关键词： 教育心理测量   项目功能差异   似然比检验方法   缺失数据处理   非负矩阵分解   多重插补   项目反应理论  

摘要： 在教育与心理测量领域，项目功能差异(Differential Item Functioning, DIF)旨在侦查测验中的项目是否在不同群体（例如不同性别、年龄或文化背景等）中表现出不同的测量特性，是评估测验公平性的重要指标。DIF 侦查方法的适用对象是完整数据集，但由于各种原因测验中普遍存在缺失数据，这给 DIF 侦查的准确性带来了挑战。为了降低缺失数据对 DIF 侦查的影响，研究者通常需要采用一些处理方法，如删除法、均值插补和多重插补等。但这些方法存在一定的局限性，并且可能导致统计功效降低。因此，需要开发更有效的缺失处理方法来确保DIF侦查结果的准确性和可靠性。　　本研究针对 DIF 侦查中存在的缺失数据问题，提出了两种基于非负矩阵分解(Non-negative Matrix Factorization, NMF)和多重插补(Multiple Imputation, MI)的缺失数据处理方法，分别记为MI-NMF方法和MI-SNMF方法，并深入探讨了两种新方法在多维项目反应理论(Multidimensional Item Response Theory, MIRT)框架下对似然比检验方法(Likelihood Ratio Test, LRT)侦查效果的影响。　　为验证两种新方法的有效性与可行性，本文共开展了三项研究，分别是理论研究、模拟研究和实证研究。理论研究中介绍了MI-NMF方法和MI-SNMF方法的开发思路和具体实施步骤。模拟研究包含两个实验，分别在多元正态分布和多元偏态分布数据下将MI-NMF方法和MI-SNMF方法与个人均值插补(Mean)法、多重插补(MI)法、非负矩阵分解(NNMF)法和全息极大似然估计(FIML)法进行综合比较，考察了在不同样本量、DIF效应、DIF类型、缺失比例和缺失机制下，以上处理方法对 LRT-DIF 侦查的统计检验力和一类错误的影响。接下来通过实证研究将所提方法应用于网络成瘾测验(Internet Addiction Test, IAT)数据集并与已有方法进行比较，进一步验证了新方法在实践中的应用价值。　　研究结果表明：　　（1）本文提出的 MI-NMF 方法和 MI-SNMF 方法较已有的缺失处理方法(Mean, MI, NNMF 和 FIML)而言，在所有模拟实验条件下的表现更佳，能够降低缺失数据对LRT-DIF的影响。　　（2）统计结果表明使用两种新方法处理数据后，LRT-DIF 侦查的一类错误(Type I error)均在标准范围之内，并具有较高的统计检验力(Power)，与 FIML方法的表现接近，具有较高的预测精度和较好的稳定性。　　（3）对实验变量分层具体分析发现：样本量和DIF效应与LRT-DIF侦查的统计检验力均表现出显著的正相关关系;而缺失比例与统计检验力呈显著的负相关关系，统计功效随着缺失比例增大而降低。所有处理方法的一致性 DIF 统计检验力普遍高于非一致性 DIF 结果。LRT-DIF 受缺失机制影响较小，所有方法在MCAR和MAR机制下的表现相对较好，而两种新方法在MNAR机制下的优势更加凸显;在三种不同的数据分布形态下，两种新方法也都表现最佳。

