-
Tab2Visual:通过视觉表示和数据增强技术,利用有限的表格数据进行深度学习
Tab2Visual通过将异构表格数据转换为视觉表示,有效解决了小样本表格数据分类难题,结合创新数据增强和迁移学习显著提升了模型性能,实验验证其优于传统树模型和深度学习专用架构。
来源:Pattern Recognition
时间:2026-02-01
-
TranSAC:基于任务特性与领域共性的无监督迁移性度量新方法
本文提出了一种创新的无监督迁移性度量指标TranSAC(Transferability based on task Speciality And domain Commonality),该指标首次将任务特性(类间分离度)与领域共性(域间相似性)相结合,通过熵理论框架解决了现有方法依赖目标域标签和忽视领域共性的两大局限。实验证明其在预训练模型筛选、目标域排序等任务中优于现有主流指标。
来源:Pattern Recognition
时间:2026-02-01
-
基于扩散模型的数据增强方法在Pol-SAR图像中的土地覆盖分割应用
本文针对极化合成孔径雷达(Pol-SAR)图像数据获取困难及标注精度不足的问题,提出基于极坐标变换和扩散模型的数据增强方法,并设计引导采样策略生成图像-标签对,有效提升土地覆盖分割性能。
来源:Pattern Recognition
时间:2026-02-01
-
利用分级增溶与色谱技术从大洋波喜荡草中制备性分离LHCII三聚体与PSII单体复合物及其功能表征
本研究针对海洋开花植物大洋波喜荡草叶片富含多酚、难以高效提取完整光合膜蛋白复合物的技术瓶颈,开发了一种基于PEG 4000去除多酚并结合分级去垢剂增溶的策略,成功建立了首个色谱法制备流程,可规模化分离得到光系统II(PSII)核心单体与捕光复合物II(LHCII)三聚体。通过吸收光谱、电泳及质谱分析证实了复合物的结构与组分,为深入解析该生态关键物种光合装置的结构功能适应性奠定了基础。
来源:Photosynthesis Research
时间:2026-02-01
-
通过分子系统发育、形态学和生物地理学方法对Lejeunea属(Lejeuneaceae科,苔类植物门)的物种进行界定,并在斐济发现了一个新物种
本研究基于叶绿体和核DNA数据分析,揭示Lejeunea属物种的系统发育关系,发现形态与分子数据存在不一致现象,并描述了新物种Lejeunea vitiensis的形态特征。
来源:Plant Systematics and Evolution
时间:2026-02-01
-
因果推断在无桥接研究情况下确立检测方法效应的应用:基于MenACWY-CRM结合疫苗数据的案例研究
本文探讨了在疫苗研发过程中,当免疫原性检测方法变更且缺乏正式桥接研究时,如何利用因果推断方法(特别是倾向评分加权技术如逆概率加权和重叠加权)来估计检测方法变更对免疫反应的影响。通过分析MenACWY-CRM四价脑膜炎球菌结合疫苗的多个临床试验数据,研究比较了新旧两种检测方法(琼脂覆盖法与人手工倾斜法)对血清杀菌抗体(hSBA)滴度的影响,并强调了在协变量分布重叠较差时,重叠加权方法在解决极端权重问题和提供稳定估计方面的优势。
来源:Pharmaceutical Statistics
时间:2026-02-01
-
将高空间分辨率的压缩图像用于使用Sentinel-2卫星数据训练和验证海草覆盖率制图方法
本研究评估了Google Earth高分辨率影像生成训练和验证数据的能力,结合Sentinel-2的随机森林回归模型估算海草覆盖率。通过无监督分类提取与Sentinel-2一致空间分辨率的参考数据,结果显示模型RMSE低于25%,验证了该方法在数据稀缺地区的经济高效性。
来源:Regional Studies in Marine Science
时间:2026-02-01
-
患病植物中土壤病原微生物的预测建模:一种比较机器学习方法
机器学习模型在土壤病原体预测中的应用研究显示,LightGBM在AUC-ROC(0.94)和效率上优于其他模型及深度学习网络(0.87),土壤pH、有机质和湿度为关键预测因子,SHAP分析验证了模型的可解释性。
来源:Rhizosphere
时间:2026-02-01
-
评估马铃薯生产技术的采纳情况,并识别印度东北部农民在提高粮食安全方面所面临的挑战
印度东北部山区土豆产量(8.55MT/ha)显著低于全国平均水平(25.79MT/ha),研究通过480农户调查发现教育程度与土豆种植收入正向促进技术采纳(73.12%种植时间、57.91%种子质量、56.66%种植方法),主要约束为生产设施、仓储条件及技术推广不足。
来源:Potato Research
时间:2026-02-01
-
基于原位生长银颗粒微结构基底的LIBS技术用于液体样品中铜离子的高灵敏检测
本研究针对LIBS技术分析液体样品时信号强度弱、重复性差的问题,开发了一种基于滤纸的原位生长银纳米/微米颗粒的微结构基底。该基底利用SnCl2作为还原剂制备银纳米颗粒(AgNPs),并通过原位生长法进一步形成银微米颗粒(AgMPs),使Cu(II)的LIBS信号增强高达14倍。方法线性范围为0.2-1.0 mg L-1,检测限为34 μg L-1,成功应用于河水、人工尿液、茶汤等实际样品分析,回收率达85-112%,为液体样品中痕量金属检测提供了简单高效的解决方案。