摘要：小目标检测在计算机视觉领域具有重要意义,但现有方法在应对小目标的尺度变化、目标密集和无规则排列等挑战时经常出现漏检和误检的问题。为解决这些问题,提出基于改进YOLOv5算法的ATO-YOLO。为提升检测模型的特征表达能力,提出一种结合注意力机制的自适应特征提取模块(adaptive feature extraction,AFE),通过动态调整权重分配突出关键目标的特征表示,提高目标检测任务在不同场景下的准确性和鲁棒性。设计一种三重特征融合机制(triple feature fusion,TFF),能够在不同尺度下充分利用多尺度信息,将多个尺度的特征图融合,以获取更全面的目标特征,提升对小目标的检测效果。引入一种输出重构模块(output reconstruction,ORS),通过去除大目标检测层并增加小目标检测层,实现精确定位和识别小目标,并且相对于原模型复杂度更低,检测速度更快。实验结果表明,ATO-YOLO算法在VisDrone数据集上的mAP@0.5达到了38.2%,较原YOLOv5提升了6.1个百分点,且FPS较改进前提升了4.4%,能够快速准确地对小目标进行检测。

摘要：机器学习模型广泛应用于探究建成环境与客流的交互关系。然而,机器学习考虑的是全局关系,无法捕捉空间变化,为解决这一问题,本文从密度、多样性、设计、目的地可达性、可获得性和网络连通性等方面构建了11种建成环境指标,提出一种轻量级梯度提升机(LightGBM)与地理加权回归(GWR)的集成综合分析模型(SLightGBM),以探究建成环境对站点覆盖客流吸引度的空间异质性和非线性影响,并将该模型与LightGBM,普通最小二乘法(OLS)和GWR进行比较,以揭示SLightGBM模型在回归效果上的优势。针对西安市的研究结果表明:SLightGBM模型的R2、MAE与RMSE分别达到了0.68、8379.16和11797.19,显著优于对比模型;建成环境因素存在空间异质性,工作人口密度和公交站点密度在中心区域最为重要,而餐饮密度在南部区域更显著;工作人口密度和餐饮密度与客流吸引度呈正相关,而最小换乘次数与客流吸引度呈负相关关系,且具有明显的协同作用。研究表明,影响因子空间差异性和阈值分析结果对于指导城市建设和改善公共交通系统具有重要的启示意义。

摘要：好氧修复技术具有加速填埋堆体稳定化的优势,正确评估其稳定化进程对好氧修复系统的设计和运营具有重要的意义,但是现有指标数量众多且差异化大。考虑稳定化指标的敏感性和工程监测的难易程度,从稳定化机理出发,分别从气相、液相、固相和沉降4个层面筛选氧气利用率、归一化有机溶质指标、脱氮效率、生物降解度和相对沉降速率为评价指标,并将其统一划分为具有不同稳定化特征的3个阶段(好氧转化、半稳定化和后稳定化),提出指标权重和阶段划分标准。然后,构建了不同阶段中不同指标的隶属度函数,结合模糊综合评价理论实现对填埋场稳定化进程的综合性评价,并将其应用于某好氧修复工程案例。

摘要：Ⅱ/Ⅲ期无缝设计是将独立的Ⅱ期和Ⅲ期临床试验整合为一个连续的、分阶段的适应性临床试验设计。相较于传统的独立Ⅱ期和Ⅲ期临床试验,无缝设计在加速药物或疫苗上市、提高临床试验效率方面具有显著的优势。目前该设计在抗肿瘤药物研究领域的应用上日益成熟,也逐渐扩展到疫苗的临床试验中,包括九价人乳头瘤病毒疫苗、Sabin株脊髓灰质炎灭活疫苗等。本文旨在阐述Ⅱ/Ⅲ期无缝设计的概念,并以九价人乳头瘤病毒疫苗的Ⅱ/Ⅲ期无缝设计的临床试验为例,阐述实施Ⅱ/Ⅲ期无缝设计时需注意的细节和潜在的挑战,以期为我国在优化疫苗临床试验方面提供参考。

