摘要：社区是信息网络的重要属性,社区搜索旨在寻找满足用户给定条件的节点集合,是信息网络分析的重要研究内容.异质信息网络由于包含更加全面、丰富的结构和语义信息,所以异质信息网络的社区搜索近年来受到人们的广泛关注.针对现有异质信息网络的社区搜索方法难以满足复杂条件社区搜索要求的不足,定义了复杂条件社区搜索问题,提出了考虑非对称元路径、受限元路径和禁止节点约束的搜索算法.3种算法分别通过元路径补全策略、调整带标签的批量搜索策略和拆分复杂搜索条件的方式搜索社区,同时针对禁止节点约束的搜索算法设计了基于剪枝策略和近似策略的优化算法以提高搜索效率.在真实数据集上进行了大量实验,实验结果证明了所提算法的有效性和高效性.

摘要：从延长无线传感器网络寿命的角度出发,设计了一种基于鲸鱼算法优化模糊逻辑的无线传感器网络(WSNs)分簇路由算法。首先,基于剩余能量和距离设计了成簇阈值来选择候选簇头,以提高候选簇头的质量。其次,针对利用模糊逻辑进行簇头选择时Mamdani推理模型的模糊规则组合数量庞大,根据经验知识设定的模糊规则与最优规则差距较大的问题,将模糊规则编码进鲸鱼算法进行寻优,并设计了3个独立的语言变量用于模糊逻辑输入,使得竞选出的簇头能量、位置和密度更合理。同时,利用竞争半径来进行非均匀分簇以均衡簇头的能量消耗,并优化了节点的入簇机制以提高基站周围节点的能量利用效率。经实验证明,在设定的网络模型中,本文算法与LEACH(low energy adaptive clustering hierarchy)、FBECS(fuzzy based enhanced cluster head selection)和UCMF(Unequally Clustered Multi-hop routing protocol based on Fuzzy logic)三种算法相比有效平衡了节点的负载,更大程度地提高了网络寿命。

摘要：爨体字作为典型的衬线字体,不同于黑体、微软雅黑、等线这些非衬线字体,其字形结构十分多样.为了防止爨体字在生成过程中笔画弯折处出现伪影和模糊的现象,提出一种基于稠密自适应生成对抗网络的爨体字风格迁移模型.首先,生成器通过稠密自适应卷积块更加充分地提取风格特征和内容特征;然后,像素判别器对真实图片和生成图片进行分辨;再采用对抗损失、迁移损失、梯度损失和边缘损失对生成网络进行参数调节;最后,将自行采集的爨体字数据集作为训练集送入模型进行训练.实验结果证明,所提模型能够有效地学习到风格特征,达到更好的生成效果;其生成结果在字形大小保持上优于Zi-to-zi模型,在笔画细节特征的保留上优于StarGANv2以及CycleGAN模型,并在SSIM和L1 loss指标上得到了验证.

摘要：研究了对数正态分布下伴有随机移走的逐级删失定时截尾恒加寿命试验模型的抽样方案设计.假定产品的寿命分布遵从对数正态分布,被随机移走的试验产品数服从二项分布,其中每一个试验产品被随机移走的概率为p.考虑了高于正常状态的2个应力水平,并假定对数寿命分布的参数与应力水平是线性关系,推导了模型的Fisher信息矩阵,并通过极小化广义渐近方差得到低应力水平的值和试验样品的分配比例,最后使用OC曲线来确定接收系数和样本量.利用数值模拟的方法,得到了最优的低应力水平值、试验样品的分配比例以及相应的抽样方案.

摘要：随着计算机视觉领域的发展,图像风格迁移已经成为一个具有挑战性和研究价值的重要课题。针对现有方法无法有效保留内容图像物体轮廓和同种内容语义迁移多种不同风格特征的问题,提出了一个内容语义和风格特征匹配一致的艺术风格迁移网络。首先,利用双支路特征处理模块增强风格特征和内容特征,并保留内容图像的物体轮廓;然后,在注意力特征空间中实现特征分布对齐和融合;最后,采用具有空间感知能力的插值模块实现内容语义的风格一致化。使用82783张真实照片和80095张艺术画像进行风格迁移训练,另各使用1000张真实照片和艺术画像进行测试。实验通过与最新的4种风格迁移方法进行比较,并进行消融实验分别验证该框架与所加损失函数的有效性。实验结果表明,本文网络在256像素图像生成中平均运行时间为9.42 ms,在512像素图像生成中平均运行时间为10.23 ms;同时避免了内容结构扭曲失真,并将内容语义和风格特征匹配一致,具有更好的艺术视觉效果。

