基于小波变换的分数阶微分算法在肝脏肿瘤CT图像纹理增强中的应用

图像纹理增强过程中容易丢失平滑区域纹理细节，而分数阶微分增强虽然能够非线性保留平滑区域纹理细节，但对频率分辨率敏感。针对这个问题，提出一种基于小波变换的分数阶微分纹理增强算法，应用于平扫计算机断层扫描（CT）图像的肝脏肿瘤区域的纹理增强。首先，通过小波变换将图像感兴趣区分解成多个子带分量；其次，基于分数阶微分定义构造一个带补偿参数的分数阶微分掩膜；最后，使用该掩膜与每个高频子带分量进行卷积并利用小波逆变换重组图像感兴趣区。实验结果表明，该方法在使用较大分数阶次显著增强肿瘤区域的高频轮廓信息的同时，有效地保留了低频平滑的纹理细节：增强后的肝细胞癌区域与原区域相比，信息熵平均增加36.56%，平均梯度平均增加321.56%，平均绝对差值平均为9.287；增强后的肝血管瘤区域与原区域相比，信息熵平均增加48.77%，平均梯度平均增加511.26%，平均绝对差值平均为14.097。     

冷链条件下气调包装酱卤鸭肉制品货架期预测模型的建立

目的 以气调包装酱卤鸭肉制品为研究对象,在冷链温度范围内建立一套准确、高效的货架期预测模型。方法 利用选择性培养基测定不同温度下产品各微生物数量,确定4~25℃条件下产品优势腐败菌。对乳酸菌数量与感官评定值进行了回归分析确定最小腐败量Ns。分别采用修正的Gompertz方程和平方根方程建立一、二级模型,并通过预测值与实测值对比验证模型的可靠性。结果 确定了4~25℃条件下产品优势腐败菌为乳酸菌,最小腐败量Ns=6.14(lg(cfu /g))。一、二级模型拟合度均良好,三种温度下模型预测值与实际值间的差异均在30％左右,波动幅度在10%以内。结论 实现了对4~25℃内任何时间点产品剩余货架期的预测,为冷链条件下气调包装酱卤鸭肉制品品质的变化提供了理论指导。     

Evaluation of bismuth doped La2-xBixNiO4+δ (x = 0, 0.02 and 0.04) as cathode materials for solid oxide fuel cells

Bismuth doped La_2-xBi_xNiO_4+δ (x = 0, 0.02 and 0.04) oxides are investigated as SOFC cathodes. The effects of Bi doping on the phase structure, thermal expansion, electrical conduction behavior as well as electrochemical performance are studied. All the samples exist as a tetragonal Ruddlesden-Popper structure. Bi-doped LBNO-0.02 and LBNO-0.04 have good chemical and thermal compatibility with LSGM electrolyte. The average TEC over 20–900°С was 13.4 × 10^?6 and 14.2 × 10^?6 K^?1 for LBNO-0.02 and LBNO-0.04, respectively. The electrical conductivity was decreasing with the rise of Bi doping content. EIS measurement indicates Bi doping can decrease the ASR values. At 750 °C, the obtained ASR for LBNO-0.04 is 0.18 Ωcm², which is 56% lower than that of the sample without Bi doping, suggesting Bi doping is beneficial to the electrochemical catalytic activity of LBNO cathodes.     

基于粒子群优化和支持向量机的花粉浓度预测模型

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（PSO）算法和支持向量机（SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量；其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数；然后利用最优参数优化花粉浓度预测模型；最后，使用优化后的模型对花粉未来24 h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。     

Structural,optical and electrical properties of indium doped Cu2ZnSn(S,Se)4 thin films synthesized by the DC and RF reactive magnetron cosputtering

Element doping into the Cu₂ZnSn(S,Se)₄ (CZTSSe) absorber is an effective method to optimize the performance of thin film solar cells. In this study, the Cu₂In_xZn_1-xSn(S,Se)₄ (CIZTSSe) precursor film was deposited by magnetron cosputtering technique using indium (In) and quaternary Cu₂ZnSnS₄ (CZTS) as targets. Meanwhile, the In content was controlled using the direct current (DC) power on In target (P_In). A single kesterite CIZTSSe alloy was formed by successfully doping a small number of In³⁺ into the main lattice of CZTSSe. The partial Zn²⁺ cations were substituted by In³⁺ ions, resulting in improving properties of CZTSSe films. Morphological analysis showed that large grain CIZTSSe films could be obtained by doping In. The well-distributed, smooth, and dense film was obtained when the P_In was 30 W. The band gap of CIZTSSe could be continuously adjusted from 1.27 to 1.05 eV as P_In increased from 0 to 40 W. In addition, the CIZTSSe alloy thin film at P_In = 30 W exhibited the best p-type conductivity with Hall mobility of 6.87 cm²V^?1s^?1, which is a potential material as the absorption layer of high-performance solar cells.     

一种使用多跳事实的端到端知识库实体描述生成方法

自动化实体描述生成有助于进一步提升知识图谱的应用价值,而流畅度高是实体描述文本的重要质量指标之一。该文提出使用知识库上多跳的事实来进行实体描述生成,从而贴近人工编撰的实体描述的行文风格,提升实体描述的流畅度。该文使用编码器—解码器框架,提出了一个端到端的神经网络模型,可以编码多跳的事实,并在解码器中使用关注机制对多跳事实进行表示。该文的实验结果表明,与基线模型相比,引入多跳事实后模型的BLEU-2和ROUGE-L等自动化指标分别提升约8.9个百分点和7.3个百分点。     

计及Spark和属性权重的售电套餐推荐方法

针对电力市场用户群庞大，交易过程中售电套餐选择困难的问题，在Spark环境下设计了一种售电套餐推荐方法，同时也解决了售电套餐推荐过程中在大数据环境下的可扩展性及实时性问题。首先，计算出每个套餐属性的权重值，从而计算得到售电套餐综合相似度。然后，计及用户和套餐两方面提出一种售电套餐推荐方法，实现售电套餐的精准推荐。实验表明，提出的推荐方法能够明显提高推荐的准确度，并且在分布式环境下具有良好的推荐效率和可扩展性。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。