摘要：作为食品计算的一个主要任务,食品图像检索近年来受到了广泛的关注。然而,食品图像检索面临着两个主要的挑战。首先,食品图像具有细粒度的特点,这意味着不同食品类别之间的视觉差异可能很小,这些差异只能在图像的局部区域中观察到。其次,食品图像包含丰富的语义信息,如食材、烹饪方式等,这些信息的提取和利用对于提高检索性能至关重要。为解决这些问题,本实验基于预训练的视觉Transformer(Vision Transformer,ViT)模型提出了一种增强ViT的哈希网络(enhanced ViT hash network,EVHNet)。针对食品图像的细粒度特点,EVHNet中设计了一个基于卷积结构的局部特征增强模块,使网络能够学习到更具有代表性的特征。为更好地利用食品图像的语义信息,EVHNet中还设计了一个聚合语义特征模块,根据类令牌特征来聚合食品图像中的语义信息。本实验提出的EVHNet模型在贪婪哈希、中心相似量化和深度极化网络3种流行的哈希图像检索框架下进行评估,并与AlexNet,ResNet50、ViT-B_32和ViT-B_164种主流网络模型进行比较,在Food-101、Vireo Food-172、UEC Food-2563个食品数据集上的实验结果表明,EVHNet模型在检索精度上的综合性能优于其他模型。

摘要：基于网络药理学、组分结构理论剖析独一味抗炎有效成分(环烯醚萜苷类:山栀子苷甲酯、8-O-乙酰山栀子苷甲酯;黄酮苷类:木犀草苷;苯乙醇苷类:连翘酯苷B)的协同作用与配伍结构。网络药理学:利用CTD、SwissTargetPrediction、PharmMapper数据库收集并筛选了各有效成分抗炎靶点;通过CTD、GeneCards数据库获得炎症相关靶点;利用Venny 2.1、STRING和Cytoscape 3.9.1得到核心靶点;通过DAVID数据库对核心靶点进行GO功能注释及KEGG通路富集分析。组分结构:基于二甲苯致小鼠耳肿胀模型和均匀设计法,以炎症因子肿瘤坏死因子-α(tumor necrosis factor-α,TNF-α)、白细胞介素-6(interleukin-6,IL-6)为因变量,通过二次多项式逐步回归,探究独一味抗炎成分间的配伍关系,并进行体内药效实验验证。网络药理学研究表明,与单一组分相比,3类组分共同作用可通过更多生物过程、通路、靶点协同发挥抗炎作用。组分结构研究表明,环烯醚萜苷组分内(山栀子苷甲酯∶8-O-乙酰山栀子苷甲酯)最佳结构比例为1.21∶1;3类组分间(环烯醚萜苷∶苯乙醇苷∶黄酮苷类)最佳结构比例为4.8∶1.6∶1。综上,独一味各抗炎成分可协同增效,且成分间存在最优配伍比例关系,为独一味内在质量控制提供了新的实验依据。

摘要：为了给抗滑桩加固边坡的抗震设计提供参考,对其在地震作用下的三维稳定性进行研究。基于极限分析上限定理,采用修正的拟动力法(MPDM)对水平地震作用下的三维抗滑桩加固边坡的稳定性进行了分析,并推导出边坡安全系数(FS)的表达式。为了提高计算效率,采用遗传算法(GA)计算出安全系数的最小值。将所得研究结果与已有文献成果进行对比,验证了所用方法的有效性。此外,通过参数分析研究了归一化频率(ωH/V_(S))、宽高比(B/H)、水平地震系数(k_(h))、阻尼比D、桩位、桩距等因素对桩加固边坡稳定性的影响。研究结果表明:ωH/V_(S)对桩加固边坡稳定性的影响显著,并决定着D对桩加固边坡稳定性的影响;当桩加固边坡受到与土体固有频率接近的地震波作用时,D对桩加固边坡的稳定性影响非常显著,并且拟动力法会极大地高估桩加固边坡的稳定性;对于远离土体固有频率的地震波,D对桩加固边坡的稳定性影响较小;在一个地震波周期内,地震作用下边坡的FS随地震峰值加速度的增加而减小;水平地震加速度系数a_(hs)的峰值会随着k_(h)的增大和D的减小而增大;当B/H小于5时,三维效应对桩加固边坡的稳定性影响不可忽略;对于给定高度的边坡,k_(h)的增大和D的减小会造成F_(S)的降低以及滑裂面的加深,并且会导致最佳桩位向坡顶方向移动。

