双时相遥感图像由于拍摄时间、角度和传感器等因素会产生各种伪变化, 同时存在一些不感兴趣的变化, 变化的位置通常与周边其他物体相关, 采用全卷积神经网络会丢失长程信息. 针对这一问题, 提出了一种融合CNN (Convolutional Neural Networks) 和Transformer的网络 (C-T Net)模型. 整体网络结构分为深度特征提取部分和检测头部分: 网络主干部分将CNN和Swin Transformer相结合, 设计融合模块C-to-T、T-to-C以聚合信息; 检测头部分利用Transformer编码、解码, 获得精细化的特征图以进行变化区域的判别. 与多个变化检测模型相比, 在LEVIR-CD数据集和WHU-CD数据集上F1_1 (90.63%、86.24%) 和$ {p}_{\mathrm{I}\mathrm{o}\mathrm{U}} \_1$(82.87%、75.81%) 均为最高, 在两个数据集上的结果表明, 无论是可视化结果还是数据指标, 与现有的方法相比, 该模型具有一定的优越性.
基于中国知网 (CNKI) 2005—2024年篇名包含“开源”的期刊文献, 构建了涵盖732篇有效文献的样本库, 采用文献计量方法, 从年度发文量、学科分布、关键词共现与聚类、突现词及时间区间演化等维度系统分析了我国开源创新研究的演进特征与热点主题. 结果表明, 我国开源创新研究经历了起步探索、稳步发展和快速增长3个阶段, 近5年的发文量显著攀升; 学科分布呈现多学科交叉格局, 以图书情报、计算机科学与工业技术为核心, 并延伸至教育、管理、法学等领域; 关键词聚类揭示出九大核心研究领域, 并对各领域代表性成果进行了述评; 时间区间演化分析显示, 未来的研究将主要聚焦于人工智能与开源生态的深度融合、开源社区协作与治理模式演进、开源软件安全与供应链风险识别, 以及开源法律与知识产权保护. 基于上述发现, 提出强化人工智能与开源生态协同治理, 完善供应链安全体系, 推进法律与许可制度创新, 构建面向产业与公共服务的数字开源基础设施等建议, 以推动我国开源创新的可持续发展.
开发者地理位置信息对理解全球开源活动分布和制定区域政策具有重要意义. 然而, GitHub平台上存在大量开发者账户缺失地理位置信息, 因而限制了对全球开源生态系统地理分布的全面分析. 提出了一种基于多维特征融合的层次化地理位置预测框架, 通过整合时间行为、语言文化、网络特征这3大类多维特征, 构建了规则驱动快速定位、姓名文化推断、时区交叉验证、深度学习集成的4层递进预测机制. 基于50000名全球活跃开发者构建的大规模数据集的实验表明, 该方法成功预测了82.52%开发者的地理位置信息. 其中, 姓名文化推断层覆盖用户最多, 准确率达到了0.7629; 深度学习集成层处理最复杂案例, 准确率为0.7557. 通过对比Moonshot大语言模型的预测结果, 验证了该方法在复杂地理推断任务中的优势.
为探究温室大棚池塘养殖条件下凡纳滨对虾 (Litopenaeus vannamei) 肠道与养殖环境中细菌群落之间的关系, 采用Illumina Miseq高通量测序方法, 对凡纳滨对虾肠道、养殖水体及底泥细菌的16S rRNA基因2个高变区 (V3—V4) 进行测序分析. 结果显示, 凡纳滨对虾肠道与养殖环境中的细菌分布于62门175纲381目631科1141属2035种. 根据测序结果, 对虾肠道中变形菌门 (Proteobacteria)、放线菌门 (Actinobacteriota) 和绿弯菌门 (Chloroflexi) 为优势菌门, 平均占比分别为33.67%, 25.33%和12.77%; 养殖水体中的优势菌门为放线菌门、蓝细菌门 (Cyanobacteria) 和变形菌门, 平均占比分别为29.33%, 27.0%和21.33%; 底泥中的优势菌门为变形菌门、绿弯菌门和厚壁菌门 (Firmicutes), 平均占比分别为28.33%, 17.33%和11.13%. 对虾肠道、水体和底泥的细菌群落在部分指标上存在明显差异, 如底泥菌群的ACE (Abundance-based Coverage Estimator) 指数和Chao指数最高, 对虾肠道菌群次之, 水体菌群最低; 对虾肠道菌群的丰富度与水体菌群相似, 均高于底泥菌群; Shannon指数上, 对虾肠道菌群高于水体菌群, 但低于底泥菌群; Simpson指数上, 对虾肠道菌群高于底泥菌群, 但低于水体菌群. 在操作分类单元水平上, 对虾肠道和底泥中检测到1492个相同单元, 对虾肠道和水体中检测到588个相同单元. 系统聚类分析和主坐标分析结果显示, 对虾肠道和底泥的细菌群落结构较为相似. 本研究揭示了凡纳滨对虾肠道细菌生态结构与养殖环境的相关性, 为其科学养殖提供了数据支撑.
