所屬欄目:科技期刊 熱度: 時間:
鄭州大學(xué)學(xué)報(理學(xué)版)
關(guān)注()《鄭州大學(xué)學(xué)報(理學(xué)版)》(季刊)創(chuàng)刊于1962年,原刊名為《鄭州大學(xué)學(xué)報》(自然科學(xué)版),為自然科學(xué)類綜合性學(xué)術(shù)期刊。
《鄭州大學(xué)學(xué)報(理學(xué)版)》主要刊登理、工科基礎(chǔ)研究、應(yīng)用研究及綜合評述方面的學(xué)術(shù)論文,內(nèi)容涉及數(shù)學(xué)、物理、化學(xué)化工、生物、材料、電子、計算機、機械、電氣、建筑工程等學(xué)科專業(yè)。本刊所發(fā)表的論文被中國科技信息研究所“萬方數(shù)據(jù)系統(tǒng)”和《中國學(xué)術(shù)期刊》(光盤版)全文收錄,并被美國《數(shù)學(xué)評論》、美國《化學(xué)文摘》、德國《數(shù)學(xué)文摘》和俄羅斯《文摘雜志》等國際性文摘雜志收錄或評論;1997年起,被美國《工程索引》外圍收錄。國內(nèi)10余家重要文摘雜志和數(shù)據(jù)庫收錄本刊。本刊為中國科技核心期刊,中國科技論文統(tǒng)計源期刊,先后被評為全國優(yōu)秀高校自然科學(xué)學(xué)報,國家教育部優(yōu)秀科技期刊。 2004年本刊獲全國高校優(yōu)秀科技期刊“二等獎”;2004年獲第六屆河南省優(yōu)秀科技期刊。獲獎情況:2008年中國高校優(yōu)秀科技期刊獎、2008年河南省自然科學(xué)期刊綜合質(zhì)量檢測一級期刊、2008年中國高校科技期刊先進(jìn)集體。
鄭州大學(xué)學(xué)報(理學(xué)版)雜志欄目設(shè)置
數(shù)學(xué)、信息工程、化學(xué)、物理學(xué)、材料工程、應(yīng)用研究
鄭州大學(xué)學(xué)報(理學(xué)版)雜志榮譽
CA 化學(xué)文摘(美)萬方收錄(中)上海圖書館館藏劍橋科學(xué)文摘北大核心期刊(中國人文社會科學(xué)核心期刊)哥白尼索引(波蘭)國家圖書館館藏知網(wǎng)收錄(中)維普收錄(中)中國學(xué)術(shù)期刊(光盤版)全文收錄期刊
本刊是華北航天工業(yè)學(xué)院主辦的理工類學(xué)術(shù)期刊?d工程技術(shù)應(yīng)用、自然科學(xué)、社會科學(xué)等領(lǐng)域的學(xué)術(shù)論文、研究報告。讀者對象是國內(nèi)外科技工作者、高等院校師生及工程技術(shù)人員。設(shè)有工程技術(shù)、航空安全、基礎(chǔ)科學(xué)、民航經(jīng)濟(jì)、管理科學(xué)、人文社科等欄目。
鄭州大學(xué)學(xué)報(理學(xué)版)最新期刊目錄
面向高光譜遙感圖像的MMRI-Boruta特征選擇算法————作者:張婧;孔霄;曹峰;張超;李德玉;
摘要:高光譜遙感圖像特征選擇旨在從高維光譜特征集中選擇最優(yōu)光譜特征子集,以消除冗余光譜特征,提升高光譜遙感圖像分析的效率和精度。由此提出了一種混合型特征選擇算法MMRI-Boruta,該算法首先對過濾式MRI特征選擇算法進(jìn)行改進(jìn),通過引入方差定義新的特征重要性評價指標(biāo),然后利用封裝式的Boruta算法實現(xiàn)特征子集的進(jìn)一步優(yōu)化。所提特征選擇算法結(jié)合了過濾式和封裝式兩種特征選擇算法的優(yōu)點,更易于獲取最優(yōu)特征...
