摘要：《雄狮少年》是一部具有文化内涵和现实意义的动画。动画以舞狮文化为背景,创造性地借鉴周星驰喜剧艺术,讲述了留守儿童实现舞狮梦的故事,表达了处于社会底层的留守儿童和农民工企盼出人头地、改变命运的精神诉求。与舞狮相关的精美画面,横跨城市和农村的广阔生活背景,当代留守儿童病猫变雄狮的热血故事,都令人耳目一新。动画创造性地运用元符号,通过用固有名词作为人物的名字,引用经典歌曲,模仿周星驰的喜剧电影,从而呈现了一个多层次和多维度的意义世界。

摘要：针对现有正态云相似性度量计算复杂度较高且区分度不强等问题,本文首先从正态云的特征曲线出发,利用Hellinger距离刻画两个概率分布相似性的特点,提出一种基于Hellinger距离的正态云相似性度量方法,该方法不仅考虑了云概念的数字特征且兼顾了其分布特性,并对相似度量具有的数学性质进行了研究。其次,根据给出的相似度量方法,设计了两种正态云概念的相似度算法。最后,通过数值模拟仿真实验和时间序列数据分类实验对所提出算法的性能进行对比分析,结果表明该算法具有较好的相似度区分能力且分类错误率和CPU时间代价都较低。同时,将本文方法应用于协同过滤推荐系统中,并在MovieLens100k影评数据集上进行了实验,实验结果表明本文方法在用户评分数据极端稀疏的情况下,仍能取得较理想的推荐质量。

摘要：X光片中肺炎存在影像学特征不明显、病灶与周围组织对比不明显、边缘模糊等问题,因此,文中提出基于多分辨率注意密集网络的肺炎分类识别方法.深度融合浅层定位信息与深层语义信息,并构造多分辨率空间注意力门,对不同分辨率的深层信息与浅层信息进行语义式交互增强,在深浅层信息中建立病灶信息的相互依赖关系.此外,设计坐标频率注意力,以方向和位置互补的方式自适应地增强肺炎特征的表达.在ChestXRay2017等5份肺炎X光片数据集上的实验表明,文中网络在肺炎分类识别任务上性能较优,同时还具有公共肺炎数据集上的鲁棒性.

摘要：多模态医学图像融合在医学临床应用中起着至关重要的作用,为了解决现有方法大多数侧重于局部特征的提取,对全局依赖关系的探索不足,忽略了全局和局部信息交互,导致难以有效解决周围组织与病灶区域之间的模式复杂性和强度相似性问题。该文提出面向PET和CT医学图像融合的LL-GG-LG Net模型。首先,提出了局部-局部融合模块(Local-Local Fusion Module,LL Module),该模块采用双层注意力机制更好地关注局部细节信息特征;其次,设计了全局-全局融合模块(Global-Global Fusion Module,GG Module),该模块通过在Swin Transformer中加入残差连接机制将局部信息引入全局信息中,提高了Transformer对局部信息的关注程度;然后,提出一种基于可微分神经架构搜索自适应的密集融合网络的局部-全局融合模块(Local-Global Fusion Module,LG Module),充分捕获全局关系并保留局部线索,有效解决背景和病灶区域相似度高问题;使用临床多模态肺部医学图像数据集验证模型的有效性,实验结果表明,该文方法在平均梯度,边缘强度,QAB/F,空间频率,标准差,信息熵等感知图像融合质量评价指标上与其他七种方法中最优的方法相比,分别平均提高了21.5%,11%,4%,13%,9%,3%。模型能够突出病变区域信息,融合图像结构清晰且纹理细节丰富。

摘要：在草原丝绸之路正式开通以前,北方地区从石器时代就存在着现代人扩散的北方线路、早期陶器的西传线路、彩陶艺术的北传线路、轮轴机械制玉技术的南传线路等,表明多种文化互动和交流,并融入中华文明多元一体的主要构成之中。先秦时期,北狄、西戎、东夷中的北方族群形成方国文明,经过相互交往交融成为华夏族的主要构成之一。秦汉时期是中国历史上第一次“大一统”背景下的民族大融合时期,中原王朝与匈奴等民族通过和亲等途径相互交融,北匈奴西迁中亚与世界其他民族相融,扩大了北方民族交往交流交融的地域空间。魏晋南北朝时期,北方的匈奴、鲜卑、羯、氐、羌等民族南迁或东移中原地区与汉族相融,汉族也开始反向往边地迁徙,促成了全国性的民族交融局面。隋唐时期,继承前代的民族交融和文化交流之势,又一次出现了在“大一统”背景下的南北和东西方民族融合及文化交流的局面,进一步拓展了草原丝绸之路的发展空间。宋辽夏金元时期是中国古代民族大融合的又一个高峰,契丹、党项、女真、蒙古等北方民族进入中原与汉族交融,原宋地的汉族继续南下,加深了南方汉族与当地民族的交融,最后全部融入元朝统一的多民族国家,南北和东西方商贸往来及文化交流更加频繁,草原丝绸之路各民族交往交流交融进入一个兴盛阶段。