数据结构与算法 (Data Structure and Algorithm, DSA) 作为计算机教育的核心课程, 在培养学生的编程能力与算法思维方面起着关键作用. 可视化在DSA教学中可以起到提高教学效率和加深学生理解的重要作用. 然而, 现有的DSA可视化工具大多依赖人工编写可视化代码, 存在覆盖范围有限、更新成本高和缺乏交互性等局限性, 难以满足动态演示与个性化教学的需求. 随着大型语言模型 (Large Language Model, LLM) 在代码生成方面的出色表现, 基于LLM实现自动化的DSA可视化成为可能. 为此, 提出了一种基于ReAct (Reasoning and Acting)智能体的交互式可视化代码生成方法, 旨在解决传统可视化工具自动化程度低、交互性不足的问题. 该方法结合LLM的代码生成能力和DSV (Data Structure Visualization)平台的接口, 能够将基于Python编写的DSA代码转换为可交互、可执行的动态可视化的代码, 从而提升教学直观性和学习体验. 为系统评估该方法的有效性, 构建了包含150对DSA代码及其对应的DSV可视化代码的数据集, 并对比了3种方法 (直接提示、思维链提示、ReAct智能体) 在多种主流LLM上的表现. 实验结果显示, 所提出的基于ReAct智能体的方法在编译通过率 (Compilation Rate, CR)、执行通过率 (Execution Rate, ER)和可用率 (Usability Rate, UR) 这3项指标上均显著优于其他方法, 尤其在DeepSeek-R1模型下表现最优, 显著提升了生成可视化代码的准确性与可交互性, 验证了结合LLM与智能体框架在DSA可视化教学中的可行性与优势, 为构建高效、个性化、自动化的计算机编程教学工具提供了新路径.
开源生态系统作为现代软件产业的重要组成部分, 其评价问题日益受到学术界和产业界的关注. 然而, 当前开源评价方法存在评价标准不统一、评价过程缺乏理论支撑、评价结果可比性差等问题. 以评价学基础理论为指导, 提出了开源评价学这一新的交叉研究领域, 构建了面向开源生态系统的评价理论框架与方法体系. 主要内容: 基于评价学五大公理, 构建了开源评价学的理论体系, 提出了开源生态系统评价的基本概念、评价维度和评价标准; 设计了包含问题定义、任务实例、算法机制、实现实例和支撑系统5个层次的评价条件框架, 并提出了统计度量和网络度量相结合的评价模型; 基于GitHub数据集进行实验验证, 从开源仓库、开发者和社区3个维度对方法进行了有效性验证, 结果表明所提出的评价模型在开源应用中具有较强的适用性与解释力.
为应对教学资源滞后、实践能力不足及价值引导缺失等挑战, 探索并构建了以“大语言模型 (Large Language Model, LLM) 与开源生态”双轮驱动的创新教学模式. 该模式通过引入开源生态中的真实工程资源与社区协作机制, 提供动态更新的代码仓库与应用场景, 提升学生工程实践能力. 同时借助LLM的智能交互能力, 实现个性化学习路径、自动化反馈与沉浸式思政场景生成. 研究结合“人工智能及应用”课程实施教学实验, 量化分析了学生在参与度、学习效率与社会责任感方面的变化. 结果显示, 该协同模式显著提升了学生的技术素养、伦理认知和跨平台迁移能力, 为相关课程改革具备高实践性和可推广性提供了参考范式.