摘要：目的东巴画具有内容丰富、线条疏密相间、色彩多样的独特艺术风格,将现有针对自然图像的超分辨率算法直接应用于低分辨率东巴画时,对东巴画线条、色块以及材质的重建效果不理想。为了有效提高东巴画数字图像分辨率,本文针对东巴画提出超分辨率重建方法。方法首先,针对东巴画图像包含丰富高频信息的特点搭建重建网络,网络整体结构采用多级子网络级联方式渐进地重建出高分辨率东巴画,多级子网络标签共同指导重建,减少了东巴画图像在上采样过程中高频细节的丢失,每一级子网络内部均包含浅层特征提取模块和以残差密集结构为核心的深层特征提取模块,分别提取东巴画不同层次的特征进行融合,改善了卷积层简单的链式堆叠造成的特征丢失。其次,为了进一步提升重建东巴画的视觉质量,在像素损失的基础上引入感知损失和对抗损失进行对抗训练。最后,为了使网络对东巴画图像特征的学习更具针对性,本文自建东巴画数据集用于网络训练。结果实验结果表明,在本文东巴画测试集set20上,当上采样因子为8时,相较于Bicubic(bicubic interpolation)、SRCNN(super-resolution convolutional neural network)、Srresnet(super-resolution residual network)和IMDN(information multi-distillation network)方法,本文算法的峰值信噪比分别增加了3.28 d B、1.80 d B、0.23 d B和0.36 d B,重建东巴画的主观视觉质量也得到了更好的结果。结论本文提出的超分辨率网络模型能有效提高低分辨率东巴画的分辨率和清晰度,并且具有普适性,亦可采用其他数据集进行训练以拓展应用范围。

摘要：通过正交设计和极差分析研究了超音速电弧喷射雾化制取AgNiCu15-5粉末工艺参数的优化,并运用SEM、XRD对制备的粉末进行了表征。结果表明,影响粉末粒度在25～38μm范围的质量分数的工艺参数的主次顺序为:雾化距离L>电弧电流I>电弧电压U>雾化气压P;优化的制粉工艺参数为L1I1U2P1,即雾化距离L为250 mm、电弧电流I为100 A、电弧电压U为32 V、雾化气压P为0.8 MPa。在优化的实验条件下,制备出了粒度分布均匀的球形AgNiCu15-5粉末,其中94%以上的粉末粒度小于38μm。

摘要：字体迁移是一项十分具有挑战性的任务,其目的是将目标字体通过某种映射方式迁移到源字体,以实现字体的变换。现有的方法在字体迁移方面的鲁棒性有限,突出表现为对生成字体结构完整性的保持较差,尤其是当两种不同种类的字体差别较大时。针对这些问题,提出了一种端到端的字体迁移网络框架模型。该模型引入了注意力归一化以更好地提取字形图像的高级语义特征,从而提高生成图像的质量。此外,使用自适应实例归一化进行字体特征和内容特征融合,以实现字体的转换。在保持字形结构完整性方面,设计了感知损失和上下文损失来约束字形结构的生成。为了稳定GAN网络的训练,在对抗损失函数的设计中加入了正则化项。为了验证该模型的有效性,实验采用FET-GAN中公开的数据集进行了多组训练和测试,并与FET-GAN,CycleGAN和StarGANv2进行了对比。实验结果表明,该模型能够在给定的多个字体域之间实现相互的字体迁移,并且其迁移的效果和模型泛化能力与其他工作相比均具有一定的优势。

摘要：基于射线跟踪模型,提出了一种超材料角反射面结构,实现了Fabry-Perot天线增益和口径效率的提升.首先对基于超材料角反射面的Fabry-Perot天线进行了理论推导和分析.然后,设计并分析了双圆极化馈源、基于超材料角反射面的Fabry-Perot天线及其性能.最后,对所提出的Fabry-Perot天线模型进行了制造和测试.结果表明,该天线的左圆极化增益和右圆极化增益分别为21.4 dBi和21.3 dBi.相比馈源天线,增益分别提高了16.4 dB和16.3 dB.与传统Fabry-Perot天线相比,所提出超材料角反射面同时充当了反射面和相位校正面,实现了对Fabry-Perot天线边缘电磁波的有效调控.所设计Fabry-Perot天线工作在2.8 GHz频段,具有高增益、高口径效率和低旁瓣的优点,满足了太阳射电望远镜F107指数观测的需求.

摘要：肖像风格迁移旨在将参考艺术肖像画中迁移到人物照片上,同时保留人物面部的基本语义结构。然而,由于人类视觉对肖像面部语义结构的敏感性,使得肖像风格迁移任务比一般图像的风格迁移更具挑战性,现有的风格迁移方法未考虑漫画风格的抽象性以及肖像面部语义结构的保持,所以应用到肖像漫画化任务时会出现严重的结构坍塌及特征信息混乱等问题。为此,提出了一个双流循环映射网DSCM。首先,引入了一个结构一致性损失来保持肖像整体语义结构的完整性;其次,设计了一个结合U~2-Net的特征编码器在不同尺度下帮助网络捕获输入图像更多有用的特征信息;最后,引入了风格鉴别器来对编码后的风格特征进行鉴别,从而辅助网络学习到更接近目标图像的抽象漫画风格特征。实验与五种先进方法进行了定性及定量的比较,该方法均优于其他方法,其不仅能够完整地保持肖像的整体结构和面部的基本语义结构,而且能够充分学习到风格类型。