课程文献中心 更多>>

关键词： 高光谱遥感   蚀变矿物填图   找矿预测   柴周缘   荒漠区  

摘要： 青海省地质勘查工作位于典型的高原荒漠区,地形切割大、植被覆盖率低、基岩出露面积广、地表调查难度大,为研究卫星高光谱数据在柴北缘荒漠区蚀变矿物填图及找矿中的应用,基于高光谱分辨率的国产遥感卫星资源一号(ZY-1)02D数据,通过精细的辐射定标、大气校正、数据修复与正射校正等处理后,获得青海省柴北缘赛坝沟等荒漠地区的高光谱遥感影像;经过详细的野外调查采样并使用FieldSpec Pro FR光谱仪进行波谱测试,构建了研究区包含绿泥石化等13种主要蚀变矿物的标准实验室光谱数据集;最后开展了研究区蚀变矿物提取及找矿研究。结果发现,研究区的蚀变矿物主要有绿帘石、绿泥石、钠长石、绢云母、硅化、高岭土、碳酸盐、褐铁矿、阳起石、蛇纹石、赤铁矿、黄铁矿和孔雀石等13类,蚀变信息分布与地层、侵入岩岩性及韧性剪切构造密切相关。通过对赛坝沟等典型矿床的蚀变特征研究发现,孔雀石化、褐铁矿化、黄铁矿化、绢云母化、硅化等蚀变信息与成矿关系十分密切,具有重要的找矿指示意义;部分钾长石化、绿泥石化、绿帘石化、钠长石化也与成矿作用有一定的关系,可作为找矿参考信息。最终,通过上述方法,结合配套开展的1:2.5万地球化学测量成果,在托莫尔日特地区发现了铜金矿化点1处。因此,高光谱蚀变矿物填图在我国自然条件恶劣的西部荒漠地区能够弥补传统地质调查和矿产勘查手段的局限性,可用于快速了解区域地质背景、成矿地质条件,进而提取矿物光谱信息等,为地质找矿工作提供大范围的丰富、精细的信息,具有广泛的应用前景。

关键词： 马铃薯   酶促褐变   主成分分析   隶属函数   评价  

摘要： 褐变是影响马铃薯加工业快速发展的一个限制因素，褐变评价对抗褐变马铃薯品种选育及马铃薯鲜切加工发展具有重要意义。以45个马铃薯品种作为试验材料，对10个酶促褐变相关指标进行测定，再结合相关性分析、主成分分析、隶属函数和聚类分析进行综合评价。结果表明，可以通过鲜薯切片0 h和6 h亮度值、褐变强度（BD）初始值和多酚氧化酶（PPO）活性4个指标进行马铃薯酶促褐变的鉴定评价；根据抗酶促褐变能力将45个马铃薯品种分为5种类型，其中高抗酶促褐变材料5份、抗酶促褐变材料9份、中度酶促褐变材料18份、易酶促褐变材料9份和极易酶促褐变材料4份。

关键词： 流图   图神经网络   历史信息   增量更新   当前信息   自适应聚合  

摘要： 流图的节点和边以流的形式持续产生，导致整个图结构随着时间推移而不断演化。图神经网络作为图嵌入技术的一种，在捕获流图的动态信息以及快速适应流图持续演化等方面仍然面临着巨大的挑战。为解决这些问题，本文提出了持续记忆的流图神经网络(CMSGNN)。该模型能够根据流图持续的演化充分学习历史信息，通过增量学习的方式更新已记忆的历史信息，并且能够自适应地调整模型以适应流图的变化程度，以获得更符合当前信息的流图嵌入。该模型将历史信息与当前信息相结合使得模型能够获得更准确的流图嵌入，从而提高下游任务的准确率。实验结果表明，本文提出的CMSGNN在现实生活中的多个数据集上执行多个任务上均有更好的性能。

