关键词： 舞蹈即兴创作   音乐实时互动   多模态   跨域特征   自适应轨迹  

摘要： 提出一种结合生成对抗网络的实时互动匹配算法.利用时空图卷积网络提取包含韵律美学与物理运动规律的多模态特征,将人体骨骼建模为非欧几里得图结构,依据向心性与离心性划分构建特征参数;采用基于对比学习的双塔Transformer架构构建跨模态对齐映射,通过时间扭曲对齐层和节奏一致性约束优化音乐与动作特征的共享潜在空间;引入条件变分自编码器与概率运动原语,结合卡尔曼滤波生成自适应动作轨迹,经正向运动求解驱动虚拟角色.实验结果表明,该算法在不同舞蹈动作下均未出现穿模现象,生成动作与音乐节奏高度一致,风格统一,动作序列跟随音乐状态良好,具有优越的匹配泛化能力.

关键词： 大数据   国家大数据综合试验区   税收遵从度   信息环境   投资效率  

摘要： 在国家大数据综合试验区试点政策的引领下，加快大数据技术推广对于全面实现国家治理现代化具有重要意义。本文以国家大数据综合试验区试点政策为准自然实验，采用2008～2020年我国上市公司数据，实证分析国家大数据综合试验区建设与企业税收遵从度之间的关系。结果表明：国家大数据综合试验区建设能显著提升企业税收遵从度。机制检验表明：国家大数据综合试验区建设可以通过改善企业信息环境、提升企业投资效率，尤其是通过抑制企业向上盈余管理以及改善企业投资不足现象，进而提升企业税收遵从度。异质性分析表明：在资本密集型行业、非国有企业中，国家大数据综合试验区建设提升企业税收遵从度的政策效应更为明显。因此，要持续推进国家大数据综合试验区建设，不断扩大大数据技术应用范围，为税收治理注入强劲动力。

关键词： 轨道板裂缝   裂缝识别   YOLOv8   模型   图像处理  

摘要： 地铁轨道板裂缝是轨道养护维修作业时的重要依据,裂缝将直接影响轨道结构的完整性,严重时危害车辆运行安全。针对当前轨道板表面裂缝检测中误检率高、识别精度不足的问题,本文提出一种基于Yolov8模型的裂缝识别算法。首先,利用轨道检测小车对轨道板表面进行高清图像采集,并对原始数据进行预处理,增强数据集的适用范围;接着,研究了R-CNN与YOLO模型的网络架构和性能差异,在分析轨道板裂缝的特性及检测需求后,综合不同算法在场景下的适用性,将YOLOv8作为构建地铁轨道板识别模型的检测网络;最后,在自制裂缝数据集上的检测结果表明,训练后的YOLOv8模型在平均检测精度(mAP)上达到63.1%,拥有较大提升,检测速度达到了37.61帧/秒。模型在复杂环境下对裂缝具有较好的识别效果与鲁棒性,有助于提升地铁运维检修的工作效率。

关键词： 结直肠息肉   机器学习算法   风险预测模型  

摘要： 目的通过机器学习算法挖掘常规检验大数据构建结直肠息肉预测模型,为结直肠癌癌前病变的早期诊断和预防性治疗提供新思路。方法本研究收集空军军医大学西京医院2023年10月~2024年12月诊断为结直肠息肉的患者423例,以及健康受试者305例。收集年龄、性别及实验室检测指标共66项,采用拉索交叉验证(LassoCV)、极端梯度提升递归特征消减交叉验证(XGBoost-RFECV)、支持向量机递归特征消除交叉验证(SVM-RFECV)三种方法进行特征筛选。应用合成少数类过采样技术(SMOTE)对数据进行平衡处理,处理后共846例,使用随机森林(Random Forest)、高斯朴素贝叶斯(GNB)、决策树(Decision Tree)、逻辑回归(Logistic Regression)、梯度提升决策树(GBDT)、补集朴素贝叶斯(CNB)、自适应提升(AdaBoost)、极端梯度提升(XGBoost)和轻量级梯度提升(LightGBM)9种机器学习算法构建结直肠息肉早期预测模型,其中760例为训练集,86例为验证集用于验证模型的预测效能。结果经筛选最终纳入活化部分凝血活酶时间(APTT)、凝血酶时间(TT)、凝血酶原时间(PT)、平均血小板体积(MPV)、血小板分布宽度(PDW)、直接胆红素(DBIL)、尿素(BU)、钠(Na^(+))共8个特征(均P<0.05)用于构建结直肠息肉预测模型。采用9种机器学习方法构建的模型中,XGBoost算法模型预测效果最佳,诊断曲线下面积[AUC(95%CI)]为0.961(0.951~0.971),灵敏度0.894,特异度为0.889。结论XGBoost算法联合8种检验指标建立的结直肠息肉风险预测模型,为肠镜检查的推广、结直肠癌的早筛早诊提供了新依据。

关键词： 大数据时代   生态环境审计   优化路径  

摘要： 大数据时代生态环境审计工作面临着前所未有的机遇与挑战,大数据能推动生态环境数据资源不断完善,助力生态环境审计工作降低风险,提高生态环境审计效益,同时也面临着大数据思维不足、大数据方法利用不够、大数据管理不畅、大数据发挥效果欠佳等问题。需要树立数据为本、人才第一、安全保障、应用导向的新理念,采用新的大数据审计方法以满足审计发展的时代需求,在审计策略上创新大数据生态环境审计思维模式、优化大数据生态环境审计组织模式、提升大数据生态环境审计技术、驱动大数据生态环境审计整改落实、促进大数据生态环境审计成果宣传与结果运用;在保障机制上建立完善的大数据审计法律法规体系、加快建设共建共治共享的大数据审计中心、培养复合型数据型生态环境审计人才、强化大数据生态环境审计的安全保障等。