腦啟發(fā)的遮擋目標(biāo)識別模型研究綜述————作者:張利朋;李瑞琪;王寧;曹亮;孟振江;李翠霞;胡玉霞;
摘要:遮擋目標(biāo)識別是計算機視覺領(lǐng)域的核心挑戰(zhàn)之一。目標(biāo)物體因遮擋導(dǎo)致的特征缺失和混淆,嚴(yán)重制約了當(dāng)前目標(biāo)識別模型的性能。研究表明人腦視覺系統(tǒng)具有出色的遮擋目標(biāo)識別能力和對遮擋場景的強適應(yīng)能力,為構(gòu)建腦啟發(fā)的遮擋目標(biāo)識別模型提供了生物學(xué)依據(jù)與創(chuàng)新方向。系統(tǒng)梳理了腦啟發(fā)遮擋目標(biāo)識別模型的研究進(jìn)展。首先,對當(dāng)前主流的遮擋目標(biāo)識別模型進(jìn)行系統(tǒng)介紹;然后,聚焦腦啟發(fā)模型的生物學(xué)基礎(chǔ),闡釋了視覺皮層層級處理等神經(jīng)機...
模糊技能多映射的變精度模型與構(gòu)建知識結(jié)構(gòu)的矩陣方法————作者:楊競菁;李進(jìn)金;王鴻偉;
摘要:基于變精度α-模型構(gòu)建知識結(jié)構(gòu)是當(dāng)前研究的熱點之一。根據(jù)閾值取值范圍的不同拓展了三種基于模糊技能多映射的變精度能力模型,討論了它們所構(gòu)建的知識結(jié)構(gòu)的性質(zhì),并證明了由它們構(gòu)建的知識結(jié)構(gòu)族是一致的。在此基礎(chǔ)上,提出基于模糊技能多映射構(gòu)建知識結(jié)構(gòu)的矩陣方法,并通過實驗驗證了方法的可行性和有效性,分析了模糊技能多映射中問題數(shù)、技能數(shù)對算法執(zhí)行時間和空間的影響
FGBK在醫(yī)學(xué)斷層圖像重構(gòu)仿真中的應(yīng)用與改進(jìn)————作者:時文雅;蔡盼煜;孫思超;郇戰(zhàn);
摘要:Kaczmarz算法是醫(yī)學(xué)斷層圖像重構(gòu)的經(jīng)典方法之一,但存在計算復(fù)雜度高、耗時長等問題。為此,設(shè)計了一種基于最大殘差原則的行索引集選擇方法 FSGBK(Free Scale Greedy Block Kacmarz),有效提升了算法收斂速度,但由于其選擇的索引集相關(guān)性較強,導(dǎo)致圖像重構(gòu)的內(nèi)部結(jié)構(gòu)誤差增大。為解決該弊端,提出了KFGBK(K-means FGBK)算法,此算法以系數(shù)矩陣的若干線性無關(guān)...
基于深度抑郁特征編碼網(wǎng)絡(luò)的語音抑郁檢測————作者:李奇;姬生文;趙迪;武巖;奚洋;孟天宇;
摘要:針對語音抑郁數(shù)據(jù)集存在的特征冗余問題,提出基于深度抑郁特征編碼網(wǎng)絡(luò)(deep depression feature encoding network,D-DFENet)的語音抑郁檢測方法。首先,利用Wav2vec2.0預(yù)訓(xùn)練模型提取語音潛在表征;其次,設(shè)計一種卷積變分自編碼器模塊,該模塊通過引入變分自編碼器機制以實現(xiàn)特征空間的降維,并在其編碼器的多層結(jié)構(gòu)中逐層嵌入卷積神經(jīng)網(wǎng)絡(luò),旨在有效濾除語音潛在...
大語言模型驅(qū)動下知識圖譜的構(gòu)建及應(yīng)用綜述————作者:張坤麗;王影;付文慧;朱永其;張艷莉;昝紅英;
摘要:在大語言模型的助力下,知識圖譜憑借結(jié)構(gòu)化和語義豐富的特征,提升了數(shù)據(jù)關(guān)聯(lián)與解釋能力,為復(fù)雜知識推理和智能決策支持等領(lǐng)域提供了新的研究方向和應(yīng)用潛力。因此,從知識圖譜的角度出發(fā),總結(jié)了大語言模型驅(qū)動下知識圖譜的構(gòu)建及應(yīng)用的最新研究進(jìn)展。首先,從知識建模、信息抽取、知識融合以及知識圖譜補全等角度探討了知識圖譜構(gòu)建的新方法。其次,闡述了知識圖譜在增強大語言模型、提升檢索能力以及與大語言模型協(xié)同增強三個方...