关键词： 半监督学习   图表示学习   小样本学习   原型网络   负学习  

摘要： 图神经网络已经成功应用于各种与图相关的任务中。以有监督的方式训练一个图神经网络需要大量标签，而现实世界中受到成本制约难以获取大量标签，因此在小样本学习或半监督学习场景的标签就更为稀少。为了克服这个问题，许多方法通过标签传播的方法来估计标签，但通常会受到图上连接性和同质性假设的限制，容易生成带有噪声的伪标签。为了解决这些限制，本文提出了一个名为图超球面原型网络的新方法GHPN，专注于半监督小样本节点分类。为了减轻图结构对预测结果的影响，GHPN在超球面表示空间中建模类别表示，通过类级别表示在语义空间中传播标签信息。此外，为了利用未标记节点的监督信息，本文设计了一个基于原型网络预测结果的负学习框架，用于补充监督信号，调整各类别原型之间的距离。在五个真实世界的数据集上进行的实验表明，该方法与十个最先进的方法相比能够有效提高性能，在四个数据集上能取得平均排名最佳结果。

关键词： 多模态推荐系统   多模态融合   图卷积神经网络   对比冲突融合  

摘要： 现有多模态图神经网络推荐算法在进行多模态融合时，普遍使用图神经网络提取的节点特征进行融合，而未考虑到全局图结构信息和模态信息对融合的影响；并且现有的多模态融合方法大多只考虑模态间的差异，而忽视了模态内部的情况。对此，本文提出一种融合图神经网络的多模态微视频推荐算法（MCCF， Multi-modal Contrast-Conflict Fusion）。该算法利用一种感知模态信息的注意力机制，将节点级特征转化为表征不同模态的图级特征；同时，分别使用节点级和图级特征表示，计算模态内“对比性”和模态间“冲突性”，客观评价了不同模态的重要性，实现了多模态融合。在Movielens和Tiktok两个微视频公开数据集上进行的实验表明，本文提出的算法在推荐性能上较基线方法有明显提升。

关键词： 高分辨率沉积相   Fischer图解   奇格布拉克组   塔里木盆地西北部  

摘要： 【目的】塔里木盆地震旦系奇格布拉克组广泛发育微生物碳酸盐岩，是深层—超深层油气勘探的有利层位。然而，奇格布拉克组现有的层序地层划分方案存在明显分歧，不利于储层沉积演化分析和展布预测的开展，亟待进一步的深入研究和厘定。【方法】以塔西北阿克苏地区什艾日克剖面为对象，基于高分辨率的沉积相刻画和Fischer图解分析，明确奇格布拉克组沉积环境和海平面变化特征，进行层序地层的划分。【结果】奇格布拉克组共划分出10种主要的岩相类型，岩相组合特征指示其沉积背景为碳酸盐岩缓坡台地，发育内缓坡和中缓坡两种沉积亚相，其中内缓坡由潮坪、潟湖、潮道和颗粒滩等微相组成。奇格布拉克组共识别出8种潮缘旋回亚型、2种浅水潮下旋回亚型和2种中缓坡旋回亚型；根据Fischer图解反映的旋回叠加样式，结合沉积相序和潮下带占比分析结果，将奇格布拉克组划分为SQ1～SQ4等4个三级T-R层序，其中SQ1只有海退体系域记录在奇格布拉克组，而SQ4只保留了海侵体系域。【结论】（1）塔西北地区奇格布拉克组层序地层“四分”的划分方案是合理的；（2）奇格布拉克组顶部经历的百万年尺度的暴露剥蚀有利于规模化储层的形成。

关键词： 隐私集合交集   模糊匹配   标签匹配   秘密共享   隐私计算  

摘要： 支持模糊匹配的带标签隐私集合交集计算协议(Fuzzy Labeled Private Set Intersection，FLPSI)是PSI协议的变体，其特点在于发送方与接收方的集合元素并不是完全相等，而是存在相似性，且发送方集合中的每个元素均关联一个标签，接收方仅得到相似匹配元素的标签，而不会泄露其他信息。现有的FLPSI协议大多使用汉明距离来判断二进制向量之间的匹配程度，协议基于昂贵的公钥密码来构建，计算开销大导致协议运行时间缓慢。提出了一种基于对称密码构造的更加高效的FLPSI协议，通过模拟范例证明了协议在半诚实模型下是安全的，参与方均无法窃取额外的隐私信息。与现有方案相比，协议将整体通信复杂度与发送方的计算复杂度由O(n2)降低为O(n)。通过实验仿真，平衡场景下比现有FLPSI协议快3～10倍，通信量降低89%～95%，非平衡场景下比现有FLPSI协议快7～10倍，与类似的模糊匹配协议相比具有明显优势。此外，还设计了FLPSI协议在隐私保护条件下人脸识别的应用，通过调整参数可以满足不同场景的要求。

