首页期刊导航|北京师范大学学报（自然科学版）
期刊信息/Journal information
北京师范大学学报（自然科学版）
北京师范大学
北京师范大学学报（自然科学版）

北京师范大学

郑进保

双月刊

0476-0301

jbnuns@bnu.edu.cn

010-62207851

100875

北京新外大街19号

北京师范大学学报（自然科学版）/Journal Journal of Beijing Normal University(Natural Science)CSSCICSCD北大核心CSTPCD
查看更多>>本刊为具有较高学术水平的自然科学综合性学术刊物，主要刊登数学、物理学、化学、天文学、地学、生物学和技术科学、环境科学、交叉科学等基础研究和应用研究方面的学术论文，其中属省部级以上各种科学基金资助的论文占90%左右。正努力实现“国内第一源、国际上有一定影响的高水平学术刊物”的办刊目标。
正式出版
收录年代

    基于不同土壤类型的东部季风区骤旱时空演变特征

    蔡文慧孙鹏夏春晖李慧晴...
    834-844页
    查看更多>>摘要：基于1979-2012年土壤湿度、地表平均温度、土壤蒸散量、土壤类型格点数据构建骤旱(flash drought,FD)指数,分析中国东部季风气候区骤旱的时空演变特征,揭示不同土壤类型对骤旱响应规律的空间异质性.研究结果表明:1)东部季风区骤旱次数与时间总体呈"南少北多"格局,气温变化是影响骤旱发生的主导性因素;东北部与中部发生的骤旱时间和频率最高.2)年际骤旱次数呈不显著上升趋势,区域内骤旱年平均发生总次数为40～50次,总时间为520～670 d,最大发生次数为56次,发生频率＞0.04.从平均时间上看,淋溶土、初育土、人为土和铁铝土对骤旱的响应最为强烈.3)不同土壤类型骤旱年际变化分为2类,第1类分布在北部地区,在夏季达到高峰,春秋季几乎不发生;第2类分布在南部地区,在夏季达到高峰,且伴随着春秋季小高峰.

    骤旱时空演变特征土壤类型东部季风区

      原文链接:
    • 万方数据
    • 维普

    基于Keyhole和Landsat MSS融合影像的土地利用变化监测研究——以杭州湾南岸为例

    陈喜芬吴文渊卢善龙徐俊锋...
    845-853页
    查看更多>>摘要：以杭州湾南岸为研究区,利用1980年9月20日的Keyhole遥感影像与同一时期的Landsat MSS遥感影像,通过融合处理,获得既具有高空间分辨率又有多光谱分辨率的历史遥感影像,填补历史高分辨率遥感影像的空缺.研究结果将历史土地利用类型变化监测时间序列推前的同时,提高杭州湾南岸土地利用变化监测的精度.研究中将使用历史融合影像对杭州湾土地利用类型变化进行监测,同时结合1990-2020年4景Landsat遥感影像,获得杭州湾南岸地区近41年的土地利用情况,辅以前人的目视解译结果图,得到分类精度＞90％的土地覆被利用分类结果.从面积变化、类型转化、年均变化率3方面分析讨论了 1980-2020年间杭州湾南岸地区土地利用的时空变化特征.结果表明:1980-1990年,杭州湾南岸库塘呈减少的趋势,耕地逐渐向海岸地区扩张;1990-2020年,城市的扩张面积不断增加且呈现向海岸扩张的趋势,库塘的面积增加明显,主要表现在人工养殖场继续向海岸扩张.城市的发展是影响杭州湾南岸土地利用变化的主要因素,并且在杭州湾城市规划的同时应该充分考虑其生态环境的问题,加强自然湿地保护,严格控制自然湿地的开发规模,坚持可持续发展,在保护湿地的基础上进行合理的开发利用.

    图像融合Keyhole影像土地利用变化变化监测

      原文链接:
    • 万方数据
    • 维普

    红参松花粉片对阿尔茨海默症大鼠空间学习记忆能力及海马神经细胞凋亡的影响

    李学秀崔嗣庚吕运一
    854-858页
    查看更多>>摘要：通过Aβ25-35联合D-半乳糖诱导,建立实验性大鼠阿尔茨海默症(Alzheimer's disease,AD)模型,采用Morris水迷宫实验,评估红参松花粉片对AD模型大鼠学习记忆能力和海马神经细胞凋亡的影响.同时,运用Western blot、RT-qPCR及TUNEL法,检测AD模型大鼠海马神经细胞中BCL2、BAX、p-AKT及p-GSK3β的含量.研究表明:与模型组相比,红参松花粉片高剂量组能显著缩短模型大鼠逃脱潜伏期和游泳距离(P＜0.05),显著增加搜索时间百分比(P＜0.05);红参松花粉片高、低剂量给药组上调了 AD模型大鼠海马神经细胞中Bcl-2、p-AKT及p-GSK3β的表达,下调了 BAX的表达,显示AD模型大鼠海马神经细胞凋亡过程明显减缓,说明红参松花粉片能改善AD模型大鼠学习记忆的能力,对海马神经凋亡起到了一定的抑制作用.