随着开源社区的快速发展, GitHub项目的数量持续激增; 然而一部分项目未提供明确的主题标签, 给开发者在技术选型和项目检索的过程中带来了挑战. 现有的主题生成方法主要依赖于监督学习范式, 存在对高质量标注数据有较强依赖性等问题. 针对开源项目主题标注的准确性及效率问题, 首次研究了大语言模型在GitHub项目主题预测任务中的应用效果; 构建了包含3000个GitHub热门项目的数据集, 涵盖项目仓库名、README文档和描述信息等多维度特征; 选择Claude 3.7 Sonnet、DeepSeek-V3、Gemini 2.0 Flash、GPT-4o和Qwen-Plus等数个国内外主流大语言模型进行了对比实验. 实验结果表明, Claude 3.7 Sonnet在多数评估指标上表现最优, 且随着数据集规模扩大, 各模型的性能表现趋于稳定. 实验证明, 大语言模型在项目主题标注任务中展现出了良好的适用性, 但不同模型间存在显著性能差异, 这为开源项目管理和智能化标注系统设计提供了重要参考依据.
针对多模态大模型在处理如树木倒伏等复杂视觉场景时, 因依赖单路径推理而导致的决策鲁棒性不足问题, 提出了一种基于束搜索思维链 (Beam Search Chain-of-Thought, BS-CoT) 的推理优化方法. 该方法通过并行探索和评估多条潜在的推理路径, 有效克服了传统模型易陷入单一错误逻辑的缺陷, 显著增强了模型在复杂场景下的视觉决策能力. 为验证该方法的有效性, 构建了一个面向城市治理中树木倒伏场景的专用数据集. 实验结果表明, 与基线模型相比, 本方法在事件召回率和关键信息捕获率上均有显著提升. 本研究不仅为解决城市公共安全领域的视觉决策难题提供了可靠的技术方案, 也为提升大模型在关键任务中的推理可靠性提供了新的范式.
高清视频在传输过程中经过有损通道的压缩之后会导致隐藏信息的丢失. 高效的视频隐写算法需要硬件实现, 以达到低功耗、高速和更可靠的实时处理. 为了保证秘密数据实时且可靠的传输, 需要隐写算法具有低复杂度和高鲁棒性. 针对此问题, 提出了一种适用于硬件平台实现的高效且鲁棒的隐写算法. 该算法利用直流(Direct Current, DC)系数的生成原理和分布特征, 在空间域中直接修改像素值, 而不是在离散余弦变换域中执行. 因此, 该算法同时具备了空间域隐写算法的简单性以及变换域隐写算法的高鲁棒性. 实验结果表明, 该算法具有较低的计算复杂度, 并且在本地有损通道压缩中表现出了优异的鲁棒性和视觉质量.
近年来随着机器心智理论不断发展, 研究发现, 机器心智理论发展与儿童心智理论发展的三角模型有很大不同. 因此, 提出了面向机器心智理论发展的三角模型, 该三角模型描述了机器心智理论过程中各个工具之间的关系. 依照该三角模型, 提出了适用于机器心智理论发展的评测数据集, 可以用于机器心智理论的动态测评. 最后, 设计了一个专门用于认知推理的视频问答模型——FOMemNet, 该模型主要用于解决信念、愿望和意图推理. 在认知推理任务中, 模型需要以观察者的角度来进行推理, FOMemNet能通过视觉事实和观察者感知编码模块来获得视觉事实特征和观察者特征. 此外, 模型利用多角度融合模块和两个记忆模块对两个角度的特征进行融合以获得全局表示. FOMemNet在BDIQA(Belief, Desire and Intention Question Answer)数据集上的准确率提升了2.27%. 实验表明, 事实和观察者的概念能有效提高视频问答的认知推理的能力.
河口拦门沙冲淤变化是河口地貌和河势演变的基础与关键机制. 以往的研究主要借助海图和沉积测年资料, 来揭示拦门沙年际或季节性冲淤变化, 但对涨落潮及大小潮的冲淤变化研究尚不充分. 以长江口崇明东滩北部的潮滩前缘为例, 基于对涨落潮、大小潮水沙动力及地形变化的高精度观测, 发现: ① 潮周期内, 流速在涨潮与落潮过程中的增减变化, 导致拦门沙浅滩在涨潮期冲刷、落潮期淤积, 共形成4个阶段的冲淤变化. ② 涨潮期间, 来自口外浅滩的高悬沙流输入形成涨急悬沙峰, 其泥沙在涨憩后快速淤积, 导致涨潮过程呈现净淤积; 落潮期间, 近底层水流因长时间的落急冲刷形成落急悬沙峰, 导致落潮过程呈现净冲刷. ③ 大小潮周期内, 小潮至大潮潮差增加, 涨潮流中来自浅滩的泥沙输入虽增加但总体较小, 导致涨潮淤积小于落潮冲刷, 拦门沙浅滩呈冲刷趋势; 大潮至小潮潮差减小, 口外冲淡水滞留效应导致涨潮流中来自浅滩的泥沙输入急剧增加, 使得涨潮淤积超过落潮冲刷, 拦门沙浅滩呈淤积趋势. 上述发现为深入理解河口冲淤和演变提供了参考.
