基于负样本多通道优化SSD网络的钢铁厂提取

准确提取钢铁厂对去产能监测和环境保护具有重要意义。传统的人工目视解译方法效率低、成本高，无法满足开展大区域钢铁厂监测的需求。以深度学习目标检测网络SSD为基础，构建面向遥感影像钢铁厂提取的深度学习目标检测网络，提出maxout模块，将负样本通路优化为多分支结构，突出难分负样本特征并提升网络对无用特征的抵制效果。利用国产GF-1数据对京津冀地区的钢铁厂进行快速自动提取实验。与人工解译的钢铁厂点位数据的对比表明，该目标检测方法的提取精度达到80%以上。     

基于二模复杂网络的隐性知识发现方法研究——以潜在药物靶点挖掘为例

[目的/意义] 通过构建二模复杂网络模型，揭示隐藏在海量文献中的隐性知识。[方法/过程] 通过NetworkX复杂网络工具包，依据任意两个节点的共现关系构建二模复杂网络模型；对网络模型中节点的共现关系进行加权，计算网络的拓扑信息并进行AP聚类，提取节点间的直接关系；采用AUC方法对AA、JC、加权改进的wAA和wJC等4种链路预测算法进行评价，遴选出最合适的预测算法，并对复杂网络的隐性关系进行预测分析。[结果/结论] 以潜在药物靶点挖掘为例进行的实证研究结果表明，wAA链路预测算法为最优的链路预测算法；二模复杂网络模型、指标和方法体系在美国化学文摘社数据库中的药物靶点挖掘中具有一定的有效性。下一步计划在其他数据库中或其他研究领域中进行尝试，以进一步验证该模型的通用性和有效性。     

无水洗车

汽车已渐渐进入寻常百姓的家庭.但对于爱车一族来说,令他们最头痛的事当属汽车的保养了.因为自己动手清洗、打蜡费时又费力,而经常去洗车房洗车费用较高,另外又浪费了大量的水.