网络广告点击率预估的特征学习及技术研究进展

大数据时代有效预估网络广告点击率,对企业精准营销和提高投资回报率具有至关重要的作用。对网络广告点击率预估的特征学习及技术研究进行了综述,从原始数据特点及解决方法、点击率预估的特征学习、点击率预估模型构建、评价指标选取等方面,分析了网络广告点击率预估的国内外研究现状。点击率预估可应用于互联网广告投放、推荐系统等多个领域,具有较高的研究价值。     

路基回弹模量预估研究进展

路基回弹模量不仅是路面结构设计的关键参数,也是路面结构力学行为分析的关键参数.为准确把握路基回弹模量的预估,系统梳理了路基回弹模量研究进程,预估模型特点及适用性.首先通过统计得到,路基回弹模量预估模型主要分为本构模型、经验公式以及考虑基质吸力的非饱和土预估模型;其次评价了各预估模型的优缺点;最后针对各预估模型的特点,分析了其适用性,以期为不同路基工况的回弹模量的预估提供基础资料.     

一种检测范围自适应的目标跟踪算法

为处理目标的消失重现、形变及环境变化等问题, 要求跟踪算法有一定的检测与学习能力. 针对全局检测方法因冗余检测而造成检测效率低下的问题, 在基于P-N学习的跟踪框架的基础上, 提出一种自适应生成检测范围的目标跟踪算法. 通过引入卡尔曼滤波器(Kalman filter)对目标位置、尺度以及两者的变化速度进行预估, 在检测前根据预估信息自适应生成检测范围, 提高检测效率. 在公开的CoGD数据集上进行实验, 结果证明该算法较原始算法在准确度基本不变的基础上, 速度得到显著改善.     

线性约束变分不等式的LQP算法

将一类具有线性约束的变分不等式问题转换为等价的非线性互补问题,在证明了构成函数的单调性等性质后,结合LQP算法,提出相应的基于LQP的算法,并通过预估校正及对校正步长采取新的策略,给出了改进形式的两个算法.     

近50年鄱阳湖流域降水时空特征及其对水文过程的驱动

依照鄱阳湖流域79个国家气象站的逐月降水资料(1961~2010年),基于BCC-CSM全球气候系统模式预估数据(2014~2050年),对鄱阳湖流域降水变化趋势和空间分布变化趋势进行分析。选取赣江外洲站1961~2010年逐日径流量和1960~2010年年代径流量、输沙量数据,利用HBV水文模型、SPSS统计软件对赣江流域面雨量及径流量进行相关性分析,探讨降水特征对水文过程的驱动性。结果表明:1961~2010年间鄱阳湖流域降水量总体略呈上升趋势,降水日数呈下降趋势,降水强度增加、降水时间分布不均匀性更加明显,旱涝等极端事件发生更为频繁;年内变化特征为分布不均匀,以4~6月为汛期,其中6月降水量最大;空间分布特征总体表现为东部降水大于西部,丘陵地区降水大于平原地区;降水变化为径流量、输沙量变化等水文响应的主要驱动力,赣江流域面雨量及径流量呈显著线性相关,相关系数高达0.909。未来37年降水呈现略上升趋势,但趋势不显著。若鄱阳湖流域长期存在高能源需求及高温室气体排放,则洪涝灾害发生将更为频繁。研究为预测鄱阳湖流域水资源科学管理提供科学依据。     

基于深度稀疏自编码网络的植物叶片分类

针对传统机器学习方法对植物叶片图像分类识别率不高的问题,探讨了基于深度稀疏自编码网络(Deep Sparse Autoencoder Network,DSAN)的植物叶片分类研究。自动编码器通过编码和解码重构输入数据,对植物叶片进行分层特征学习,在自动编码器上添加稀疏限制,对隐含层神经元进行压缩,从而学习到更高层的隐含特征用于分类,解决了因选取的特征表达不足导致网络模型分类性能不佳的问题。实验采用公开的植物叶片图像数据库MalayaKew(MK)作为研究对象,该数据集包含44类植物。将预处理之后的叶片图像直接作为输入数据,通过DSAN学习到叶片的高层特征,结合Softmax分类器用于分类。实验结果表明,该算法能够有效提高植物叶片图像的分类精度,在植物分类领域具有一定的应用价值。     

基于深度学习的非对齐人脸验证方法

当前大多数方法需要对人脸进行对齐等预处理,这不仅影响验证流程的连续性,还严重影响人脸验证的效率。本文设计了两种神经网络模型及三个阶段式的训练验证构架以及基于深度特征与SIFT特征相结合的高效的非对齐人脸验证方法:方法利用卷积神经网络的池化层中间结果同步生成SIFT特征描述符从粗粒度到细粒度进行多级联的非对齐的人脸验证,这极大的提高人脸验证的速度及准确度;在训练阶段提出了使用三元组样本作为输入,Triplet loss作为损失函数有效提高不同人之间的区分度提高人脸验证的准确率;本文根据不同应用场景设计了两种深度学习架构适应小型及大型设备的需要。本方法经过在Web-face数据集训练及在LFW,YOUTUBE等数据集上验证,结果表明该方法具有良好的性能。     

