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

祝峰

季刊

1008-7826

xb2527190@qq.com

0596-2527190

363000

福建省漳州市县前街36号创业楼204

闽南师范大学学报（自然科学版）/Journal Journal of Zhangzhou Teachers College(Natural Science Edition)
查看更多>>本刊是由漳州师范学院主办，国内外公开发行的自然科学综合性学术季刊。本刊坚持党的四项基本原则，提倡“双百”方针，与时俱进，促进科学技术进步，培育科技人才，为社会主义现代化服务。主要刊登数学、计算机科学、物理学、化学、生物学、体育学等学科的最新研究成果。
正式出版
收录年代

    基于异类粒球分离度的自适应属性约简

    黄兵孙可
    1-16页
    查看更多>>摘要：属性约简是处理大规模数据集的关键步骤,与传统的邻域粗糙集(NRS)相比,粒球邻域粗糙集(GBNRS)可以显著提高属性约简的性能.然而,目前GBNRS属性约简算法生成了太多不必要的粒球;从而极大降低了算法运行效率.文章首先定义了一种新的粒球质量指标来控制生成自适应数量的粒球;然后通过粒球对样本集进行划分,将不同类别的样本点放入不同类别的粒球;最后根据不同属性集合下粒球中正域样本的数量来进行前向属性约简.为了验证算法的有效性,在12个真实数据集上将提出的算法与其他NRS属性约简算法进行了对比实验.实验结果表明,所提出的算法有更高的精度和更快的运行效率.

    自适应粒球属性约简粒球邻域粗糙集邻域粗糙集分离度

      原文链接:
    • 维普
    • 万方数据

    Pythagorean模糊环境下的三支多属性决策方法

    刘崟张海东
    17-27页
    查看更多>>摘要：将后悔理论与逼近理想解排序(TOPSIS)法相结合,提出了一种新的三支多属性决策方法,旨在减少决策者的后悔情绪,提高决策满意度.首先,通过评价信息表确定各属性下备选方案的状态集,计算各方案的条件概率.其次,结合TOPSIS和后悔理论,计算相对损失函数,进而确定期望损失,并建立三支决策规则,对方案进行排序并划分为接受域、延迟决策域或拒绝域.最后,以城市轨道交通站点选择为例,进行案例对比分析,验证了该方法的可行性和有效性;接着进行参数分析,以验证该方法的稳定性.

    三支决策Pythagorean模糊β覆盖多属性决策后悔理论逼近理想解排序(TOPSIS)法

      原文链接:
    • 维普
    • 万方数据

    一种新的增量式图神经网络学习框架

    杨习贝丛辉范燕王平心...
    28-41页
    查看更多>>摘要：近年来,图神经网络(graph neural networks,GNN)因其在图表示学习上的优越性能,引起了众多学者的关注.然而,GNN在面对大规模图数据时,由于全图梯度下降,网络在收敛速度方面存在着巨大挑战.鉴于此,提出了一种新的GNN框架:基于采样的增量式图神经网络(sam-pling based incremental graph neural network,IGNN).首先,IGNN利用采样策略将大尺度图拆分为多个小尺度子图,这一操作在关注细节的同时,可以缓解由大规模图的计算消耗所带来的效率问题.其次,为了维护子图之间原有的关联性,IGNN封装了一种增量式的子图共享策略,可以在不同尺度的子图之间共享权重矩阵,从而渐进地获得不同尺度子图的嵌入表示,这使得训练过程的收敛更快.本研究提出的IGNN框架是即插即用的,适用于很多流行的GNN模型.在8个图数据集上进行半监督节点分类的实验结果表明,其在不同标签率下,分类任务准确率占据着明显的优势.特别地,与其他模型相比,IGNN在较少的迭代次数中,实现了更高的分类精度.