关键词： 故障诊断   卷积神经网络   双通道模型   数据处理   数据增强   标签平滑  

摘要： 以机器人等智能机械为主要部件的现代设备正变得越来越自动化、集成化和智能化,并广泛应用于工业日常生产生活中。然而,机械设备往往在高环境噪声、多运行条件等复杂工况下运行,导致实际工业中收集到的数据样本较少且故障复杂。这使得现代智能检测和维护变得非常困难,极大限制了智能故障诊断的进一步发展。本文利用卷积神经网络强大的特征提取能力,从模型改进与数据增强两方面入手,进一步提升卷积网络模型的诊断性能。并针对实际工程应用场景中以机械臂为代表的现代设备,实现了复杂工况下机械故障诊断研究。本文的主要贡献及工作内容如下: (1)提出一种基于二维双数据输入的双通道卷积(DDCNN)模型。该模型以重构后的二维数据作为输入。其中一个通道采用小卷积核提取主要数据的细节特征,另一通道采用大卷积核获取辅助数据的全局信息。将两端不同传感器获取的数据在特征层中按主次融合后,通过全连接层分类输出。双数据输入携带丰富的特征信息,双通道模型具有较强的特征提取能力。在两个公开的轴承故障数据集上的实验结果都优于其他先进模型。即使在强噪声环境下,所提出的DDCNN仍然有稳定的故障诊断能力。 (2)搭建一个基于工业机械臂平台的故障数据集。通过在机械臂不同位置放置加速度传感器,以采集到的振动信号为主,辅以其他的相关信息,记录整理一个完整的机械臂振动故障数据集。该数据集包含不同故障类别、不同位置信息、不同噪声干扰等多方位更全面的故障数据信息。利用该数据集对所提出的模型进行验证,进一步证明了所提DDCNN模型的泛用性与鲁棒性。 (3)提出一个即插即用的数据处理模块。该模块包含幅值相位复合数据增强(APCUP)技术,能从信号中提取幅值和相位信息,将两者随机组合在一起生成新的训练数据。并融合一种邻近标签平滑(ALS)策略,在一定程度上影响了模型的决策边界,增强了模型的泛化能力。因此,所提模块可以扩充样本数量并增强样本间的内在联系,从而提升模型的整体性能。在工业机械臂平台上进行全面测试,充分证明了该数据处理模块的有效性和可行性。

关键词： 代码摘要   代码检索   能力开放平台  

摘要： 随着企业数据的日益庞大,数据处理的要求日趋频繁化,对数据处理的效率日益增加,在数据ETL阶段中,抽取和装载有着非常丰富的解决方案,但转化过程仍然存在改进空间。本文旨在通过研究如何快速、高效、低成本地处理数据转化问题,设计了基于TBCNN的代码摘要算法TBCS,并为了提高构件话开发的效率,设计并开发基于该算法的数据清洗低代码平台,实现数据清洗程序的快速构建和分享。 本文的主要工作如下: (1)基于TBCNN的代码摘要算法TBCS:基于传统代码编译器的工作原理,将代码片段看作携带信息的树,以符合代码片段的逻辑结构的形式解析代码片段的语义。基于该思路,本文提出了基于TBCNN的代码摘要算法,能够理解的代码片段的语义信息并生成其对应的自然文本释义。 (2)基于TBCS的构件化开发流程:基于上述算法,设计了能够自动为新代码添加代码摘要的代码片段库,在获取新的代码片段时,代码片段会被TBCS解析并将代码片段的语义释义结果存储在代码片段检索库中,方便业务人员的后续重复调用。业务人员在进行代码片段检索时,会根据其当时在减速框内输入的关键词、当前低代码工程的编辑情况等因子对检索结果的内容产生影响,保证检索方式的高效,解决了企业数据清洗需求中构件化开发成本较高的问题。 (3)数据清洗低代码平台:结合数据清洗程序开发的特点,本系统提供了一个统一的运行环境和开发工具,开发人员可以根据实际需求快速地进行数据清洗程序的开发,并通过URL的方式将数据清洗代码片段向需求方进行暴露,需求方只需要在需要的地方直接调用URL即可完成数据清洗任务。 通过以上研究,本文结合TBCS和基于TBCS的构件化开发流程,实现了数据清洗低代码平台。通过对照实验说明了算法在数据清洗代码片段释义中的优秀表现,通过系统测试合适了系统的完整性和可靠性,通过实际项目案例验证了代码片段库的可行性和合理性,能够有效提升数据清洗程序的开发和运行效率。

