首页期刊导航|厦门大学学报（自然科学版）
期刊信息/Journal information
厦门大学学报（自然科学版）
厦门大学
厦门大学学报（自然科学版）

厦门大学

张鸿斌

双月刊

0438-0479

jxmu@xmu.edu.cn

0592-2180367

361005

福建省厦门市厦门大学囊萤楼218-221室

厦门大学学报（自然科学版）/Journal Journal of Xiamen University(Natural Science)CSCD北大核心CSTPCD
查看更多>>本刊是由厦门大学主办，国内外公开发行的综合性学术期刊）双月刊），是中国优秀科技期刊、中国自然科学核心期刊。主要刊载数学，物理学，计算机与信息工程，技术科学，化学，化工，海洋学，环境科学，生命科学等学科的最新研究成果。本刊坚持党的基本路线，提倡“双百”方针，以促进科学技术的发展，为传播科技成果，发现和培养科技人才提供了一个总结经验、相互交流的园地。
正式出版
收录年代

    基于卷积神经网络的氢氦协同效应下的空洞演化预测

    金华江缪惠芳
    149-159页
    查看更多>>摘要：[目的]了解辐照引起的核结构材料的降质过程对于反应堆安全运行至关重要.然而,由于辐照损伤实验和基于物理的多尺度模拟存在时间和资源密集性的特点,无法快速评估材料的空洞演化行为.[方法]应用卷积神经网络(CNN)对空洞尺寸和数密度进行预测,并在现有的实验数据范围外,对氦和氢注入量在连续参数变化范围内的相关性进行预测.[结果]经过参数优化的CNN可以很好地克服实验数据不足的限制,仅利用元素组分和环境参数即获得准确的数值回归.[结论]这项工作证明了 CNN预测氢氦协同效应下辐照损伤的可行性,对核材料的优化和反应堆安全运行具有实际意义.

    卷积神经网络氢氦协同效应辐照损伤空洞演化性能预测

      原文链接:
    • 万方数据
    • 维普

    基于截断技术的鲁棒模糊C均值聚类

    高云龙陈彦光李辉堆史曙光...
    160-169,178页
    查看更多>>摘要：[目的]直接利用模糊C均值(FCM)对原始数据进行聚类,容易导致聚类结果受到噪声和离群点的影响,但通常利用松弛技术对样本点模糊隶属度或空间位置关系进行松弛的解决方法只能降低,而无法完全剔除噪声和离群点的影响.为了解决这个问题,提出了基于截断技术的鲁棒模糊C均值(TRFCM)聚类算法.[方法]基于模糊局部信息C均值(FLICM)聚类模型,通过引入截断技术,提出TRFCM算法.该算法的主要思路为:(1)利用FLICM,在学习数据聚类结构的同时保留样本点的局部邻域结构;(2)基于FLICM的聚类结果动态调整原始数据,使其满足期望的聚类结构;(3)将聚类结构特征学习与原始数据的调整(即截断掉部分样本点),统一在一个优化框架中,从而实现组合最优化.将TRFCM算法与近年来相关算法进行比较以检验TRFCM的参数敏感性、收敛性、鲁棒性、时效性等性能.[结果]实验包括5个部分:参数敏感性与收敛性分析、鲁棒性检验、图像分割实验、Benchmark数据集实验和各算法计算时间对比实验.在参数敏感性和收敛性分析中,TRFCM算法在合适的范围内对参数不敏感且在大多数情况下可以获得良好的聚类效果.同时,算法对各数据集的聚类均可以在20轮迭代内收敛.在鲁棒性检验中,TRFCM的准确率是81.55％,较FLICM高出9.71个百分点,聚类结果更接近于真实数据分布,这证明了 TRFCM对噪声具有良好的鲁棒性.在图像分割实验中,各对比算法对图像的划分在一定程度上都不够准确,部分算法出现了环境划分不完整、不同的部分错分到相同类中、不同的类之间发生重叠等问题.而TRFCM均规避了这些问题,取得了良好的聚类结果.在添加了均值为0、方差为0.05的高斯噪声的图像分割实验中,TRFCM算法对噪声干扰的抑制效果最优.在Benchmark数据集上,对Banknote Authentication、Wine、COIL20、WarpPIE10P、Yale 和 USPS 数据集进行聚类分析,TRFCM 在 ACC、NMI 与purity三种评价指标上都取得了优于其它对比算法的得分.在算法时效性的实验中,在相近的时间内,相较对比算法TRFCM能够获得更好的聚类效果.[结论]将截断技术引入到模糊聚类算法中,可实现对原始数据的动态调整,剔除噪声和离群点对聚类过程的干扰,从而保留更多对聚类有利的数据细节.基于该思路,利用截断技术以相似的方式对以往其他经典的模糊聚类模型进行改进,可以得到一系列的优化算法,为未来的研究提供新的方向.