基于自適應(yīng)禁忌搜索多目標(biāo)鯨魚算法的武器目標(biāo)分配————作者:宰光軍;徐旺旺;鐘李紅;田釗;佘維;
摘要:針對多目標(biāo)鯨魚優(yōu)化算法在解決武器目標(biāo)分配時存在參數(shù)設(shè)置經(jīng)驗化、種群多樣性差以及空間搜索能力弱等問題,提出一種自適應(yīng)禁忌搜索多目標(biāo)鯨魚優(yōu)化算法。首先,通過自適應(yīng)網(wǎng)格劃分和外部存檔調(diào)整策略,使網(wǎng)格和檔案大小能夠根據(jù)種群分布狀態(tài)和多樣性變化情況自動調(diào)整。其次,設(shè)計了動態(tài)輪盤賭選擇方法來控制全局最優(yōu)個體的生成,以提高種群分布的多樣性和均勻性。此外,引入了禁忌搜索算法中的禁忌列表和鄰域搜索策略,擴(kuò)大種群對新...
基于幾乎隨機占優(yōu)的語言值概念知識獲取方法————作者:辛現(xiàn)偉;袁世婷;薛占熬;宋繼華;
摘要:針對語言值形式概念分析中的主觀偏好問題,提出以參考點的差異表達(dá)風(fēng)險偏好信息的前景語言值概念格。首先,將模糊語言值形式背景與前景理論結(jié)合,提出一種融合風(fēng)險厭惡和風(fēng)險偏好態(tài)度的前景語言值概念格構(gòu)造方法。其次,利用幾乎隨機占優(yōu)對風(fēng)險信息的敏感性,獲取前景語言值概念之間的占優(yōu)關(guān)系和有效概念知識。最后,引入國際中文教育數(shù)字化轉(zhuǎn)型的實例,通過一系列實驗與對比分析,驗證了所提方法的有效性和可行性
融合多策略的哈里斯鷹優(yōu)化算法求解Steiner樹問題————作者:王曉峰;王軍霞;彭慶媛;華盈盈;何飛;唐傲;
摘要:針對傳統(tǒng)哈里斯鷹優(yōu)化算法在解決圖的Steiner樹問題(Steiner tree problem of graph,GSTP)時存在種群分布不均勻、探索與開發(fā)階段難以平衡以及易陷入局部最優(yōu)的情況,提出一種融合多策略的哈里斯鷹優(yōu)化算法。首先,通過S型函數(shù)對算法進(jìn)行離散化處理,并引入Logistic-Sine混合混沌映射,以優(yōu)化種群初始化過程。其次,設(shè)計了動態(tài)自適應(yīng)權(quán)重策略,增強獵物逃逸能量的非線性表...
基于序列屬性和結(jié)構(gòu)特征的噬菌體-宿主多關(guān)系相互預(yù)測————作者:王文;許文俊;陳誠;夏迎春;王慶勇;辜麗川;
摘要:識別噬菌體-宿主相互作用(phage-host interactions, PHIs)可以深化對噬菌體殺菌機制的理解,并可以探索細(xì)菌疾病的潛在療法。近年來,機器學(xué)習(xí)在PHIs預(yù)測中表現(xiàn)出色,但仍面臨著數(shù)據(jù)稀疏和生物屬性缺失(如DNA和蛋白質(zhì)序列)的挑戰(zhàn)。為了解決這一問題,提出了結(jié)合了生物序列屬性與網(wǎng)絡(luò)拓?fù)涮卣鞯氖删w-宿主相互作用預(yù)測模型(multi-relationship interactio...