关键词： 布里渊光时域分析仪   压缩感知   数据处理   主成分分析   奇异值分解   宽度学习神经网络  

摘要： 布里渊光时域分析仪是一种基于光学原理的传感器，利用光纤中的布里渊散射效应来实现对环境参数的测量，通常用于温度、应变及压力等物理参数的测量，在工程结构监测、地质勘探以及航空航天等领域有广泛的应用。理想情况下，沿光纤某一位置获得的布里渊增益谱符合洛伦兹曲线线型，通过采集局部布里渊增益谱振幅的最大值可以获得布里渊频移谱的信息，从而获取到系统所采集的温度和应变等信息。然而在实际应用中，传统的洛伦兹曲线拟合法无法进行数据的快速分析，且易受噪声影响，在BOTDA的快速测量上存在一定局限性。　　本文通过引入机器学习算法中的压缩感知数据处理方法，深入探讨了基于压缩感知的快速布里渊光时域分析测量算法。论文首先介绍了BOTDA技术的原理及其在温度、应变和压力测量中的应用，指出了现有算法在处理大量传感数据时的局限性。针对这一问题，本文提出了一种基于压缩感知算法的BOTDA数据处理新思路，通过主成分分析（PCA）和奇异值分解（SVD）算法，解决了数据压缩与重构的难题，并创新性地将测量矩阵从传统的高斯随机矩阵转换为稀疏随机矩阵，显著提高了重构精度。　　论文进一步将宽度学习神经网络与BOTDA传感技术相结合，实现了在更低采样率下的布里渊增益谱的有效重构，并直接从局部布里渊增益谱中提取光纤温度，省略了布里渊频移谱转换步骤。此外，针对未经过预训练的信号数据，本文利用矩阵伪逆和动态逐步更新算法快速更新权重矩阵，减少了神经网络的训练时间。　　实验结果表明，所提出的算法不仅提高了BOTDA传感的数据处理速度和精度，还降低了对硬件的要求，为分布式光纤传感技术的发展提供了新的技术途径。

关键词： 微流控   机器学习   细胞状态分类   流式单细胞阻抗检测技术   单细胞转录组测序  

摘要： 癌症一直是威胁我国居民生命健康的重大疾病。癌细胞的高度异质性使其对化疗药物作用的敏感性存在差异。传统的化疗药物处理后的癌细胞检测方法无法反应细胞间的状态差异,而微流控单细胞检测分析为化疗药物处理的癌细胞状态检测提供了更为精准的技术手段。流式单细胞阻抗检测技术(Impedance Flow Cytometry,IFC)能够在单细胞水平实现免标记且快速的细胞状态的检测分析。而基于机器学习和IFC相结合的细胞状态分类方法不仅节省了人力,还减少了人为操作可能会产生误差。但现有的分类方法,仅局限于对不同种类细胞、凋亡与存活细胞、以及药物处理前后的细胞之间进行分类判断。 本文针对现有基于机器学习方法进行IFC数据分类的局限,进一步探究了对细胞状态进行更精细的分类,包括了对细胞有丝分裂各个阶段(包括G1/M、G2/M)和细胞凋亡状态的识别,以及对细胞不同活性状态的分类。本文在对H1650细胞的电学特性数据进行分析的实验中,实现了对不同细胞状态之间的区分:G2/M期与凋亡期细胞的分类准确率为82.55%,G2/M期与G1/S期细胞的分类准确率达到74.16%,而G1/S期与凋亡期细胞的分类准确率为78.51%。在He La细胞电学特性数据分析实验中,使用紫杉醇处理的G2/M和凋亡期He La细胞的分类准确率达到了96.94%,长春碱处理组分类准确率达到了100%。除此之外,本论文还针对单细胞转录组测序数据的处理进行了初步探究,包括针对K562细胞的初步测试数据进行质量评估和过滤,进而利用密度分布、箱线图等方法揭示基因表达水平的分布特征,并通过SNV/In Del分析,揭示样本间的一致性和实验的可重复性。