摘要：为解决传统聚类算法对风电功率序列趋势特性的挖掘与利用较少,且对不同风电场进行可调节设计不足的问题,提出了一种基于新型多维功率趋势聚类的风电功率预测方法。该方法首先提出一种多维功率趋势相似距离度量方法,其中包括风电功率序列波动程度、波动时间及数值维度共3个维度的度量,对风电数据中的趋势特性进行挖掘;然后,采用提出的严格系数对各个维度的参与度进行调整,以适应不同风电场数据,获得较好的聚类效果;最后,将提出的多维功率趋势距离度量与传统的模糊C均值软聚类算法及Elman神经网络群相结合,构建完整的预测模型。研究结果表明:该方法能够有效挖掘风电功率序列中的趋势特性,并提高风电功率的预测精度。

摘要：跨模态的医学图像可以在同一病灶处提供更多的语义信息,针对U-Net网络主要使用单模态图像用于分割,未充分考虑跨模态、上下文语义相关性的问题,该文提出面向跨模态和上下文语义的医学图像分割C^(2)Transformer U-Net模型。该模型的主要思想是:首先,在编码器部分提出主干、辅助U-Net网络结构,来提取不同模态的语义信息;然后,设计了多模态上下文语义感知处理器(MCAP),有效地提取同一病灶跨模态的语义信息,跳跃连接中使用主网络的两种模态图像相加后传入Transformer解码器,增强模型对病灶的表达能力;其次,在编-解码器中采用预激活残差单元和Transformer架构,一方面提取病灶的上下文特征信息,另一方面使网络在充分利用低层和高层特征时更加关注病灶的位置信息;最后,使用临床多模态肺部医学图像数据集验证算法的有效性,对比实验结果表明所提模型对于肺部病灶分割的Acc,Pre,Recall,Dice,Voe与Rvd分别为:97.95%,94.94%,94.31%,96.98%,92.57%与93.35%。对于形状复杂肺部病灶的分割,具有较高的精度和相对较低的冗余度,总体上优于现有的先进方法。

摘要：针对传统监考存在人工成本高、主观性强等问题,构建基于人脸识别、头部姿态估计和目标检测的智能监考模型。模型通过人脸识别算法进行考生身份验证,设计结合注意力机制的头部姿态估计(channel and spatial-aware wide head pose estimation network,CS-WHENet)方法对考生偷看的异常行为进行检测,并使用深度学习方法及传统方法对考生传递纸条的异常行为进行联合判定。实验结果表明,智能监考模型在模拟真实考场的环境中,对考生身份验证与异常行为检测均有较高的准确率,并能在GPU支持下实现实时检测。通过验证表明,该模型能有效降低监考人员工作成本,实现考场监考公平性。

摘要：吸收能力的强弱直接影响到老字号企业利用社会网络资本获得有价资源和信息所创造价值的大小。通过对甘宁青地区的32家老字号企业实地调查和实证分析,结果显示:网络嵌入对企业绩效有显著正向影响,吸收能力在网络嵌入与企业绩效之间起到中介作用,本文研究成果对老字号企业适应消费市场变化具有重要启示。

摘要：多模态医学图像能够有效融合解剖图像和功能图像的信息,将人体内部的功能、解剖等多方面信息反映在同一幅图像上,在临床上有十分重要的意义。针对如何高效利用多模态医学图像信息的综合表达能力,以及如何充分提取跨尺度上下文信息的问题,该文提出跨模态跨尺度跨维度的PET/CT图像的Transformer分割模型。该模型主要改进是,首先,在编码器部分设计了PET/CT主干分支和PET,CT辅助分支提取多模态图像信息;然后,在跳跃连接部分设计了跨模态跨维度注意力模块从模态和维度角度出发捕获跨模态图像各维的有效信息;其次,在瓶颈层构造跨尺度Transformer模块,自适应融合深层的语义信息和浅层的空间信息使网络学习到更多的上下文信息,并从中获取跨尺度全局信息;最后,在解码器部分提出多尺度自适应解码特征融合模块,聚合并充分利用解码路径得到精细程度不同的多尺度特征图,缓解上采样引入的噪声。在临床多模态肺部医学图像数据集验证算法的有效性,结果表明所提模型对于肺部病灶分割的Acc,Recall,Dice,Voe,Rvd和Miou分别为97.99%,94.29%,95.32%,92.74%,92.95%和90.14%,模型对于形状复杂的病灶分割具有较高的精度和相对较低的冗余度。