    红参松花粉阿尔茨海默症凋亡

      原文链接:
    • 万方数据
    • 维普

    序

    姚力李小俚
    859页
      原文链接:
    • 万方数据

    深度学习的睡眠脑电特征波检测

    李小俚王枫黄朝阳斯白露...
    860-867页
    查看更多>>摘要：回顾了深度学习(deep learning,DL)技术在睡眠脑电检测上的应用.以睡眠脑电过程中的纺锤波检测问题为例,探讨了睡眠脑电检测的各类方法,以及相较于传统信号处理算法,DL算法在睡眠脑电纺锤波检测问题上具有精度较高、对数据适应性更强的特点.针对进一步提高网络检测性能与硬件适用性需求,提出特征融合与脉冲神经2种改进型网络,并获得较高的检测性能,进一步阐释了 DL技术在睡眠脑电特征波检测方面的应用潜力.

    深度学习睡眠脑电睡眠分期睡眠纺锤波

      原文链接:
    • 万方数据
    • 维普

    基于量表大数据的深度神经网络抑郁分类模型

    成也杨镇恺姚力王新波...
    868-874页
    查看更多>>摘要：针对抑郁相关量表大数据所面临的特征冗余、特征维度单一、特征子集难以确定等问题,提出了一种基于深度神经网络(deep nural network,DNN)的抑郁分类模型.通过结合主成分投影k-means(principal component,PC k-means),在不破坏原有特征空间的条件下对量表大数据进行特征选择,并对原始算法的随机性与聚类个数不确定的问题进行了优化;在此基础上,为了增强抑郁识别维度的多样性,构建了引入因子分解机(factorization machines,FM)的DNN抑郁分类模型.分析和对比结果表明:PC k-means不仅可以有效地选择特征,而且与传统分类器和FM-DNN结合,更能提高抑郁分类的准确率,为深度学习引入量表大数据分析提供了新的研究思路与方向.

    抑郁症心理量表大数据特征选择深度神经网络

      原文链接:
    • 万方数据
    • 维普

    引入Huber损失函数的睡眠脑电数据增强模型研究

    冯林娅姚力赵小杰
    875-882页
    查看更多>>摘要：针对目前睡眠脑电数据的标记仍以专家评判为主,导致数据标记不足,以及影响睡眠状态自动评估的不同阶段睡眠脑电数据类不平衡等问题,提出了一种基于生成式对抗网络(generative adversarial network,GAN)的数据增强模型,用以扩充不同睡眠阶段的脑电数据.通过引入Huber函数来改进辅助分类器生成式对抗网络(auxiliary classifier GAN,ACGAN)模型的损失函数,解决数据模糊等品质问题.该模型无须对数据进行特征提取,其生成和判别网络都采用一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN),并以一维噪声和类别向量为生成器输入信号.分别采用手写体数字图像数据集与睡眠脑电数据集评估该模型的性能.将改进前的模型与其他损失函数模型进行了对比试验,结果表明改进模型的数据增强效果与睡眠分期效果,从可视化评估到定量评估均优于其他模型.研究结果以期为深度学习引入睡眠脑电分析中提供一种行之有效的方法.

    数据增强生成式对抗网络Huber损失函数睡眠脑电

      原文链接:
    • 万方数据
    • 维普

    全球通信光缆知识图谱构建及应用

    王志春李邦褀李凯曼田沄...
    883-887页
    查看更多>>摘要：利用知识工程相关方法和技术,构建了全球海底光缆知识图谱.知识图谱中,本体包含了 8个实体类型、7个实体属性,实例层包含了 1 949个实体、共计8 535个三元组.将所构建知识图谱与DBpedia、Geonames建立了 2 378个链接,在此基础上,通过SPARQL查询,对海底光缆数据进行了分析.

    海底光缆知识图谱SPARQL查询

      原文链接:
    • 万方数据
    • 维普

    低算力深度学习下的图像卡通风格化研究

    徐鹏飞周腾骅武仲科申佳丽...
    888-895页
    查看更多>>摘要：在深入研究图像风格迁移的基础上,提出了一种适用于图形处理器性能受限情况下,卡通(cartoon)图像风格迁移训练的生成式对抗网络(generative adversarial networks,GAN).利用视觉几何组(visual geometry group,VGG)网络提取图片先验信息,实现学习过程的加速;裁剪cartoonGAN模型,在保证效果的基础上,使得低性能计算条件下的网络收敛成为可能;设计合理的损失函数,保证整体风格化效果.基于tensorflow2.0构建试验平台,通过对试验结果分析可发现,该方法的迁移效果好,稳定性强,且收敛时间短.对算法的参数和初始化方法给出了相关讨论,并提出了进一步的解决方案.

    风格迁移深度学习生成式对抗网络卡通风格化

      原文链接:
    • 万方数据
    • 维普

    面向磁共振影像超分辨的WGAN方法研究

    黎玥嵘武仲科王学松申佳丽...
    896-904页
    查看更多>>摘要：针对磁共振成像(magnetic resonance imaging,MRI)超分辨率重构任务,提出了 Wasserstein生成式对抗网络(Wasserstein generative adversarial network,WGAN),构建了合适的网络模型与损失函数;基于残差U-net WGAN后端上采样超分模型,设计了感知、纹理和对抗损失,用于恢复低分辨率MRI影像中的细节信息.此网络在2D-MRI的3 000张脑影像上获得的峰值信噪比(peak signal to noise ratio,PSNR)是33.09 dB,结构相似度(structural similarity index measure,SSIM)的平均值为0.95;PSNR与SSIM的值与经典超分法相比较,分别增加了 4.09 dB和0.06.这表明:网络能更好地学习MRI从低分辨率到高分辨率影像之间的映射关系;该方法有效稳定,可以广泛应用于相似系统.

    生成式对抗网络超分辨率重构磁共振成像深度学习

      原文链接:
    • 万方数据
    • 维普