基于完全互补码波形的非零多普勒目标检测

本文将完全互补码(Complete Complementary Code, CCC)应用于多输入多输出(Multiple Input Multiple Output, MIMO)雷达目标探测中，针对具有非零多普勒的多目标检测问题，提出一种基于广义普洛黑-修-莫尔斯(Generalized Prouhet-Thue-Morse, GPTM)序列和二项式系数加权的信号处理方法。该方法分别在发射端和接收端进行处理，在发射端采用GPTM序列设计方法调整脉冲的发射顺序，以降低由多普勒引起的距离旁瓣；在接收端通过二项式设计(Binomial Design, BD)方法为各接收脉冲加上不同权重，扩大目标多普勒附近的清洁区。为综合上述两次处理的优势，将两次处理得到的距离多普勒谱进行逐点最小化处理，得到最终的距离多普勒谱，然后进行有序恒虚警检测。仿真结果表明，本文所提的信号处理方法具有良好的旁瓣抑制效果和多普勒分辨率，能够有效检测出非零多普勒目标。     

基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

成熟探区勘探目标群油气期望价值评估方法

我国的矿业权出让制度改革正在全面推进，合理评价区块期望价值对于油公司的区块进退决策至关重要。对于含有多个勘探目标的成熟探区，简单地将各目标价值相加通常会高估区块期望价值，应综合考虑两方面的因素:一是各勘探目标的地质情况，包括相对空间位置关系、地质成功率、资源规模和地质相关性等；二是油公司的勘探策略，包括干井承受能力、承诺钻井数量、对各目标的钻探次序等。为此，从油公司区块进退决策实际出发，提出一套基于概率论的勘探目标群期望价值估算方法，并通过实例讨论了上述因素对区块期望价值的影响。      

棉花目标价格改革政策助推新疆棉花现代物流体系建设

为更好地满足市场需求,保障新疆棉花产业的“提质增效”,2015年新疆启动了棉花目标价格补贴试点政策,以公证检验为依托,棉花监管仓库为端口,仪器检测为质量保障的现代化棉花流通体系,促进了棉花物流交易平台的建设。本文将从新疆棉花目标价格改革制度及物流体系现状、交通设施便捷、物流管理基础条件以及新疆棉花信息平台建设等方面总结概括了新疆棉花现代化物流体系的基础优势,并提出了推动新疆棉花现代物流体系建设的相关建议。     

铝行业碳排放交易箭在弦上

本文介绍了欧洲碳排放发展的情况,并简要概述了中国铝行业碳排放现状、实行碳排放的必要性及对国家整体目标达成的重要性,最后对铝行业节能减排提出了几点思考。近年来,中国应对全球气候问题成果显著,2018年全国碳排放强度比2005年下降45.8%,提前达到了2020年碳排放强度,比2005年下降40%~45%的预定目标。近期,中国再次承诺到2030年左右二氧化碳排放总量达到峰值,2060年前实现碳中和。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

基于Bert预训练模型的虚假新闻文本检测

虚假新闻剥夺了人们获取真相的权利,也给社会和国家带来了许多危害。文中以虚假新闻文本为例,分析和验证了多种预训练语言模型在虚假新闻文本分类上的分类效果。经实验证明,相较于其他语言模型,Bert预训练语言模型取得了较好的结果,预测准确率为86.97%,召回率为88.12%,F1值为87.54%。     

基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.