基于改进欧几里得聚类的激光雷达障碍物检测

针对传统的欧氏聚类算法无法同时对近处和远处的障碍物点云进行精准检测和分割,容易造成错检和漏检的情况,提出一种欧氏聚类算法的改进方法,可以根据点云与激光雷达之间的距离动态地选择阈值,从而快速且准确地完成聚类.实验表明:该方法能同时对近处和远处的障碍物点云进行快速且准确的聚类.     

重大科技基础设施内涵演进与发展分析

重大科技基础设施是大科学时代的标志,是产生重大原创性、引领性成果的关键支撑,已经成为国家科技竞争力的象征和创新格局演化的重要变量.新一轮科技革命正孕育兴起,要加快重大科技基础设施布局建设,催生重大科学发现和关键技术突破,牢牢把握创新主动权,增强自主创新能力,推动科研范式升级和组织方式变革,实现科技自立自强成为国家发展的战略支撑,为建设世界科技强国厚植科技创新根基.     

具有外部干扰的耦合时滞神经网络固定时间二分同步

针对结构平衡图与结构非平衡图的网络拓扑,考虑了一类具有外部干扰的耦合时滞神经网络模型,分别设计了其固定时间同步控制协议.借助固定时间稳定性理论与不等式技巧,获得了耦合网络在固定时间内达到同步的充分性判据,给出了具体的收敛时间上界,并验证了固定时间同步网络的鲁棒性与抗干扰性.为了扩大网络模型的适用性,考虑的神经网络激活函数为非连续的函数,可借助微分包含与集值李导数理论解释非连续微分方程的动力学行为.最后,分别在结构平衡图和非平衡图下对耦合神经网络的固定时间二分同步进行了数值仿真,验证了控制算法的有效性及理论结果的正确性.     

知识传播视角下的健康信息普及慕课建设模式研究

为解决图书馆信息服务与慕课建设两者之间交融的问题,推进资源利用与资源服务的均等化、公平性,从知识传播视角出发,基于知识传播要素,根据国内健康信息普及慕课的建设情况与应用效果的调研结果,分析了图书馆健康信息普及慕课的建设模式,并构建了"群众情境交互"的健康信息普及慕课建设模式.该模式具有中心化、场景化、交互化的特点,形成了网状结构的相互关联作用的运转关系,并在正向数据流的动力下围绕数据收集→信息处理→情报分析→知识推荐运作规则实现了健康信息知识的传播.     

基于深度学习的中医古文献临床经验抽取

中医古文献蕴藏着丰富的临床经验，是古代中医在行医过程中对临床诊疗的经验性总结，体现了中医学形成和发展的理论框架和思想基础.然而这些宝贵的临床经验不仅量大，而且分散在不同的文献中，使得中医从业者手工很难快速全面地获取它们，文献检索工具也只能提供文档级别的信息筛选，无法为这种细粒度的信息获取提供支持.此外，古汉语相对于现代汉语的不同特点也限制了主流文本分析工具的使用效果.为此本文提出面向临床经验获取的中医古文献信息抽取任务，用于识别古文献中描述临床经验的文本片段，手工标注了样本数据用于这种抽取模型的训练和测试，并设计了基于深度学习的序列标注器用于完成该任务.考虑到标注数据量小可能带来的过度拟合问题，本文引入对抗训练和虚拟对抗训练来增强模型的泛化能力.一系列充分的实验验证了模型的有效性，表明利用信息抽取技术从古文献获取中医临床经验具有可行性，为这一新的信息抽取任务提供了有希望的研究基线和可复用的标注数据集.     

人才吸引力因素与政策工具契合关系研究以河北省为例

人才是第一资源,人才引进培养是经济社会发展的一个关键,近年来我国各地纷纷出台吸引人才的重磅政策.为探求人才政策工具对人才的吸引力情况,在构建人才吸引力因素理论模型基础上,通过对178位人才问卷调查获得人才吸引力关键因素,对河北省163份人才政策文本进行数据挖掘,分析政策工具与人才吸引力因素的契合关系.研究得出创新氛围、人才培训培养、人才激励评价、创新创业支持、人才服务和薪资待遇等方面契合度高,政策效果较佳;工作场所仪器设备条件、配偶子女安置和住房补贴的契合关系为政策不足,应加大政策制定;人才载体和医疗社会保障的契合关系为政策冗余,需加强政策实施.     

某电解铅厂周边农田土壤和玉米中铅污染评价及同位素溯源研究

为探究铅在土壤-玉米-大气中的迁移转化行为,以某电解铅厂周边农田土壤和玉米为研究对象,采集距排烟口50 m、110 m、300 m、500 m、700 m、900 m和3 000 m处的土壤和玉米样品,利用原子吸收光谱仪(AAS)和电感耦合等离子体质谱仪(ICP-MS)分别测定土壤、玉米和大气样品的铅含量和同位素比值。结果表明:电解铅厂周边的玉米均受到铅的污染,玉米根中的铅主要来自土壤,籽粒中的铅很有可能大部分来自大气,少部分来自土壤,茎中的铅很可能来自土壤而不是叶面传输;籽粒中的铅与叶片中的铅具有显著的相关关系(P0.01),相关方程为y=-0.0002x~2+0.0461x-0.4643,R=0.966 7。     

基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型，并基于此模型推导了地铁车站结构极限状态超越概率的计算公式，以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维；为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性，基于BP神经网络建立趋势模型以预测结构的地震响应；基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差，以拓展残差的齐次方差正态分布假设的严格限制。最后，以上海典型2层三跨地铁车站为算例，计算得到其易损性曲线。结果表明，基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征；建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。