基于LANDMARC的最近邻居改进算法

对基于动态主动式射频识别标定的定位识别(LANDMARC)室内定位系统算法进行了研究,针对现有LANDMARC室内定位系统算法最近邻居数量固定导致优良的最近邻居丢失、不良最近邻居引入的问题,提出了一种改进的最近邻居算法(K-nearest neighbor algorithm,KNN).该算法利用待测标签的预估位置,划定最近邻居的选择区域,然后根据选择区域内参考标签与预估位置能级差选择最近邻居.MATLAB仿真结果表明,在同等条件下的新算法定位精度提高了9.8%,最大误差降低了21.8%.     

基于改进的DenseNet-BC对少数民族服饰的识别

随着信息技术的发展,数字技术越来越多地应用于民族文化数字化保护,民族服饰的数字化及分类问题也日益受关注。相比一般服饰,少数民族服饰具有更多的细节特征信息,对其进行分类识别具有很大挑战。选用卷积神经网络DenseNet-BC作为基础网络结构,设计并使用了多尺度密集连接单元,用不同大小的卷积提取不同尺度的特征信息,以提高网络的学习能力;此外,为进一步提高网络的鲁棒性,提出一种局部和全局注意力机制方法进行分类识别。实验结果表明,改进的DenseNet-BC模型对少数民族服饰的识别准确率达95.18%,较ResNet-18、ResNet-34和DenseNet模型的识别准确率分别提升了3.84%、2.27%和1.18%。改进的DenseNet-BC模型具有更好的特征提取能力,能够提取更多的细节特征信息,一定程度上解决了普通模型提取特征尺度单一、特征丰富度低的问题。     

阜东斜坡区头屯河组产能特征及其影响因素分析

通过岩心、测井和地震等宏观资料,结合铸体薄片、扫描电镜及毛细管压力等微观测试分析,对阜东斜坡区头屯河组产能特征及其影响因素进行分析.结果表明:研究区头屯河组产能具有总体产能偏低、油区非均质性较强和开采方式不相同的特点.沉积微相、平面非均质性、储层的微观特征、敏感性以及断裂是影响阜东斜坡区产能差异性的重要原因.因此需根据研究区头屯河组产能特征,叠合各个影响因素,改进油井施工工艺,调整开发方案,提高油井的产能.     

一种新的NBP网络增强组合算法

研究分析了已有NBP网络学习算法样本学习速度慢以及样本个体误差较大的原因,并在此基础上提出了一种基于训练集递减的自适应增强组合算法.通过对个体样本误差分布、泛化特性等方面的实例分析表明,该算法具有良好的泛化特性,既提高了样本学习速度,又改善了样本个体误差.     

机器学习在心血管疾病辅助诊断中的研究:现状与未来进展

心血管疾病具有高发病率、高住院率、高致残率、高死亡率等特征,伴随高额的治疗疾病负担,早期准确诊断心血管疾病意义重大.以机器学习(ML)为代表的人工智能心血管疾病辅助诊断技术为诊断心血管疾病提供了新方法.基于ML疾病诊断技术日趋成熟,且在各类心血管疾病中取得诸多进展,包括冠心病、心力衰竭及心律失常等.本文综述了ML在心血管疾病辅助诊断中的技术背景和研究现状,分析了该领域在临床转化应用方面的挑战,并对未来研究进行了展望.     

广义无监督函数映射学习的三维形状密集对应方法

提出了一种新颖的广义无监督函数映射学习的三维形状密集对应方法。首先，基于多层感知器（multilayer perceptron,MLP）和残差网络，直接学习深度点特征。其次，计算点云的近似测地线距离，并对其进行特征分解，建立特征嵌入空间，引入注意力机制，有效学习广义基函数表示。再次，结合点特征与广义基函数生成三维形状的深度特征表示。最后，建立无监督的函数映射网络框架，获取形状之间的密集对应表示。提出的三元正则优化机制，联合重构损失、特征损失和形状匹配的距离损失，在特征域和空间域上有效提升了学习性能及形状对应的精度。实验结果表明，广义基函数表示与无监督函数映射学习机制适用于任意三维形状，突破了现有方法只适用于连续二维流形的局限，在任意三维形状匹配中取得了更优的性能。     

双组份凝结换热实验系统的研制

正系统特征的双组份混合工质,具有Marangoni效应,即出现类似珠状凝结,提高传热效率,可减少换热器的金属消耗和减小其尺寸.本项目研制的双组份凝结换热实验台,通过改变蒸汽浓度、压力和流速等因素,研究了对具有正系统特征的二元混合工质的水平管外凝结换热的特性.     

