关键词： 非均匀去雾   混合残差融合注意力模块   SCA-DPT   特征融合  

摘要： 为提升非均匀雾霾场景的图像去雾效果，提出一种融合浅层局部特征与深层全局表征的深度网络架构。针对传统算法高频细节和局部结构丢失问题，模型在浅层设计混合残差融合注意力模块，通过整合位置信息与通道注意力网络，旨在引导网络在浅层学习中捕获空间位置相关的局部特征及通道相关的特征，有效减少局部信息的丢失。深层特征集成空间-通道注意力双路径Transformer模块(Spatial-Channel Attentive Dual-Path Transformer,SCA-DPT)，利用Transformer的自注意力机制建模长距离空间依赖关系，有效感知全局雾霾分布和场景结构，实现局部与全局信息的深层特征融合。实验结果表明，所提出的去雾网络在真实非均匀数据集展现了较好的去雾性能。通过局部与全局信息互补，模型显著提升了非均匀雾霾图像去雾的准确性和细节保留能力。

关键词： 图书馆服务平台   FOLIO   云原生架构   智慧图书馆   数字基础设施  

摘要： 随着图书馆服务平台（LibraryServicesPlatform，LSP）向规模化、联盟化与智能化方向发展，早期以自建中间层为核心的系统架构在扩展能力、运行稳定性以及对复杂业务场景的支持方面逐渐显现出局限。作为国际主流的开源图书馆服务平台，FOLIO正在Okapi架构向Eureka 架构的演进，标志着开源LSP从以功能实现为导向的技术框架，向面向长期运行与规模应用的基础平台体系转变。本文结合平台化信息系统演进特征与云原生架构技术路线，从底层运行环境支撑、服务组织与管理方式以及对智能应用场景的技术适配三个层面，对FOLIO两代核心架构进行对比分析。研究结果表明，Eureka架构通过引入容器编排、服务注册与配置管理等标准化组件，在系统扩展能力、平台稳定性与运维可控性方面均表现出明显优势，同时为智能服务模块和智能体应用的接入提供了更加统一和可扩展的运行基础。在此基础上，本文进一步结合我国智慧图书馆建设中平台整合、系统协同与智能服务部署的现实需求，分析FOLIO架构演进对新一代图书馆服务平台规划与数字基础设施建设的参考价值。

关键词： 方法:多策略增强型灰狼-粒子群混合优化(MEGWO-PSO)算法   仪器:稀布阵列   技术:峰值旁瓣电平   仪器:灵敏度   技术:宽角度扫描  

摘要： 射电天线阵的峰值旁瓣电平(Peak Side Lobe Level, PSLL)、灵敏度与方向性直接决定了系统的微弱信号探测、抗干扰及分辨率性能.在高频(High Frequency, HF)至甚高频(Very High Frequency, VHF)段的应用中,均匀阵列存在旁瓣过高、宽角扫描易现栅瓣的问题,而传统稀布阵列优化算法易早熟收敛、陷入局部最优.为此,此项研究提出多策略增强型灰狼-粒子群混合优化(Multi-strategies Enhanced Gray Wolf Optimization-Particle Swarm Optimization, MEGWO-PSO)算法,用于二维平面阵稀布优化.该算法采用“全局探索-局部精修”两阶段框架:第1阶段以引入双阶S型衰减收敛因子及自适应交叉变异的增强型灰狼算法实现高效全局搜索,避免早熟收敛;第2阶段将优化后搜索空间作为初始输入,通过改进粒子群算法进行局部精修.以方位向与俯仰向切面PSLL之和为优化目标开展仿真,结果表明:MEGWO-PSO可有效设计100单元中小规模阵列, PSLL较文献优化9.39 dB;对256单元大型阵列,考虑射电天线阵的关键性能参数,其PSLL较灰狼、粒子群、遗传算法分别降低13.22 dB、21.32 dB、14.64 dB,灵敏度分别提升10%、24.8%、25.6%;且优化后阵列在不同扫描角下PSLL抑制更优,较均匀阵、灰狼优化稀布阵最高可降低34.79 dB、15.63 dB.此研究为满足射电望远镜大口径、高性能以及宽扫描的需求提供了一种技术手段和支撑.

关键词： 物流工程   末端配送   路径规划   卡车-无人机协同   低空经济  

摘要： 卡车-无人机协同配送作为一种新型物流模式，因其灵活性、低成本的特点成为解决“最后一公里”配送问题的研究热点。聚焦于该模式中的路径规划问题，系统回顾并分析了相关研究进展，探讨了该领域的未来研究方向。首先，从载具决策耦合关系出发，梳理了同车配送、异车配送及空中仓库三种协同模式在路径规划中面临的核心挑战与发展方向。其次，深入剖析了不同应用场景下路径规划目标的差异性及其背后的现实约束，总结了实际配送系统与模型构建之间差距。在算法层面，对比了精确算法、启发式算法与强化学习等方法在路径规划中的适用性与局限性，进而从“模型-数据-决策”三元融合视角探讨其演进趋势与融合潜力。最后，基于最新研究成果，总结研究可行性，并展望未来路径规划的研究方向，为推动卡车-无人机协同配送发展提供了见解。

关键词： 区块链   性能优化   优化算法   共识协议   分布式一致性  

摘要： 吞吐量低下一直是区块链系统的性能短板,为解决这一问题,已有很多研究工作付出了努力.这些工作大多是从区块系统架构的不同方面出发去优化提升系统性能,而忽略区块大小的设置带来的影响.通过对现有文献实验部分的总结,本文发现仅变化区块大小就能最多使得节点吞吐量提升2–8倍,由此可见想要最大程度挖掘性能潜力需要对区块链系统进行区块大小的优化.然而,现有研究工作对区块大小优化的讨论过于简单,忽略了区块大小调整可能带来的安全性问题,也没有考虑不同节点硬件资源可能带来的影响.这些工作提出的方法及得到的结论只适用于实验场景,无法直接使用在实际的生产环境中.为了解决这个问题,本文提出一个区块大小的自适应优化算法.通过将优化算法整合到区块链共识协议中,使得所有节点能够动态地调整区块的大小以达到更好的性能.实验结果表明该优化算法能够调整区块大小到接近最优值,相比于最初始的设置节点吞吐量提升了两倍.