摘要：目前,在机器人石雕环节缺少对工件表面的质量检测,无法保证后续的机器人磨抛精度,从而导致产品报废。因此,提出了一种基于截面线点云的机器人面扫描视点规划新方法,并将其应用在复杂立体石雕自动化测量中。首先,采用单因素试验和中心组合设计响应面法确定最优扫描工艺参数。其次,利用最小外接圆柱确定截面线数量,并探究截面线不同采样方式对扫描质量的影响,选取等弧长采样获得扫描视点,通过向量叉乘和分离轴理论对扫描视点进行遮挡和碰撞检测,对存在遮挡与碰撞的视点进行优化,针对扫描过程中由于频繁变换扫描方向导致扫描效率降低的问题,提出了一种生长聚类算法优化扫描方向。此外,为了保证整个扫描过程的连续性,在两相邻扫描路径之间引入旋转扫描。最后,进行了弥勒佛(260 mm×210 mm×560 mm)扫描视点规划和测量试验,结果表明,整体扫描耗时152 s,扫描完整性100%,扫描精度0.26 mm。所提方法能快速完成复杂立体石雕的三维扫描,采用规划视点扫描的模型完整性好、精度高,能够满足复杂立体石雕自动化测量要求。

摘要：针对系统模型动态不确定的高阶异构无人集群系统在切换通信拓扑下的时变编队控制问题,提出一种基于积分强化学习的最优分布式分层编队控制方法。结合时变编队切换向量构建多四旋翼无人机系统与多无人车系统的增广系统,将异构集群系统的时变编队控制问题转化为镇定问题。引入带折扣因子的价值函数,将异构集群系统的镇定问题转化为最优控制问题。在不破坏一致性分布式编队控制协议的基础上,仅替换反馈增益参数并对其进行取平均操作,以得到整个异构集群的最优时变编队切换控制协议。利用单网络“动作网络-评价网络”结构,结合积分强化学习算法和分布式控制方法,在线实时更新分布式时变编队切换控制器的反馈增益。通过理论证明和仿真实验验证了所设计控制方案的有效性和优越性。

摘要：目的探讨基于移动医疗的症状群管理在慢性心力衰竭(chronic heart failure,CHF)患者延续性护理中的应用效果。方法组建研究团队,基于院内移动医疗平台设计CHF患者症状群管理模块,选取青岛市某三级甲等医院2022年6月—12月心血管内科收治的CHF患者作为研究对象,其中A病区的235例作为试验组,B病区的235例作为对照组。试验组在常规延续护理的基础上实施基于移动医疗的症状群管理,对照组采用常规延续护理。比较两组出院时、出院6个月的心功能状态、自我护理水平和生活质量的差异。结果试验组最终纳入232例,对照组纳入225例。出院6个月后,两组心功能状态、自我护理水平及生活质量均较干预前改善(P<0.05);出院6个月后,试验组心功能状态、自我护理水平及生活质量均优于对照组(P<0.05)。结论基于移动医疗平台对CHF患者进行症状群管理,能提高疾病管理效率,并为患者提供整体的自我管理计划,提高患者的自我管理能力,改善患者结局。