广西丹霞地区文化旅游资源深度开发研究

随着旅游业的迅猛发展,传统观光旅游方式已不能满足广大游客对精神体验的需求,发展文化旅游迫在眉睫.广西丹霞地区文化旅游资源丰富,应加快发掘物质性和非物质性历史遗存,在充分研究其文化生态的基础上,通过旅游线路合理设计及媒介宣传等措施,实现丹霞地区及其周边地区文化旅游资源深度开发,把广西旅游业推上一个新的水平.     

宽频带激光自由空间传输的调制特性研究

基于惠更斯-菲涅耳衍射积分公式,研究了宽带光束在菲涅耳衍射区的自由空间传输特性,得到宽带光束传输的调制深度与光束带宽Δλ及菲涅耳数F的变化关系。结果表明:一定的带宽对光束的均匀性有适当的改善;当光束的带宽Δλ<2λ0/F时,带宽越大,光束越均匀;当带宽满足条件Δλ=2λ0/F时,菲涅耳衍射完全消失;在一定的菲涅耳数范围内,宽带光束的调制深度随菲涅耳数振荡变化,振荡曲线的主极大值和次极大值分别出现在菲涅耳数为奇数和偶数处,而极小值则出现在菲涅耳数F=2k±1/3(k=1,2,3,…)处,在极小值处光束的均匀性最好。     

基于sc RNA-seq数据的单细胞非线性降维方法

单细胞转录组测序数据中蕴含着丰富的细胞异质性表达信息,但也包含大量的冗余信息.降维不仅可以提取单细胞转录组测序数据内部的本质结构,减少冗余和噪声造成的误差,还可以为细胞聚类、基因富集分析、细胞发育轨迹推断等提供重要依据.本文介绍了基于流形学习、非负矩阵分解以及深度学习的非线性降维方法及其在单细胞转录组测序数据中的应用.     

玄武岩纤维-周丛生物膜-连续流反应器的污水深度净化性能研究

污水处理厂排水中氮、磷等营养盐浓度仍高于地表水,可能导致受纳水体富营养化,需要对其深度净化.周丛生物膜因其在脱氮除磷方面的优异性能而引起越来越多的关注.因此,设计了基于玄武岩纤维-周丛生物膜的连续流反应器(BFP-CFR),研究了不同水力停留时间(HRT)下BFP-CFR对污水深度净化的性能.研究结果显示,BFP-CFR的最佳HRT为48 h.该HRT下氨氮(NH₄⁺-N)、总氮(TN)和总磷(TP)的去除率为79.88%、25.36%和94.83%.经过该反应器处理后,可显著降低污水氮磷污染物浓度.当HRT≥32 h时,氨氮出水浓度可达《地表水环境质量标准》(GB 3838-2002)Ⅳ类标准及以上,总磷浓度符合《地表水环境质量标准》(GB 3838-2002)Ⅱ类标准及以上.反应器出水水质和净化动力学分析表明,由于BFP反硝化能力弱,本反应器水质净化的限制性污染物为总氮,后续需要在促进反硝化功能以强化脱氮方面开展研究.这为今后将BFP运用于污水处理后排水的深度净化提供了数据支撑,指出了需要技术突破的方向.     

基于长短时记忆神经网络的生猪价格预测模型

生猪价格序列的长短周期现象是困扰生猪价格预测的一个难题.针对这一问题,研究了生猪价格序列的波动特点和影响因素,提出了萤火虫算法(firefly algorithm,FA)优化长短时记忆神经网络(long-short term memory,LSTM)的生猪价格预测方法.首先对生猪价格序列进行预处理和分析;然后采用萤火虫...     

基于双向循环神经网络的汉语语音识别*

当前基于深度神经网络模型中,虽然其隐含层可设置多层,对复杂问题适应能力强,但每层之间的节点连接是相互独立的,这种结构特性导致了在语音序列中无法利用上下文相关信息来提高识别效果,而传统的循环神经网络虽然做出了改进,但是只能对上文信息进行利用。针对以上问题,该文采用可以同时利用语音序列中上下文相关信息的双向循环神经网络模型与深度神经网络模型相结合,并应用于语音识别。构建具有5层隐含层的模型,其中第3层为双向循环神经网络结构,其他层采用深度神经网络结构。实验结果表明:加入了双向循环神经网络结构的模型与其他模型相比,较好地提高了识别正确率;噪声对双向循环神经网络汉语识别有重要影响,尤其是训练集和测试集附加噪声类型不同时,单一的含噪声语音的训练模型无法适应不同噪声类型的语音识别;调整神经网络模型中隐含层神经元数量后,识别正确率并不是一直随着隐含层中神经元数量的增加而增加,神经元数量数目增加到一定程度后正确率出现了降低的趋势。     

基于路径选择的深海水下运动目标被动深度估计

深海水下运动目标的深度估计是目标分辨与识别中的重要一环。基于深海运动目标在深海中的直达波与海面反射波的到达时延与位置之间的关系,寻找时延图上运动目标的候选路径,利用候选路径模拟目标的运动路径,提出了一种可用单水听器实现的水下运动目标深度估计方法。通过用候选路径的估计时延与实际接收时延的比较对路径进行筛选,从而减少了需要的位置先验信息。2018年在南海进行的深海实验数据处理的结果表明该估计方法可行,对于实验中距离15km以内的拖曳声源,深度相对估计误差可以达到15%以内。     

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。     

皮肤组织容积脉搏波400~1000 nm光谱特性仿真研究

根据皮肤组织解剖结构特性建立了六层层状模型,并给出了皮肤组织各层的特性参数;考虑了氧合血红蛋白和还原血红蛋白的吸收特性,依据皮肤组织各层的水、血、脂肪、血氧饱和度含量以及血管大小给出了皮肤组织各层的光谱吸收系数;对不同波长散射系数做了适当简化,给出了皮肤组织各层的光谱散射系数。利用蒙特卡罗方法仿真血管组织在收缩与舒张两种状态下, 400~1 000 nm波长光在皮肤组织多层模型中的传输过程,并通过统计大量光子的分布特性,获得了皮肤组织光谱反射系数,并利用模拟所得的两种状态下的反射系数计算得到了光谱容积脉搏波幅度。仿真结果表明,当入射光强一定时,绿光的容积脉搏波幅度优于红光和蓝光。通过计算不同波长光沿皮肤组织深度方向光能流率衰减为1/e时对应的皮肤组织深度,获得了皮肤组织光谱穿透深度。结果显示,血管舒张状态下蓝光和绿光的穿透深度较小,蓝光大部分只能达到表皮层,绿光能到达微循环层,红光可直达真皮层。考虑到光在皮肤组织中传播包含了一个从收缩到舒张的动态过程,基于此,根据穿透深度定义了脉搏波信号产生深度,利用血管舒张与收缩两种不同状态下的穿透深度计算得到了光谱产生深度。结果表明,不同波长光产生深度大于其穿透深度,蓝光产生深度较浅,且其受到的血液吸收调制较小,因而其获得的脉搏信号易受噪声干扰;红光的容积脉搏波产生深度较大,但是相比于绿光其受血液吸收调制较小,且绿光产生深度足够达到真皮血管层,因而红光容积脉搏波的幅度小于绿光。上述仿真结果明确了皮肤组织部分光谱特性,为皮肤组织多光谱容积脉搏波的精确获取及其他相关研究提供了一定的理论基础。     

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。