區(qū)間值(light)■-預(yù)-t-余模及其在構(gòu)造區(qū)間值方向單調(diào)模糊蘊涵中的應(yīng)用————作者:于鵬;肖萌;
摘要:在聚合函數(shù)的研究中,由于存在不滿足單調(diào)性約束的聚合場景,弱了化聚合函數(shù)的單調(diào)性。生成具有方向單調(diào)的聚合函數(shù)成為聚合函數(shù)研究中的一個重要內(nèi)容。首先將區(qū)間值(light)-t-余模的區(qū)間單調(diào)性擴(kuò)展到區(qū)間值方向單調(diào),給出了區(qū)間值(light)■-預(yù)-t-余模的概念。其次,研究了區(qū)間值(light)■-預(yù)-t-余模的性質(zhì),并給出了一些構(gòu)造區(qū)間值(light)■-預(yù)-t-余模的方法。最后,基于區(qū)間值(lig...
基于貝葉斯優(yōu)化WGAN-GP的fNIRS數(shù)據(jù)增強與情緒識別————作者:李修軍;葛雄心;楊菁菁;
摘要:針對收集大量功能性近紅外光譜(functional near-infrared spectroscopy, fNIRS)情緒數(shù)據(jù)的過程漫長且繁瑣,導(dǎo)致數(shù)據(jù)量有限,影響了深度學(xué)習(xí)分類模型的訓(xùn)練和準(zhǔn)確性這一問題,提出一種基于貝葉斯優(yōu)化梯度懲罰的Wasserstein生成對抗網(wǎng)絡(luò)(bayesian optimization with gradient penalty for wasserstein ge...
基于GCN的IOTA寄生鏈檢測————作者:劉韋淇;侯永超;木又青;丁智穎;劉明灝;趙金東;
摘要:隨著物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,確保物聯(lián)網(wǎng)環(huán)境中的交易安全變得至關(guān)重要。Internet of Things application(IOTA)網(wǎng)絡(luò)作為一種專為物聯(lián)網(wǎng)設(shè)計的分布式賬本技術(shù),在處理海量設(shè)備間交易時尤為重要。寄生鏈攻擊作為一種常見的攻擊方式,通過在IOTA主纏結(jié)(Tangle)中認(rèn)證非法交易,嚴(yán)重威脅了網(wǎng)絡(luò)的安全性和性能。為應(yīng)對這一問題,提出了一種基于圖卷積神經(jīng)網(wǎng)絡(luò)(graph convol...
基于時序誤差分布分析的光伏功率區(qū)間預(yù)測————作者:蔣建東;周才期;常軼哲;徐暢;韓文軒;
摘要:為了精準(zhǔn)獲取核密度估計中的最優(yōu)帶寬參數(shù),并有效應(yīng)對功率預(yù)測誤差在日周期內(nèi)不同時段所展現(xiàn)的分布差異性,提出了一種融合最優(yōu)帶寬核密度估計與時序誤差分布分析的光伏發(fā)電功率區(qū)間預(yù)測模型。首先,利用貝葉斯優(yōu)化算法,以K折交叉驗證得到的負(fù)對數(shù)似然度為目標(biāo)函數(shù),對核密度估計中的帶寬進(jìn)行優(yōu)化,以顯著提升預(yù)測模型的擬合優(yōu)度與泛化性能。然后,探索了時平均輻照度、時輻照度變化對誤差分布的影響,采用K均值聚類算法,以時平...
0.618減法鄰聯(lián)系數(shù)及其應(yīng)用————作者:李麗紅;魚紹軒;白斌;楊亞鋒;
摘要:為克服減法全鄰聯(lián)系數(shù)中各聯(lián)系度相減易導(dǎo)致趨勢不穩(wěn)定進(jìn)而引發(fā)數(shù)值偏誤的不足,結(jié)合0.618黃金分割法優(yōu)化的思想,根據(jù)三元聯(lián)系數(shù)的宏觀演化趨勢為正(a>c)或負(fù)(
面向特定決策類的結(jié)構(gòu)化序貫三支約簡————作者:牟瓊;楊秀花;陳宇亮;丁艷椒;程云龍;
摘要:序貫三支決策(sequential three-way decision,S3WD)是一種處理不確定性問題的高效范式。然而,S3WD模型丟失了粒子的結(jié)構(gòu)信息,從而增加了語義解釋的難度,同時現(xiàn)有的S3WD模型面向所有決策類而非特定決策類。針對上述問題,提出了面向特定決策類的結(jié)構(gòu)化序貫三支決策的基本框架。首先,將結(jié)構(gòu)化粗糙集引入S3WD模型中,并提出了一種新的三分法,即兩階段三分法,在此基礎(chǔ)上,建立了...