关键词： 实验设计   数据处理   化工专业   教学改革   新产业  

摘要： 本文探讨了实验设计与数据处理课程在化工类学科中的教育教学改革,针对课程知识难度与学生需求,提出增强师生互动、结合实践操作案例的教学改革方案。旨在通过优化教学内容与方法,融入前沿科技领域案例,提升学生实验设计与数据处理能力,培养其创新思维与解决实际问题的能力,以适应“双碳”目标等国家战略对专业人才的需求,为相应领域的高质量人才培养贡献力量。

关键词： 地面激光点云   影像匹配点云   点云滤波   跨源点云配准   点云数据  

摘要： 随着现代科技的飞速进步,三维建模、自动驾驶及机器人技术等领域对点云数据的需求日益凸显。点云数据的数字化重建功能为复原古建筑提供了新途径,助力文化遗产的保护与传播。其允许观众跨越空间限制,领略建筑之美,同时研究者利用定期更新的古建筑点云数据进行实时检测,便于及时干预出现的异常,防止破坏扩大。古建筑以其精细纹理、繁复图案和复杂结构闻名,无人机摄影与激光扫描技术各具优势,但也存在局限。无人机航测摄影受限于视角盲区,难以全面捕捉建筑细节;激光扫描在处理建筑高处信息时,若激光传播受阻则效果不佳。两种技术结合,能够实现高精度、高分辨率的实景建模。 本文通过采用优化多源点云混合滤波方法以及改进跨源点云配准技术,实现准确高效的古建筑点云数据处理,并构建了古建筑点云一体化处理平台。支持导出模型,为古建筑数字化保护提供了一种简单的解决方案。具体研究内容如下: (1)针对古建筑点云数据存储空间大且对处理器算力要求高的问题,深入剖析了激光点云与影像点云数据的特性。同时基于对不同滤波算法的探究,优化了多源点云混合滤波方法,精准选取并组合优化相应算法,实现了良好的滤波效果,降低了点云数据的存储空间需求,并选取安定门城楼作为案例,验证处理效果,无序点云数量降低84.07%,存储空间节约72.39%,有序点云数量减少7.88%,节约5.98%存储空间。 (2)针对传统ICP算法在点云配准过程中,易产生误匹配点对、陷入局部最优,限制其在特定点云配准场景中的应用问题。本研究改进了一种基于古建筑轮廓特征的点云配准方法。首先利用优化的PCA算法进行粗配准,通过捕捉古建筑的轮廓特征,获得更为准确的初始位姿。随后,采用点到面ICP算法进行精配准,以进一步提高配准精度。以安定门城楼为例,此方法均方根误差为0.0684,不仅有效减少了误匹配点对的发生,还提升了配准的全局最优性,为古建筑等复杂场景的点云配准提供了新的解决思路。 (3)为了支持数字化遗产保护的需求,将本文研究成果可视化,构建了古建筑点云数据处理一体化平台。该平台集成了多源点云数据显示、滤波和配准等功能,以周原遗址公亶雕像为例进行实验,两者配准均方根误差为0.0763,进一步验证平台的可靠性与准确性。

关键词： 现场工程师学院   招生   学业成果评价   产教融合   现代学徒制  

摘要： 随着当前社会对专业素质高、能力复合型、领域精细化的现场工程师需求日益迫切，以现场工程师为培养目标的现场工程师学院应时而生。但现场工程师培养过程中存在招生端标准与培养要素错位、就业端与学业成果评价脱钩、招生端与就业端互惠机制缺失等问题。为此，提出紧扣培养目标，确定招生标准；锚定共赢目标，建立互惠机制；延续学业成果，联动就业待遇等创新路径。