    模糊C均值(FCM)鲁棒性截断技术图像分割

      原文链接:
    • 万方数据
    • 维普

    基于精细化特征信息提取的健康和病害肉快速判别方法

    薛文东洪德明陈本能洪永强...
    170-178页
    查看更多>>摘要：[目的]针对健康肉与病害肉的快速鉴别问题,本文对健康与病害肉的表面拉曼谱图的特征信息提取和分类方法进行研究,以实现对健康肉与病害肉的快速鉴别.[方法]以羊肉的表面增强拉曼谱图为样本,分别采用主成分分析-支持向量机和卷积神经网络两种方法进行分类.通过提取谱图的精细化特征,实现谱图数据的降维和干扰信息的过滤,为分类模型提供更加准确和丰富的特征信息.并以240份包含健康与病害羊肉的拉曼谱图为训练集样本,建立了分类模型,以另外的120份样本进行健康与病害肉的辨别效果验证.[结果]实验表明经过精细化特征提取后构建的主成分分析-支持向量机模型能清晰的找到健康与病害肉的分类边界,验证样本的识别准确率从82.5％上升到93.3％,同时使用卷积神经网络对精细化提取的特征进行学习与分类,识别准确率从常规方法的90.2％上升到95.5％.[结论]本文提出的基于表面增强拉曼的肉类谱图的精细化特征信息提取和分类方法能够有效实现对羊肉样品中健康肉与病害肉的快速分类和鉴别,该方法同样可以应用于其他肉类的检测分类,对保障食品安全具有重要的意义.

    病害肉检测主成分分析拉曼谱图卷积神经网络

      原文链接:
    • 万方数据
    • 维普

    非结构地形环境下基于特征融合的倾斜摄影测绘建模优化方法

    陈炜郑祥盘宋爽唐晓腾...
    179-187页
    查看更多>>摘要：[目的]利用无人机进行大尺度非结构地形环境测绘时,由于无人机倾斜摄影得到的图像在测绘建模时会存在仿射变形较大、透视畸变严重、局部特征变化各异等问题,进而导致建模数据匹配困难.为解决这一问题,本文提出了一种基于特征融合的倾斜摄影测绘建模优化方法.[方法]首先融合图像的颜色信息及近似最近邻快速库(fast library for approximate nearest neighbors,FLANN)优化的加速稳健特征(speed up robust feature,SURF),然后结合优化的 SURF与最稳定颜色区域特征(maximally stable color regions,MSCR)实现仿射变形图像间快速准确的特征提取及匹配.[结果]本文的特征匹配算法在1.25 s内得到757个最佳匹配点;相对于基于尺度不变特征(scale-invariant feature transform,SIFT)、SIFT+MSCR和SURF的特征匹配算法,最佳匹配点的数量分别提高141％、29％和34％,匹配时间与SURF接近,远低于SIFT和SIFT+MSCR.测绘建模得到的点云与参考点在三个方向上的距离均方根误差在7 cm以内,平均误差在11 cm以内.[结论]本文提出的算法能够实现非结构地形环境的全局三维模型快速准确构建,同时数据匹配过程中具有更良好的匹配效果和匹配效率.