基于局部上下文引導(dǎo)特征深度融合的輕量級醫(yī)學(xué)圖像分割方法————作者:任向陽;趙夢媛;胡微;劉剛瓊;畢瑩;
摘要:現(xiàn)有的基于深度學(xué)習(xí)的醫(yī)學(xué)圖像分割方法,大多是利用大量的訓(xùn)練數(shù)據(jù)擬合檢測網(wǎng)絡(luò),以獲得優(yōu)異的檢測性能。這些方法往往具有較大的模型參數(shù),導(dǎo)致了檢測實時性較差。為此,提出了基于局部上下文引導(dǎo)特征深度融合輕量級醫(yī)學(xué)分割網(wǎng)絡(luò)(local context guided feature deep fusion lightweight medical segmentation network,LCGML-net)。...
結(jié)合對抗訓(xùn)練的雙通道特征融合命名實體識別————作者:李衛(wèi)軍;丁建平;劉雪洋;王子怡;劉世俠;蘇易礌;
摘要:針對現(xiàn)有命名實體識別模型缺乏對局部信息的關(guān)注,同時在處理長距離依賴關(guān)系和復(fù)雜序列數(shù)據(jù)時存在不足的問題,提出一種結(jié)合對抗訓(xùn)練的雙通道特征融合的命名實體識別模型。首先,使用預(yù)訓(xùn)練模型提取特征,并通過對抗訓(xùn)練增強模型的魯棒性和泛化性。其次,在雙向長短期記憶網(wǎng)絡(luò)后引入多頭注意力和時間步構(gòu)成的雙通道模塊,在捕捉全局和局部信息的同時提升模型對長距離依賴和復(fù)雜序列數(shù)據(jù)的處理能力。最后,利用GlobalPoint...
一種融合雙曲表示與歐幾里得表示的源代碼漏洞檢測方法————作者:陳旭;陳子雄;景永俊;王叔洋;宋吉飛;
摘要:隨著軟件系統(tǒng)的日益復(fù)雜,源代碼漏洞檢測成為了維護(hù)軟件安全的關(guān)鍵任務(wù)。雖然已經(jīng)出現(xiàn)了各種基于深度學(xué)習(xí)的漏洞檢測方法,但這些方法主要依賴于單一的歐氏空間視角提取代碼表示結(jié)構(gòu)中的語義特征與結(jié)構(gòu)特征,這不利于檢測隱藏在代碼深處漏洞的能力。為了解決這一問題,提出了一種融合雙曲表示與歐幾里得表示的源代碼漏洞檢測方法(Source Code Vulnerability Detection Method Fusi...
一種原型優(yōu)化和細(xì)化分割的小樣本醫(yī)學(xué)圖像分割網(wǎng)絡(luò)————作者:魏明軍;賀海鵬;陳偉彬;劉亞志;李輝;
摘要:針對小樣本醫(yī)學(xué)圖像分割中現(xiàn)有方法忽略了支持集和查詢集之間的分布偏移和局部邊緣細(xì)節(jié)的問題,提出了一種用于小樣本醫(yī)學(xué)圖像分割的原型優(yōu)化和細(xì)化分割網(wǎng)絡(luò)(PORSNet)。首先,該網(wǎng)絡(luò)中包含一個原型循環(huán)迭代模塊,通過迭代執(zhí)行初始原型校正、原型全局感知、原型蒸餾等步驟,抑制初始原型和查詢集之間的分布偏移及增強原型的表達(dá)能力。此外,還包含一個原型細(xì)化分割模塊,通過掩碼引導(dǎo)聚合和特征歸一細(xì)化,進(jìn)一步處理邊緣細(xì)節(jié)...
相關(guān)科技期刊推薦
核心期刊推薦
copyright © m.optiwork.cn, All Rights Reserved
搜論文知識網(wǎng) 冀ICP備15021333號-3