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： 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： 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： 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。

关键词： InSAR   相位滤波   相位解缠   卷积神经网络   注意力机制  

摘要： 合成孔径雷达干涉测量技术(Interferometric Synthetic Aperture Radar,InSAR)是一种重要的地球观测手段。相位滤波和解缠是InSAR数据处理中的两个关键步骤,受相位噪声干扰,确保这两个步骤的精度是一项极具挑战性的任务。近年来,深度学习技术迅速发展,基于卷积神经网络的算法在图像处理领域中展现出了卓越的性能,这为相位滤波和解缠提供了新的解决思路。鉴于此,本文开展了基于卷积神经网络的相位滤波和解缠研究,旨在提高相位滤波和解缠的精度和抗噪性能。本文的主要工作分为以下两个部分: (1)提出了一种基于多级和多尺度特征融合网络的相位滤波方法。为了实现滤除噪声的同时尽可能地保留条纹细节信息,本文设计了PFT-Net网络用于相位滤波。PFT-Net网络的核心组成部分是一种多级别和多尺度特征融合模块。该模块首先利用四个具有不同卷积核尺寸的卷积层来捕获多尺度信息,然后使用拼接操作将这些多尺度特征融合在一起,最后通过跳跃连接和特征图相加操作来实现低级特征与高级特征的融合。模块的这种特征融合机制可以增强网络捕获和利用多种特征的能力,有利于提升网络在相位滤波任务中的性能。在模拟数据实验中,当干涉相位的相干性为0.5时,本文提出方法的均方根误差比传统滤波方法至少低8%。在实测数据实验中,本文提出的方法减少了约98.9%的残差点数,优于传统滤波方法至少14%,并在计算效率方面比Lee滤波快约26%。 (2)研究了一种基于缠绕数梯度估计网络的相位解缠方法。针对传统解缠算法在噪声较大区域解缠效果不佳的问题,本文提出了一种基于缠绕数梯度估计网络的相位解缠方法。该方法将相位解缠划分为两个处理步骤。在第一步中,基于U-Net网络结构和全局注意力上采样机制,本文设计了U-GauNet网络来估计缠绕数梯度。U-Net网络以其独特的U型结构在语义分割任务中展现出了良好的性能,因此本文借鉴了此网络的结构设计。通过结合全局注意力上采样机制,U-GauNet网络可以高效整合不同层级的特征图信息,从而获得高分辨率的上采样结果。在第二步中,U-GauNet网络输出的缠绕数梯度经过L1范数优化得到相位解缠结果。通过实验证实,当干涉相位的相干性为0.5时,本文提出方法的均方根误差比传统解缠方法至少低29%,比基于U-GauNet消融网络的方法低约3%,展现出一定的优越性。

关键词： 大数据时代   会计行业变革   信息安全   数据处理   会计人才培养  

摘要： 大数据时代下，会计行业经历了显著变革。本文首先分析了大数据的特点，随后探讨了会计行业在大数据时代下的变革，包括会计主体的变化、信息安全面临的挑战、数据处理方式的改变以及人才需求的变化。针对这些变革，本文提出了相应的应对策略，包括强化大数据应用意识、完善信息保密制度、强化数据处理能力以及注重会计人才培养，以期为大数据时代下会计行业的稳定发展提供有力支持。

摘要： 一、背景当前，人工智能、大数据、云计算等技术日益成为社会发展的重要驱动力量，因此，将这些前沿技术知识融入高中信息技术课程，对于提升学生的创新能力至关重要。同时，依据《国家中长期教育改革和发展规划纲要（2010-2020年）》的要求，教学中应注重培养学生的信息道德和网络安全意识，确保学生在信息化社会中健康成长。