    非结构地形环境特征融合倾斜摄影数据匹配

      原文链接:
    • 万方数据
    • 维普

    一种基于线性模糊信息粒的时间序列预测算法

    杨昔阳陈豪李志伟张新军...
    188-198页
    查看更多>>摘要：[目的]由于经济、金融、环境和生态等多个领域中时间序列数据规模的持续增长,对其进行预测变得日益复杂,为了提高大规模时间序列的长期预测效率,探索构建模糊信息粒的创新方法,以准确反映数据集大小和趋势信息.[方法]首先,根据模糊拓展原理,研究各种模糊信息粒,包括区间型、三角型和高斯型模糊信息粒的距离定义.随后,结合时间序列片段的中心线段和离散程度信息,引入一类新颖的模糊信息粒.这些粒子可以有效捕捉指定时间范围内时间序列的趋势信息和离散程度,进一步地提出高斯型模糊信息粒距离的函数表达式和几何解释.为了将这些粒子用于时间序列预测,设计一类模糊推理预测系统,该系统可以利用历史数据构造模糊信息粒,并从高斯型模糊信息粒序列中提取模糊推理规则.[结果]高斯型模糊信息粒距离的函数表达式具有简洁的数学表示,可以合理地反映两个高斯模糊信息粒的中心线和离散程度的差异.模糊推理预测系统可以从高斯型模糊信息粒序列中提取有效的规则,实现时间序列的长期预测.实验结果表明,结合线性高斯模糊信息粒与模糊推理系统的预测方法在均方根误差和平均绝对百分比误差方面优于其他数值预测算法和其他模糊信息粒推理方法,包括自回归模型、自回归神经网络和回归向量机等.[结论]结合线性模糊信息粒和模糊推理系统的方法可以提高时间序列长期预测的效率.基于对数据集特征的合理抽象提出了一种新颖的线性模糊信息粒,并简洁地推导出了它们的距离定义.时间序列预测的成功表明,通过巧妙地设计信息粒,能够准确捕捉数据集中的关键特征,从而提高其他数据挖掘任务的效率,例如更快的计算速度和更准确的结果.

    线性模糊信息粒模糊推理系统时间序列预测

      原文链接:
    • 万方数据
    • 维普

    基于注意力和图网络的多粒度脚本事件推理方法

    倪进鑫蒋晨辉周绮凤
    199-208页
    查看更多>>摘要：[目的]对于一些覆盖面广、延续时间长的事件(如台风、洪水等自然灾害),考虑事件演化过程复杂多变,所获取的事件信息存在疏密程度不均的问题,研究其事件推理问题.[方法]提出一种基于注意力机制和图网络的多粒度脚本事件推理方法,通过提取及合并不同粒度的事件信息以获得更丰富的事件语义信息,并结合图注意力网络和事件转移概率矩阵以充分利用密集事件连接提升推理性能.具体而言,首先采用自注意力机制从事件链中获得事件片段,并结合单个事件和事件片段的表示扩展模型输入信息,然后充分利用密集的事件连接,从海量事件新闻中提取事件链构建事件演化图来获得事件转移矩阵,提高模型推理准确率.[结果]在多个真实台风事件以及标准数据集上的实验结果表明,本文所提方法优于传统的基于事件链、基于事件对以及基于事件图等的事件推理模型.[结论]采用自注意力机制从事件链中获得事件片段,并结合单个事件和事件片段的表示扩展模型输入信息可以缓解事件稀疏带来的推理困难问题;仅采用时序关系不能完全表示基本事件链与候选事件的关系,构建事件演化图可以更好的提取事件间的复杂交互信息;多粒度事件信息的融合可以更好地反映候选事件与基本事件链的关系.

    事件推理图注意力网络注意力事件演化图

      原文链接:
    • 万方数据
    • 维普

    基于图增强和图神经网络的层次社区发现方法

    杨慎陈磊周绮凤
    209-220页
    查看更多>>摘要：[目的]现有的多分辨率层次社区发现方法需要搜索分辨率参数得到特定层次的社区划分,且无法利用网络拓扑与节点属性之间的关联获取社区结构信息.为解决这些限制,本文提出一种基于图增强和图神经网络的层次社区发现方法HCEG.[方法]首先在图增强过程中对原始网络进行重构,使得构建的初始社区种子能涵括节点属性和拓扑信息,然后对初始种子社区集进行合并,再采用基于图神经网络的方法进行拓展,以搜寻网络中不同层次的社区划分.[结果]与其他SOTA方法相比,所提出的HCEG方法可以准确地找到不同类型真实网络中的分层社区结构,并可在不同规模的真实网络中可以获得良好的社区发现性能.[结论]在社交网络、引文网络、网页超链接网络等真实数据集上的一系列实验,验证了 HCEG方法的可行性和有效性.

