基于FCM的簇内欠采样算法

针对传统分类器在不平衡数据集上性能降低的问题,提出一种基于FCM的簇内欠采样算法(Fuzzy C-means clustering Based Under Sampling In Clusters, FCMUSIC)。使用模糊c-均值聚类算法(Fuzzy C-Means clustering, FCM)将多数类样本划分成若干簇,在每个簇内以类别不平衡比率(imbalanced ratio, IR)的倒数作为采样倍率,得到新的多数类样本并与少数类样本合并,形成新的平衡样本集,结合KNN和Random Forest分类器进行分类。分析在5组不平衡数据集上的分类结果,当使用KNN分类器时,改进后的算法的F1值平均提高了6.65%,G-mean值平均提高了7.75%;使用Random Forest分类器时,F1值平均提高了5.31%,G-mean值平均提高了6.07%。表明FCMUSIC算法能够有效地提升传统分类器对不平衡数据集的分类性能。     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类,从而判断焊接质量的等级,对传统卷积神经网络进行改进,提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率,并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响,采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理,并在该数据集上验证模型的有效性。与传统卷积神经网络相比,该模型具有良好的性能,在测试集上准确率达到96.77%,同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。     

基于级联卷积神经网络的前列腺磁共振图像分类

针对深度学习训练成本高,以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题,本文提出了一种基于级联卷积神经网络（Convolutional Neural Network,CNN）和磁共振图像的前列腺癌（Prostate Cancer,PCa）自动分类诊断方法,该网络以Faster-RCNN作为前网络,对前列腺区域进行提取分割,用于排除前列腺附近组织器官的干扰;以基于ResNet改进的网络结构CNN40_bottleneck作为后网络,用于对前列腺区域病变进行分类.后网络由瓶颈结构串联组成,其中使用批量标准化（Batch Normalization,BN）、全局平均池化（Global Average Pooling,GAP）进行优化.实验结果证明,本文方法对前列腺癌诊断结果较好,而且缩减了训练时间和参数量,有效降低了训练成本.     

非线性科学中的对称性研究及其应用

自1990年宁波大学非线性科学课题组完成非线性系统对称性约化的第1个对称性专题研究以来, 宁波大学的非线性科学研究,特别是非线性系统的对称性研究成为一个特色, 引起了同行的广泛关注. 宁波大学非线性科学团队在对称性研究方面的主要进展有: 递推算子的因式化和逆递推算子及逆对称和逆可积梯队、形式级数对称法、非局域对称及其局域化、达布变换和非局域对称、条件对称和分离变量法、对称群直接法、群不变非线性系统分类、超对称和玻色化、留数对称、从对称性到达布变换、非局域对称的对称性约化和相容Riccati展开法、完备对称和可积性、大气和海洋系统中的对称性应用、离散对称和多地物理学、局域对称和非局域对称的对偶及可积系统的正梯队和负梯队的对偶等.     

高效毛细管电泳法分析蓝色签字笔字迹色痕种类及相对形成时间

选用毛细管区带电泳分离模式,对13种市售蓝色签字笔样品字迹色痕进行了分析。当电压为15 kV、柱温为25 ℃时,以0.03 mol/L 四硼酸钠水溶液(外加10%(体积分数)的甲醇)为缓冲液,所有样品都可以得到良好的区分;依据紫外区检测结果,样品可以分为三大类、五小类;依据可见区检测结果,样品可以分为四类;两种分析结果相结合有助于增大不同样品之间的区分度;选择3种样品进行暗处保存老化制样,根据字迹中色料成分相对含量的变化,对字迹的相对形成时间进行了初步探讨。研究还发现纸张类型对于上述研究结果无影响。     