关键词： 动态图存储   动态图更新   数据迁移   Power-PCSR   幂律图  

摘要： 图数据在现实生活中广泛存在，且不断发生变化。传统高效的静态图存储方式——压缩行/列（Compressed Sparse Row/Column，CSR/CSR）存储方式在更新图数据时需要大量的数据迁移而不适用于动态图数据。而能够高效更新图数据的邻接表 (Adjacency List，AL) 存储方式往往带有大量的指针，导致其图数据读取和分析效率低。Packed Compressed Sparse Row（PCSR）是一种基于CSR的动态图存储结构。该结构在存储边数据时并不是采用连续无空隙数组存储，而是采用留有空槽的压缩存储阵列（Packed Memory Arrays，PMA）结构，便于边数据的插入。因此，PCSR支持高效图更新和图分析。但是我们发现PCSR在存储幂律图时其性能容易受大度数顶点的影响。本文基于PCSR提出一种支持可高效更新和分析动态幂律图的图存储结构Power-PCSR。该结构将幂律图中的度数较大的顶点单独存储在一个独立的PMA中，其他所有小度数顶点与PCSR一样存储在原PMA中。小度顶点变化导致的数据迁移不会触及大度数顶点，从而大大减少数据迁移数量。同样大度数顶点的更新导致的数据迁移只限制在每个大度数顶点的PMA内部，不会涉及到小度数顶点和其他大度数顶点的数据迁移。实验显示，Power-PCSR在分析图数据时与PCSR具有相似的性能，而在更新图数据时达到比PCSR快2倍。

关键词： 空气质量预测   多域特征融合   时空特征   周期解耦   门控机制融合   图神经网络  

摘要： 在协同融合气象、空间和时间三大信息的时空混合模型中，时间变化建模通常在一维空间中完成，针对一维序列局限于滑动窗口和缺乏多尺度特征的灵活性的问题，提出了一种多域融合的时空层次图神经网络(MGT-HGNN)模型。首先，构建城市全局尺度和站点局部尺度的两级层次图，进行空间关系学习；其次，将一维空气质量序列转换为一组基于多个周期的二维张量，在二维空间上通过多尺度卷积进行周期解耦捕获频域特征，同时在一维空间中利用长短期记忆网络拟合时域特征；最后，为了避免聚合冗余信息，设计了一种门控机制融合模块，用于频域和时域特征的多域特征融合。模型在Urban-Air数据集和长三角城市群数据集上进行实验，相较于最优基准模型多视图多任务时空图卷积网络(M2)，平均绝对误差综合下降3.79%，均方根误差综合下降2.57%。实验结果表明，MGT-HGNN在频域上解耦了复杂时间模式，利用频域信息弥补了时域特征建模的局限性，结合时域信息更全面地预测空气质量变化。

关键词： 图数据   隐私保护   负数据库   推荐系统   图神经网络  

摘要： 图数据是一种特殊的数据形式,由节点和边组成.在这种数据中,实体被建模为节点,节点之间可能存在边,表示实体之间的关系.通过分析和挖掘这些数据,人们可以获得很多有价值的信息.因此,对于图中各个节点来说,它也带来了隐私信息泄露的风险.为了解决这个问题,提出了一种基于负数据库(NDB)的图数据发布方法.该方法将图数据的结构特征转换为负数据库的编码形式,基于此,设计出一种扰动图(NDB-Graph)的生成方法.由于NDB是一种保护隐私的技术,不显式存储原始数据且难以逆转,故发布的图数据能确保原始图数据的安全.此外,由于图神经网络在图数据中关系特征处理方面的高效性,被广泛应用于对图数据的各种任务处理建模,例如推荐系统,还提出了一种基于NDB技术的图神经网络的推荐系统来保护每个用户的图数据隐私.基于Karate和Facebook数据集上的实验表明:与PBCN发布方法相比,所提方法在大多数情况下表现更优秀.例如:在Facebook数据集上,度分布最小的L1误差仅为6,比同隐私等级下的PBCN方法低约2.6%;最坏情况约为1 400,比同隐私等级下的PBCN方法低约46.5%.在基于LightGCN的协同过滤实验中也表明,所提出的隐私保护方法具有较高的精度.