塔里木盆地奥陶系碳酸盐岩热液蚀变类型及蚀变流体的分带特征

已探明塔里木盆地下古生界碳酸盐岩地层储量巨大。对塔里木盆地西北部柯坪-巴楚-阿图什一带的4块区域开展了系统的野外和重点观测工作,包括蓬莱坝剖面、柯坪水泥厂剖面、托普郎剖面等。本研究通过考察塔里木盆地奥陶系碳酸盐岩热液溶蚀及相关现象。从野外产状、伴生关系以及矿物岩石学特征角度解剖奥陶系地层中热液矿物组合的地质特征。研究表明,该区域存在富镁流体、富氟流体和富硫流体3种流体,分别来源于封存卤水、火成活动和TSR热液。不同性质流体蚀变具有相似的分带性。     

塔里木盆地奥陶系碳酸盐岩热液蚀变类型及蚀变流体的分带特征

已探明塔里木盆地下古生界碳酸盐岩地层储量巨大。对塔里木盆地西北部柯坪-巴楚-阿图什一带的4块区域开展了系统的野外和重点观测工作,包括蓬莱坝剖面、柯坪水泥厂剖面、托普郎剖面等。本研究通过考察塔里木盆地奥陶系碳酸盐岩热液溶蚀及相关现象。从野外产状、伴生关系以及矿物岩石学特征角度解剖奥陶系地层中热液矿物组合的地质特征。研究表明,该区域存在富镁流体、富氟流体和富硫流体3种流体,分别来源于封存卤水、火成活动和TSR热液。不同性质流体蚀变具有相似的分带性。     

基于联合特征与Bi-LSTM模型的英汉双语文本情绪预测

英汉双语文本中的情绪可以通过英语和汉语的单语或者双语形式来表达。然而,以往的研究主要集中在单语文本的情绪分析,只有少数研究侧重于英汉双语文本。为提高英汉双语文本情绪预测效果,本文结合情绪词典方法与深度学习方法,使用联合特征与Bi-LSTM模型来对英汉双语文本进行情绪预测。首先基于情绪词典抽取出双语文本中包含的情绪词特征,然后联合情绪词特征与双语文本特征输入至Bi-LSTM模型进行特征学习,最后将学习到的深度语义特征输入到分类器中进行情绪预测。实验结果表明,该方法对英汉双语文本的情绪预测有良好的效果。     

基于改进Mask R-CNN的多标签甲状腺结节检测模型

基于符合中国国情的C-TIRADS甲状腺结节恶性风险分层指南来构建计算机辅助诊断模型具有重要的应用价值，能够提升甲状腺结节和分化型甲状腺癌诊断的规范化、标准化、同质化，提高医生诊断效率和降低劳动强度。本文提出基于深度学习的多标签目标检测模型用以检测识别甲状腺结节、预测甲状腺结节恶性等级以及结节的病理特征，经过在数据集上进行实验对比选取Mask R-CNN作为基准模型，并在基准模型基础上进行优化改进，主要改进包括使用ResNet152-FPN替换原有特征提取网络来提升模型特征能力，设计全新的卷积多标签检测头结构来对结节病理特征进行多标签预测，基于医学先验知识对模型锚框尺寸及比例进行自定义来提升模型的定位精度，最后为模型设计迁移学习训练方案来进一步提升模型性能。实验结果表明，改进模型对甲状腺结节的识别准确率达到了94.4%,对甲状腺结节病理特征的平均识别准确率达到了88.6%。     

新疆巴里坤膨润土矿物学表征

本文研究了新疆巴里坤膨润土矿的蒙脱石结构、成分、性能等矿物学特征,利用扫描电子显微镜、X射线衍射、紫外-可见漫反射光谱、红外光谱等分析测试方法对新疆巴里坤膨润土进行了表征,发现该膨润土品质优,工艺性能良好,具有较好的开发利用价值.     

关系类别间接性学习中分类方式的认知特点

以252名大学生为被试,采用关系复杂性不同的3种关系类别,创设个人关系类别的间接性学习条件和参照性交流关系类别的间接性学习条件,通过分类任务探讨关系类别间接性学习中分类方式特点.结果表明：关系类别间接性学习中限定分类成绩显著优于自由分类;分类方式对学习条件具有显著的影响作用,且因关系类别关系复杂性的不同而具有不同表现,4特征复杂关系类别学习中参照条件的分类成绩显著高于个人条件,6特征复杂关系加二阶同功能简单关系类别学习中,个人条件的限定分类成绩显著高于参照条件,6特征复杂关系加二阶异功能简单关系类别学习中,2条件分类成绩无显著差异.