关键词： 哲学概念   知识建构   知识服务   大模型   知识图谱  

摘要： 针对现有古籍知识组织缺乏面向抽象哲学概念的系统架构、概念识别效率低及多维关系挖掘难等问题，本研究旨在构建大模型赋能的古籍哲学概念多维知识体系，以推动古籍资源的深度化与智能化利用。设计“双维度、三层级”的哲学概念本体CAPOnto以规范语义框架；融合思维链与kNN动态示例的CtRE策略及多任务推理，实现概念知识单元的智能化抽取与图谱构建；提出“语义查询-关联分析-智能问答”三位一体的知识服务路径。以《论语》为例的实验表明，CtRE策略在概念抽取中F1值达75%，较相关基线提升8.1%至29.47%；DeepSeek-v3与Qwen-Long模型分别在语境化释义与长文本关系推理任务中表现最优；基于CAPOnto图谱与知识服务路径构建的服务平台可有效赋能相关教学与科研实践。研究为古籍哲学领域知识建构与服务的系统化发展提供有益范式。

关键词： 展开-合成技术   cusp-like脉冲成形   能量分辨率   计数率  

摘要： 数字多道脉冲幅度分析器在脉冲处理速度、可编程性及能量分辨率等方面都优于传统的多道脉冲幅度分析器，数字多道脉冲幅度分析器性能受滤波成形算法影响显著。常见的数字滤波成形方法包括高斯成形、梯形成形和cusp-like成形等。本文针对核脉冲信号，基于“展开?合成”思路实现了梯形成形、基于三重累加的cusp-like成形和基于四重累加的cusp-like成形，并在原算法的基础上，提出了一种减小运算系统在迭代运算中精度损失的改进思路。在基于ZYNQ开发板与X射线荧光分析平台的实验中，设置X光管管压为49kV，管流为196.1μA，样品为Mn标准样品，测试改进前、后的成形算法在谱线偏移与能量分辨率方面的表现。实验结果表明，改进算法能够通过减小精度损失来消除谱线偏移，并且改进后三种成形算法所得的全能峰半高宽（Full Width at Half Maximum，FWHM）随达峰时间的增加稳定在128eV@5.9keV。

关键词： 歌手2025   情感叙事   情感能量   直播   算法  

摘要： 音乐综艺节目正从视听娱乐产品向情感技术装置转型。以湖南卫视《歌手2025》为例，其情感叙事机制在“直播+AI”技术驱动下发生了结构性质变。节目凭借技术赋权重构了情感生产逻辑，依托互动仪式链累积情感能量，塑造了跨文化的“情感共同体”。然而，技术理性导致算法情感的标准化，直播即时性挤压节目叙事深度，过度景观化引发了观众审美厌倦。通过技术祛魅以确立人的主体地位，构建“直播+”立体叙事矩阵以深化叙事，从娱乐消费升维至文化认同，音乐综艺节目才能实现从“流量狂欢”向“情感本真”的回归。

关键词： 激光三角法   点稀疏度算法   层次规划   三维重建   模板匹配  

摘要： 针对智能分拣过程中堆叠工件的点云分割难、工件识别准确率低等问题，本文提出了一种堆叠工件的点云层次规划与目标检测算法。首先采用正射入式激光三角法获取堆叠工件的深度图像，计算相机参数矩阵和图像矩阵，把深度图像中的数据转换为空间中的三维点坐标，得到堆叠工件的原始点云数据；接着采用了一种改进的点稀疏度算法和直通滤波器对原始点云数据进行去噪处理，得到目标点云；然后进行层次规划，并分别对不同层次的点云数据进行三维重建；最后基于表面的三维匹配算法依次将不同层次的点云集合与模板点云进行匹配，完成堆叠工件的分层识别。实验结果表明，与传统的模板匹配算法相比，本文算法有效地去除了噪声点云和背景点云，提高了点云三维重建的精度和堆叠工件的识别准确率，为后续的位姿估计与机器人无序抓取提供了良好的基础。

关键词： 视觉语言大模型   大小模型结合   公路货车治理   目标检测   车牌识别  

摘要： 针对公路大型货车治理中存在的多摄像头视角异构、目标检测任务复杂、传统算法泛化能力不足等问题，本文提出一种基于视觉语言大模型QWen-2.5-VL与YOLO11目标检测模型、PaddleOCRv5文字识别模型结合的多模型智能监控算法。该算法针对道路监控系统采集的车头、侧面、车尾多视角图像，实现吊车检测、车牌清晰度判定、车牌识别及车轴可见性判断四项核心功能。通过构建多任务独立并行推理框架，将视觉语言模型的语义理解能力与目标检测算法的精准定位能力分别应用于不同的任务场景，在真实场景数据集上的实验结果表明，算法在吊车检测任务中mAP达到94%，车牌清晰度判定F1值提升至96%，车轴可见性判断F1值达94.3%。本文的研究成果为公路货运车辆智能化监管提供了高效、可靠的技术方案，具有重要的工程应用价值。