    层次社区发现图神经网络变分图自编码器属性网络

      原文链接:
    • 万方数据
    • 维普

    基于无监督模型的低资源词性标注实验对比和分析

    李扬周厚全李正华张民...
    221-231页
    查看更多>>摘要：[目的]研究无监督词性标注模型在低资源语言上的性能表现.[方法]尝试利用无监督词性标注模型,包括高斯隐马尔科夫模型(Gaussian HMM,GHMM)、最大化互信息模型(mutual information maximization,MIM)与条件随机场自编码器(conditional random filed autoencoder,CRF-AE),展开低资源词性标注实验.基于对前人工作的凝练,在英文宾州树库上设置了少样本和词典标注两种低资源场景.[结果]无监督词性标注模型能够在少样本场景中超越条件随机场模型,但在词典标注场景中却始终逊色于条件随机场模型.[结论]无监督损失更加擅长对高频词进行建模,使得模型在少样本场景下获得更好的性能表现;同时无监督损失倾向于生成更加均匀的词性分布,从而降低模型在词典标注场景下的性能.

    词性标注低资源学习词典标注无监督学习

      原文链接:
    • 万方数据
    • 维普

    基于代价敏感LightGBM的网购意愿预测研究

    罗咪邱一卉林建宗
    232-240页
    查看更多>>摘要：[目的]由于购买商品的消费者数量远小于未购买商品的消费者数量,网购意愿预测研究是典型的不平衡数据分类问题.研究不平衡数据的分类问题以提升网购意愿预测的分类准确率,该问题主要存在少数类样本识别准确率远小于多数类样本的问题.[方法]提出一种基于贝叶斯优化的代价敏感轻量梯度提升机(Light Gradient Boosting Machine,LightGBM)模型.首先引入误分类代价作为惩罚因子修正LightGBM的损失函数,其次通过阈值移动降低模型的分类阈值以提高针对少数类样本的预测准确率,最后利用贝叶斯优化算法优化误分类代价参数、分类阈值及其他参数.[结果]从KEEL数据库中选取5个典型的不平衡数据集进行对比实验,相较于标准LightGBM模型,改进LightGBM模型的AUC值和G-mean值均提升了 10％左右;相较于遗传算法优化代价敏感LightGBM模型和粒子群优化代价敏感LightGBM模型,改进LightGBM模型的AUC值和G-mean值普遍提升了 4％左右;相较于ADASYN-LightGBM模型和BorderlineSMOTE-LightGBM模型,改进LightGBM模型的AUC值和G-mean值普遍提升了 3％左右.[结论]基于代价敏感学习在LightGBM损失函数中添加误分类代价作为惩罚因子,并通过阈值移动降低模型的分类阈值,同时利用贝叶斯优化算法优化代价敏感LightGBM模型中的误分类代价参数、分类阈值及其他参数,实现更高的少数类样本预测准确率,提升了网购意愿预测的分类准确率.

    不平衡数据贝叶斯优化代价敏感LightGBM网购意愿预测

      原文链接:
    • 万方数据
    • 维普

    基于非均匀分布微结构的柔性压力传感器性能调控

    颜黄苹李远哲王子俊周锐...
    241-251页
    查看更多>>摘要：[目的]为了适应柔性压力传感器面向特定应用的定制化设计需求,提出一种基于非均匀分布微结构的电容式柔性压力传感器,开展传感器性能调控研究.[方法]首先,基于敏感层微结构非均匀分布方式,提出一种灵敏度预测模型,并通过与实际测试结果的对比分析,验证模型的正确性.其次,研究当介电层微结构为微圆台时,不同微圆台顶面半径、高度、底面半径等几何参数以及次级微结构对传感器灵敏度和线性范围的影响.最后,基于该调控方法制备了综合性能良好的多级非均匀微结构分布的柔性压力传感器,进行性能测试与应用测试.[结果]非均匀分布微结构柔性压力传感器的灵敏度与微结构的分布及几何参数密切相关.通过对微结构分布的调控可筛选出具有最优灵敏度的传感器,对敏感层微结构几何参数的调控可实现对柔性压力传感器性能的调控.[结论]该性能调控方法对面向特定应用的传感器定制化设计具有一定的指导价值.

    柔性压力传感器非均匀分布微结构性能调控

      原文链接:
    • 万方数据
    • 维普