    图神经网络增量学习节点分类半监督学习采样

      原文链接:
    • 维普
    • 万方数据

    多策略改进MOA的卷积神经网络超参数优化算法

    孙林刘天诺徐文静
    42-56页
    查看更多>>摘要：针对卷积神经网络(convolutional neural network,CNN)在各类任务中性能的优劣受超参数的影响,以及传统蜉蝣优化算法(mayfly optimization algorithm,MOA)的求解精度不高等问题,提出多策略改进MOA的CNN超参数优化算法.首先,利用佳点集理论和Tent映射策略对雄雌种群分别初始化,使种群分布更加均匀多样.然后,研究非线性动态调速策略,对蜉蝣速度更新中重力系数和正吸引系数进行非线性改进;同时引入对数型衰减权重策略,对蜉蝣位置进行更新,构建多策略改进MOA,满足MOA搜索能力、收敛速度和精度的要求.最后,将多策略改进MOA应用于CNN,设计多策略改进MOA的CNN超参数优化算法,旨在提升CNN整体分类性能.在7个基准函数上对改进的MOA进行实验验证改进算法的有效性,在MNIST数据集和Fashion-MNIST数据集上进行图像分类实验.实验结果表明,提出的算法能够有效提升CNN模型的召回率和准确率,具有较强的泛化能力.

    蜉蝣优化佳点集Tent映射卷积神经网络

      原文链接:
    • 维普
    • 万方数据

    解耦融合机制的金属表面缺陷小样本分割网络

    彭明丁汉泽刘艳芳张继炎...
    57-70页
    查看更多>>摘要：精准的金属表面缺陷小样本分割是工业生产制造和成本控制的重要基础.但主流遵循元学习范式的小样本分割算法利用单一原型编码特征,难以表示缺陷样本前景-背景的复杂分布,因此建立一个缓解前景-背景感知模糊的模型仍是目前的难点问题.针对上述问题,提出一个基于解耦融合机制的小样本分割网络DFMNet(decoupling fusion mechanism-based network).将缺陷分割任务解耦为已知类(缺陷区域)和基类(背景区域)2个语义分割子任务,利用基于图推理的元解析模块产生已知类的粗分割掩码,以及基于背景描述子的基类引导模块输出基类的粗分割掩码,实现对应子任务目标.引入基于解耦融合策略的信息融合模块处理两个子任务的粗预测结果,缓解前景-背景不平衡的问题,实现更精细地分割.引入基于Gram矩阵的自适应调整因子,使模型更多关注场景差异所带来的特征变化,提高模型的泛化能力.在金属表面缺陷数据集上进行实验,与现有多种小样本分割网络进行了广泛的对比分析和消融实验.结果表明,该方法有效缓解了前景-背景感知模糊的问题,达到了最先进的效果.

    金属表面缺陷检测小样本分割图推理背景描述子自适应调整因子

      原文链接:
    • 维普
    • 万方数据

    渐进特征融合注意力机制图像超分重建网络

    曾伯儒胡思宇
    71-83页
    查看更多>>摘要：针对基于深度卷积神经网络的图像超分辨率方法存在网络规模过大而无法部署在资源受限设备上的问题,提出一种轻量型渐进特征融合注意力机制网络(progressive attention fu-sion network,PAFN).该网络由多个级联的注意力信息融合模块(attention information fusing block,AIFB)构成,同时采用特征交叉融合策略,提取不同网络层中的有用特征信息.每个AIFB结合渐进注意力模块、像素注意力模块和通道注意力模块,使得网络能够在多个维度上提取重要特征信息,有效地提高图像超分重建效果.该方法充分利用不同网络层输出的特征,有效地提高网络性能并减小网络规模.实验结果表明,PAFN可有效提升图像质量,且在客观评价指标和主观视觉效果上均优于其他先进的比较算法,由此证明了PAFN方法的有效性.

    图像超分辨率重建大核卷积特征融合注意力机制

      原文链接:
    • 维普
    • 万方数据

    以阿尔新蓝为低背景信号探针的Pb2+电化学传感器

    刘先鑫高彩倪健聪汪庆祥...
    84-93页
    查看更多>>摘要：基于电活性探针阿尔新蓝8GX(AB)与G-四联体-Pb2+(G4-Pb2+)复合物的亲合作用,以AB为指示探针构建了一种特异性检测Pb2+并具有低背景响应特点的电化学传感器.首先将末端修饰巯基的G4序列通过Au-S键组装到金电极表面,当目标分析物(Pb2+)不存在时,AB不与G4发生作用,因此,电极表面观察不到任何法拉第信号;而当Pb2+存在时,其特异性诱导G4从自由链状态折叠为刚性G4-Pb2+结构,并可通过π-π共轭作用将AB吸附在电极表面,从而产生一个可测的法拉第信号.基于此,该传感器可实现对Pb2+的低背景检测.最佳实验条件下的定量分析结果表明,以AB信号探针的传感器能在浓度范围4.9～39 μmol/L内对Pb2+进行检测.根据3倍信噪比获得检测限为 0.13 μmol/L.该方法具有良好的特异性,可用于河水和自来水等不同水样中Pb2+的检测.