关键词： 广播电视   无线覆盖监测   大数据技术   云计算   融合创新  

摘要： 广播电视无线覆盖监测是保障广播电视信号传输质量、提升服务效能、满足群众视听需求的核心环节,随着数字技术的迭代升级,传统监测模式已难以适配新时代无线覆盖的规模化、复杂化发展需求。大数据技术具备海量数据采集、分析与挖掘的核心优势,云计算技术则拥有高效算力支撑、弹性扩展与资源共享的突出特性,二者的深度融合是推动广播电视无线覆盖监测领域转型升级的关键抓手。本文结合广播电视无线覆盖监测现状与核心需求,探析大数据与云计算技术在监测工作中的融合价值,剖析当前融合应用中存在的问题,提出有针对性的创新路径,为广播电视无线覆盖监测工作的高质量发展提供理论参考与实践借鉴。

关键词： 计算机图像处理   钢材表面缺陷   缺陷检测   目标检测   YOLO11n   注意力机制  

摘要： 钢材表面缺陷检测面临缺陷形态多样、结构复杂、小目标占比高且伴随复杂环境等因素的干扰,而现有缺陷检测模型往往结构复杂、参数量庞大、检测精度和实时性较差。针对上述问题,本文提出一种基于YOLO11n的轻量高效钢材缺陷检测算法MHTD-YOLO11n。该方法首先引入多尺度分组膨胀卷积(multi-scale grouped dilated convolution,MSGDC)模块,通过集成不同膨胀率的分组卷积实现多尺度特征融合,提升对不同种类缺陷的检测能力;随后通过引用分层互补注意力混合模块(hierarchical reciprocal attention mixer,H-RAMi),补偿因下采样特征导致的像素级信息损失;接着设计C2PSA_TPA模块,通过引用张量积注意力(tensor product attention,TPA),显著压缩推理时的KV缓存规模;最后重构特征交互模块(C3K2_DFF),使网络能够在更大的感受野下有效结合多尺度信息,促进检测精度和速度的提升。实验结果表明,相较于YOLO11n算法,MHTD-YOLO11n算法的mAP值和召回率分别提升4.3和9.1个百分点,检测速度达到258.3 frame/s,参数量和计算量分别降低1.42×10^(6)和3.4×10^(9),满足工业质检场景对高精度与实时性的双重需求。

关键词： 平台经济   金融科技平台   算法歧视   系统论   规制进路  

摘要： 金融科技平台深度应用算法技术,不仅促进了算法系统创新,也衍生了算法歧视并造成不良后果。基于不同法律权限,金融科技平台算法歧视可以分为不平等权下的算法价格歧视与平等权下的算法身份歧视(如算法种族、性别与年龄歧视等),分别形成算法身份歧视与算法价格歧视的侵权风险。然而,传统规制在应对平台算法歧视时,具有法律规制体系缺陷、算法技术规制不足、算法伦理规制缺位的困境。其中,系统论下的系统规制是一种承认被规制对象的技术异化与系统性特征,将法律规范的价值理性、技术代码的工具理性、算法伦理的道德理性整合为一个具有自适应能力的规制生态;通过法律规制子系统的认知开放、技术规制子系统的规则嵌入以及伦理规制子系统的结构耦合,可以实现对金融科技平台算法歧视的动态防御与整体规制。因此,我国有必要从法律规制、技术规制与伦理规制的视角切人,构建金融科技平台算法歧视的系统规制进路:加强平台算法歧视的法律规范建设,完善平台算法歧视的算法技术规制,健全平台算法歧视的算法伦理规制。

关键词： 弱标记   邻域条件熵   属性增加   增量式   属性约简  

摘要： 弱标记不完备混合型决策系统的增量式属性约简问题是目前粗糙集领域的研究热点之一。本研究基于邻域条件熵,设计了一种适用于弱标记不完备混合型决策系统属性动态增加的增量式属性约简算法。首先,对传统的邻域条件熵模型进行改进,并以此提出了一种非增量式的静态属性约简算法;其次,结合增量式学习方法,构造了当属性动态增加时邻域条件熵的增量式更新机制,并利用具体实例理论验证了该机制的高效性;接着,根据构造的增量式机制,引入终止阈值,设计了一种相应的增量式属性约简算法;最后,从UCI上选取8个数据集,通过仿真实验进行参数寻优处理,并选取现有的两类属性约简算法从算法运行时间和分类性能两个方面和本文中所提算法进行对比分析。实验结果表明,最后一次增加属性集时,本研究的增量式算法2相较于其他算法在较小数据集Wine上的运行时间平均缩短了95.09%,在较大数据集German上的运行时间平均缩短了89.34%,整体分类精度平均约为0.789 1。本研究所提的增量式算法2在显著提高约简效率的同时,确保了良好的分类性能,具有一定的高效性和可行性。

关键词： AutoLISP   等高线   平滑处理   AutoCAD   二次开发   数字化测图  

摘要： 本文针对地形图测绘等高线修饰与平滑问题,深入研究在AutoCAD平台下利用内嵌的AutoLISP语言进行二次开发的关键技术。本文首先分析了等高线数据处理的实际需求及AutoCAD内部命令的局限性,进而提出一种融合人工交互引导与自动拟合计算的智能平滑算法。该算法核心在于通过交互式确定平滑起点,自动追踪原始等高线几何数据,并运用向量夹角判断、相邻实体智能捕捉与连接、样条曲线拟合等技术,实现对选定等高线局部的、保持地形特征的平滑处理。本文详细阐述了算法的设计思路、程序模块结构及关键实现技术。实际应用表明,该程序显著提升了等高线编辑的效率和效果,保障了成果的规范性与准确性,对数字化测图工作具有积极的实践价值。