• 针对高度降解样本的8种染料多重InDel多重检测体系的开发与法医评估

  多InDel panel结合8色荧光技术可高效分析高度降解DNA样本，检测28个位点amplicon≤125bp，热降解后等位基因检出率100%（优于传统STR的26.2%），累积父权指数达2.18×10⁷，符合SWGDAM指南。

  来源：Forensic Science International

  时间：2026-04-08

• HSRD-Net：一种结合RemoteSAM和ResNet的混合模型，采用动态权重分配机制用于SAR（合成孔径雷达）油污检测

  本文针对合成孔径雷达（SAR）油污检测中存在的样本稀缺与误报率高问题，提出HSRD-Net混合架构。通过动态权重选择机制融合遥感大模型与视觉预训练模型的多尺度特征，结合多维度损失函数优化边界定位与弱信号增强，有效抑制生物膜等相似干扰。实验表明，该模型在公开数据集上显著优于现有方法，检测精度与泛化能力均达到新基准。

  来源：Expert Systems with Applications

  时间：2026-04-08

• CDFNet：一种具有双重特征增强功能的跨维度融合网络，用于多模态目标检测

  多模态目标检测中，现有方法多聚焦空间维度跨模态特征交互，忽略通道维度的深度特征融合，且单维度特征融合无法充分利用多模态信息。本文提出CDFNet，通过双通道特征增强模块（DFEM）在空间和通道维度同步增强跨模态特征，结合跨维度特征融合模块（CDFFM）实现三维特征融合，在LLVIP数据集上mAP提升1.8%，且复杂度低于Transformer和Mamba模型。

  来源：Expert Systems with Applications

  时间：2026-04-08

• 在零膨胀稀疏性条件下，用于BOF端点组合预测的多目标对抗性迁移TabTransformer

  准确预测转炉炼钢终点成分对生产控制和成本管理至关重要。现有模型难以处理辅助材料特征中大量零值数据导致的稀疏性问题，本文提出基于对抗域转移的多目标TabTransformer模型MATT，通过零值独立类别划分、对数域映射与一维聚类相结合的零膨胀稀疏性处理策略，并利用TabNet进行自监督预训练和对抗域对齐，有效提升小样本跨钢种条件下的多目标回归性能。

  来源：Expert Systems with Applications

  时间：2026-04-08

• 基于特征引导的多阶段生成对抗网络用于SAR图像生成

  本文提出基于特征引导的多阶段生成对抗网络（FGMS-GAN）算法，通过背景、形状、目标三阶段分别建模G0分布、方位角信息和散射中心特性，提升SAR图像生成质量及目标识别率，实验验证了该方法在MSTAR数据集上的有效性。

  来源：Expert Systems with Applications

  时间：2026-04-08

• ExPart3D：专为零样本点云学习设计的独有部分聚合算法

  针对3D点云零样本学习中的特征错位和表示模糊问题，本文提出ExPart3D框架，通过部件发现与双分支聚合策略提升分类性能，实验验证其有效性。

  来源：Expert Systems with Applications

  时间：2026-04-08

• TGFS-Net：一种基于纹理引导的频率-空间注意力网络，用于各向异性木材的高光谱重建

  木材非破坏性检测中，hyperspectral成像需克服各向异性和复杂纹理带来的重建难题。本文提出TGFS-Net模型，通过双金字塔自适应融合网络和空频协同注意力机制，在WoodSpeac85和CAVE数据集上实现最优精度（MRAE 0.0231，RMSE 0.0198），ΔE₀₀低至1.6921，有效提升木材检测色差精度与工业应用适配性。

  来源：Expert Systems with Applications

  时间：2026-04-08

• 利用基础的空间语义先验进行精确的少样本高光谱图像分类

  针对高光谱图像分类少样本学习泛化能力不足的问题，本文提出空间语义知识迁移框架SSPF，通过动态压缩将多光谱数据转换为三通道图像，利用预训练基础模型提取自然图像中的空间语义知识，结合通道注意力机制进行特征适配与融合，显著提升少样本场景下的分类性能。

  来源：Expert Systems with Applications

  时间：2026-04-08

• DSF-Net：一种用于精确检测金属表面缺陷的方向性空间频率融合网络

  金属表面缺陷检测中传统CNN方法在方向感知和频率域建模上存在不足，本文提出DSF-Net通过方向空间混合模块和频率分离增强模块，结合统计先验编码和频域对齐损失，有效捕捉多方向纹理和频率细节，并推出轻量版DSF-Lite。实验表明在NEU-DET和GC10-DET数据集上检测精度、速度均优于主流方法。

  来源：Expert Systems with Applications

  时间：2026-04-08

• HIP：通过距离中心性融合和神经常微分方程实现模型无关的超图影响力预测

  预测超图中用户影响力，无需依赖扩散模型或轨迹数据。HIP框架融合多维中心性指标与时间语义重构的距离矩阵，结合多跳超图神经网络捕捉高阶结构依赖，并利用LSTM-ODE混合模型建模动态传播。实验表明HIP在14个真实数据集上准确率、鲁棒性和关键节点识别均优于基线，验证了其通用性和模块化优势。

  来源：Expert Systems with Applications

  时间：2026-04-08

知名企业招聘：