    电化学传感器G-四联体铅离子核酸适体阿尔新蓝

      原文链接:
    • 万方数据

    有机磷下锌浓度对威氏海链藻的影响

    徐彬丽杨航陈小煌
    94-101页
    查看更多>>摘要：磷和锌作为藻类生长和发育所必需的营养元素,对藻类的生理生态功能具有显著影响.以威氏海链藻为实验藻种,研究在有机磷作为唯一磷源的条件下,锌浓度变化对威氏海链藻的细胞密度、叶绿素a浓度及光系统Ⅱ最大光能转化效率(Fv/Fm)和最大电子传递速率(ETRmax)等生理指标的影响.结果表明,在有机磷条件下,锌浓度的变化对威氏海链藻产生显著影响.低锌浓度显著促进了威氏海链藻的细胞密度和叶绿素a浓度的增长,但对Fv/Fm和ETRmax的促进作用不显著.相反,高锌浓度则表现出对藻细胞的毒性作用,抑制了其生长和繁殖,导致藻细胞大量死亡.此外,在有机磷存在的情况下,低浓度的锌能够促进碱性磷酸酶(ALP)的合成,增强藻细胞对锌浓度的耐受能力,然而过量的锌则抑制了ALP的活性.

    威氏海链藻锌浓度有机磷碱性磷酸酶

      原文链接:
    • 维普
    • 万方数据

    驱动因子视域下耕地土壤碳源/汇模型的构建与应用

    龙军黄倩朱丽霞
    102-113页
    查看更多>>摘要：以闽南地区的厦门市、漳州市和泉州市为研究区,首先利用灰色关联模型探究初选因子对1982-2018年耕地土壤有机碳变化的驱动作用,再基于筛选出的主要驱动因子构建BP神经网络模型模拟预测2019-2055年碳源/汇的变化趋势.研究结果表明:1)土壤本身性质(砂粒含量、黏粒含量、初始有机碳密度等)、外在环境条件(道路通达度、年均温、年降水量等)和农业管理措施(秸秆还田量、耕作强度、有机肥和氮肥施用量等)是过去30多年耕地有机碳变化的主要驱动因子,碳源/汇与这些因素的关联度系数均达0.83以上;2)基于主要驱动因子构建的碳模型能较好地拟合研究区碳源/汇变化,模拟值相对误差和模拟效率分别为1.11%和0.48,均通过验证要求;3)未来30多年研究区耕地有机碳密度均值上升0.15 kg·m-2,总体表现为碳汇,但不同区域土壤具有"源"与"汇"双重效应,其中"碳源"土壤面积比例为30.33%,主要分布于平原台地区或为初始有机碳密度较高的耕地,"碳汇"土壤以有机碳密度上升幅度≤1 kg·m-2为主,占"碳汇"土壤总面积的97.10%.因此,未来应重点关注"碳源"耕地,并针对性制定减排措施以期转"源"为"汇",同时还需进一步提升土壤固碳增汇能力,防止高碳土壤发生碳损失而产生碳源效应.

    有机碳变化驱动因子模型模拟BP神经网络模型耕地土壤

      原文链接:
    • 维普
    • 万方数据

    反向指数分布参数的经验贝叶斯检验

    赵文杰施建华
    114-123页
    查看更多>>摘要：在"线性损失"函数情况下,研究了一类反向指数分布参数的经验贝叶斯(EB)检验问题.基于独立同分布样本下对密度函数的递归核估计,构造了该分布的经验贝叶斯检验函数.在适当的假设下,证明了所提出的经验贝叶斯检验函数具有渐近最优性,并得到了该检验函数的收敛速度.

    经验贝叶斯检验反向指数分布核估计渐近最优性收敛速度

      原文链接:
    • 维普
    • 万方数据