稀土氧化物上SO2和NO的催化还原 Ⅱ.用CO作还原剂的脱硫及反应机理

采用连续流动固定床石英反应器,在反应气体为１％ＳＯ２和２％ＣＯ,流量为１８０ｍｌ／ｍｉｎ,以及催化剂用量为０．５ｇ的条件下,考察了经活化处理的稀土系列氧化物对ＣＯ还原ＳＯ２的催化活性,探讨了空速、温度和水蒸气等因素对反应的影响,所研究的样品依据对ＳＯ２的转化能力可分为三组：高活性的镧、镨、钕、钐、铕和钆氧化物;低活性的铈、狄和铒氧化物;无活性的铽和氧化物,在活性最高的钕和钐氧化物样品上,４５０℃时ＳＯ２的转化率〉９８％,反应过程中,活性相为稀土氧硫化物,反应遵从ＣＯＳ中间物机理。     

二维/二维S-型Bi3NbO7/g-C3N4异质结光催化剂驱动选择性CO2还原制CH4

人工光合作用可直接将二氧化碳转化为一系列碳氢化合物,实现大气中的碳循环,被视为一种既能解决能源短缺又能减少温室气体,进而改善人类生存环境的新型绿色技术.光催化二氧化碳还原体系需要合适的耦合氧化还原反应,以及对外界光源的有效利用以产生足够电子参与反应,因此构建高催化活性和高选择性的催化体系仍然面临着巨大挑战.此外,二维纳米结构(2D)由于具有比表面积大、离子的迁移路径短以及独特的平层电子转移轨道等特性,被证实有利于光催化还原CO₂过程.其中,Bi₃NbO₇特殊的片层结构和合适的能带位置,使其在光催化还原CO₂反应中表现出良好的催化性能.然而,Bi₃NbO₇的光生载流子易复合及反应中光腐蚀严重等缺陷导致其光利用率较低,限制了其实际应用.因此,构建S-型异质结是提高复合材料光催化活性的一种有前途的策略.S-型异质结不仅能有效地分离光生电子和空穴,而且这一电子转移过程赋予了复合物最大的氧化还原能力.同时,S-型光催化体系不仅拥有同样的强氧化和强还原能力,还可显著抑制副反应的发生及副产物的产生,有利于CO₂还原反应的高选择性进行.本文利用简易的溶剂热法制备了一系列S-型Bi₃NbO₇/g-C₃N₄(BNO/UCN)异质结光催化剂,与其纯组分催化剂相比,表现出优异的光催化还原CO₂活性,g-C₃N₄含量为80wt%的BNO/UCN-3光催化剂催化CO₂生成CH₄产率为37.59μmol·g^-1h^-1,是g-C₃N₄的15倍,CH₄选择性为90%;且循环反应10次后仍保持较高的活性及CH4选择性.光催化活性及选择性的显著增强是由于二维分布的纳米结构和S-型电荷转移路径.在可见光照射下,界面内建电场、带边缘弯曲和库仑相互作用协同促进了复合物相对无用的电子和空穴的复合.因此,剩余的电子和空穴具有较高的还原性和氧化性,使复合材料具有较高的氧化还原能力.自由基捕获实验、电子顺磁共振实验和原位X射线光电子能谱实验结果表明,光催化剂中的电子迁移遵循S-型异质结机理.综上,本文不仅为新型S-型异质结CO₂还原光催化剂的设计和制备提供了新方法,而且为未来解决能源短缺及实现碳中和目标提供一定的实验及理论依据.     

玫瑰红景天药用历史及功能简介

玫瑰红景天具有上千年的药用历史,是我国传统中药中的瑰宝。大量研究表明,玫瑰红景天提取物对人体中枢神经系统、心血管系统以及内分泌系统具有保护和调节作用,尤其在抗疲劳、抗抑郁、抗肿瘤及提高人体免疫力等方面具有独特的药效。本文介绍了玫瑰红景天的药用开发历史及其特征活性成分的功能,以期提高人们对这种传统中药的认识,为进一步开发玫瑰红景天的药用功能提供借鉴和参考。