮电大学信息与通信工程学院网络与交换技术国家重点实验室北京100876

6G技术采用更高的频段和更大规模的天线阵列以提升通信速率、分辨率、系统容量等指标。这些技术的应用扩大了辐射近场范围,极大规模天线阵列中的天线元件激增,空域采集数据量的增加使得信道估计的复杂度提高;极大规模阵列更易出现数据... 详细信息

6G技术采用更高的频段和更大规模的天线阵列以提升通信速率、分辨率、系统容量等指标。这些技术的应用扩大了辐射近场范围,极大规模天线阵列中的天线元件激增,空域采集数据量的增加使得信道估计的复杂度提高;极大规模阵列更易出现数据丢失的问题。因此,数据不完整情况下的低复杂度信道估计成为亟待解决的难题。针对此问题,论证了近场信道在分数傅里叶变换域的稀疏性,基于压缩采样匹配追踪(Compressed Sampling Matching Pursuit,CoSaMP)算法提出了一种低复杂度的信道估计方法。分析了所提算法性能,给出了克拉美罗界(Cramér-Rao Bound,CRB)。借助大量仿真实验分析了信噪比(Signal-to-Noise Ratio,SNR)、丢失率、稀疏度对算法性能的影响,与正交匹配追踪(Orthogonal Matching Pursuit,OMP)等算法进行对比,验证了所提方法的正确性与有效性。相较于已有研究,所提方法考虑了数据丢失的因素,对于推动未来无线通信系统的发展具有重要的理论和实际意义。

关键词：极大规模天线阵列数据丢失信道估计分数傅里叶变换压缩采样匹配追踪

同方期刊数据库博看期刊

高掺钪AlN压电薄膜HBAR器件及工艺研究

在线全文

学校读者我要写书评

暂无评论

传感器与微系统 2025年第1期44卷 76-79页

作者：赵佳姜文铮周琮泉母志强中国科学院上海微系统与信息技术研究所信息功能材料国家重点实验室上海200050 中国科学院大学北京100049

本文研究了高掺钪氮化铝(Al_(x) Sc_(1-x) N)压电薄膜高次谐波体声波谐振器(HBAR)的设计仿真与关键制备工艺。仿真研究了钪掺杂对压电材料和HBAR器件性能影响,研究表明:30%钪组分的Al_(0.7) Sc_(0.3) N薄膜能够提升谐振器近5倍的有效机... 详细信息

本文研究了高掺钪氮化铝(Al_(x) Sc_(1-x) N)压电薄膜高次谐波体声波谐振器(HBAR)的设计仿真与关键制备工艺。仿真研究了钪掺杂对压电材料和HBAR器件性能影响,研究表明:30%钪组分的Al_(0.7) Sc_(0.3) N薄膜能够提升谐振器近5倍的有效机电耦合系数(k_(eff)^(2))。研究了电感耦合等离子体刻蚀(ICP)刻蚀工艺对Mo电极斜坡角度的影响,通过调控工艺参数可以实现侧壁倾角10°~90°大范围调节。研发了Cl_(2)/BCl_(3)/Ar混合气体作为反应气体的Al_(0.7) Sc_(0.3) N薄膜ICP刻蚀工艺,刻蚀速率高达100 nm/min并获得垂直的侧壁形貌。在此基础上成功制备出Al_(0.7) Sc_(0.3) N压电薄膜HBAR谐振器,k_(eff)^(2)达到0.24%,与纯氮化铝(AlN)相比具有显著的提升效果。

关键词：掺钪氮化铝高钪掺杂压电薄膜电感耦合等离子体刻蚀高次谐波体声波谐振器

维普期刊数据库博看期刊

深度学习框架下的红外与可见光图像融合方法综述

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2025年

作者：李淑慧蔡伟王鑫高蔚洁狄星雨火箭军工程大学兵器发射理论与技术国家重点学科实验室

红外与可见光图像融合（Infrared and Visible Image Fusion，IVIF），将红外图像与可见光图像的互补信息融合，提升图像质量以支持下游任务。鉴于深度学习在图像融合方面的优势，将其应用在IVIF领域已成为研究热点。对深度学习框架下... 详细信息

红外与可见光图像融合（Infrared and Visible Image Fusion，IVIF），将红外图像与可见光图像的互补信息融合，提升图像质量以支持下游任务。鉴于深度学习在图像融合方面的优势，将其应用在IVIF领域已成为研究热点。对深度学习框架下的红外与可见光图像融合方法进行梳理分析，根据不同的融合框架将融合方法分为基于自编码器、卷积神经网络、生成对抗网络和变换器，并对比分析这四类方法的特点；综述了IVIF的主要应用领域、常用的6个数据集和8个评价指标，并在典型数据集上对各类主流IVIF方法进行定性和定量评估；最后，总结了现有IVIF方法的局限性，并展望了IVIF的未来研究方向。

关键词：深度学习图像融合红外图像可见光图像

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合局部和全局特征的深度多视图聚类网络

计算机科学与探索 2025年

作者：李顺勇李嘉茗曹付元郑孟蛟山西大学数学与统计学院复杂系统与数据科学教育部重点实验室(山西大学) 山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室(山西大学)

多视图聚类是当前数据分析领域的一个重要研究方向，旨在通过整合来自不同视角的数据，提升聚类精度。然而，传统的多视图聚类方法虽然在一定程度上提高了聚类效果，但往往忽略了视图间局部与全局特征的交互与融合。此外，尽管近年提出... 详细信息

多视图聚类是当前数据分析领域的一个重要研究方向，旨在通过整合来自不同视角的数据，提升聚类精度。然而，传统的多视图聚类方法虽然在一定程度上提高了聚类效果，但往往忽略了视图间局部与全局特征的交互与融合。此外，尽管近年提出的多视图深度聚类方法，通过深度神经网络或对比学习增强了表征能力，但大多只关注局部或全局特征，未能在同一框架下对这两类特征进行综合处理。针对这些不足，提出了一种融合卷积神经网络与Transformer的深度多视图聚类模型(Deep Multi-View Clustering Network Integrating Local and Global Features，DMVCN-ILGF)，该模型设计了并行的卷积分支和Transformer分支，分别用于提取局部特征和全局特征。为了实现特征的有效融合，引入了特征交互机制(Feature Interaction Mechanism，FIM)和特征融合模块(Feature Fusion Module，FFM)，通过充分整合各视图的特征信息，以增强不同特征的交互和融合，最终提升聚类性能。进一步地，还设计了实例级和类别级对比损失，分别计算各视图的局部与全局特征之间的相似性，从而优化模型的表征能力和聚类效果。实验结果表明，提出的DMVCN-ILGF模型在多个多视图数据集上均取得了显著优于现有方法的聚类性能。

关键词：多视图聚类卷积神经网络 Transformer 特征融合