为更好地利用海量开源生态数据为社区开发和协作提供洞察, 开发了OSS Insight. 其系统架构和查询引擎的创新在于, 利用HTAP(Hybrid Transactional Analytical Processing)数据库高效存储和查询GitHub数十亿事件数据, 通过前端可视化实时生成洞察; 其时空数据的深度挖掘在于, 基于事件时间序列和开发者地理信息, 对开发者行为模式和开源生态演变进行建模分析; 其与LLM(Large Language Model)集成应用Data Explorer, 利用LLM将自然语言查询自动转换为SQL(Structured Query Language), 实现了对开源数据的智能问答和趋势洞察. Kubernetes案例的实证研究从开发者洞察、项目演进和组织协作这3方面进行了开源洞察分析. 实验表明, OSS Insight能够对超大规模开源数据进行高效、全面的分析, 其LLM驱动的交互式探索降低了数据分析门槛, 可辅助用户进行数据洞察, 可为开源社区治理提供实用的分析工具.
基于耦合网络与传播动力学, 构建了企业管理者-普通员工双层网络中生成式AI(Generative Artificial Intelligence, GAI)偏差认知传播动力学模型, 以揭示GAI偏差认知的传播机理. 模型综合考量了层级间交流与认知培训的影响, 并运用下一代矩阵法精确计算出传播阈值R0, 为有效治理提供了关键量化依据: 当R0<1时, 偏差认知自发消失; 当R0>1时, 偏差认知存在扩散风险. 此外, 通过数值仿真对比评估两种干预策略, 并结合案例研究深度解析了偏差认知在企业内生成与传播的驱动机制.
为探析上海市野生动物小型栖息地建设成效, 以改造建成后的上海市吴淞江鸟类栖息地为例, 采用样线法和直接计数法对吴淞江鸟类栖息地鸟类多样性及季节动态等建设成效进行了研究分析. 共记录到鸟类10目29科54种, 其中水鸟11种, 雀形目鸟类38种, 国家Ⅱ级保护鸟类1种. 在鸟类各居留型中, 留鸟28种, 占51.9%; 冬候鸟15种, 占27.8%; 夏候鸟6种, 占11.1%; 旅鸟5种, 占9.3%. 在鸟类各区系中, 古北界种23种, 占42.6%; 东洋界种17种, 占31.5%; 广布种14种, 占25.9%. 鸟类优势种以乌鸫 (Turdus mandarinus)、白头鹎 (Pycnonotus sinensis)、珠颈斑鸠 (Spilopelia chinensis)、[树]麻雀 (Passer montanus)、暗绿绣眼鸟 (Zosterops simplex)、丝光椋鸟 (Spodiopsar sericeus)、黄喉鹀 (Emberiza elegans) 和棕背伯劳 (Lanius schach) 为主. 夏候鸟和旅鸟在栖息地内数量偏少. 就季节动态而言, 鸟类多样性指数从秋季迁徙期、冬季越冬期、春季迁徙期到夏季繁殖期依次降低; 而均匀度指数则从秋季迁徙期、春季迁徙期、冬季越冬期到夏季繁殖期依次降低. 通过研究, 明确了上海市野生动物小型栖息地建设成效, 并对野生动物小型栖息地建设和管理提出建议.
为研究腐熟羊粪作为有机肥与化肥配施对青稞田土壤肥力及产量的影响, 在拉萨市农区试验基地进行了青稞种植常规施肥. 通过增施氯化钾和腐熟羊粪, 适量减施尿素和磷酸二铵, 设置4个不同处理进行田间试验, 分别为常规施肥处理T1 (羊粪5250 kg/hm2 + 尿素180 kg/hm2 + 磷酸二铵180 kg/hm2)、T2 (羊粪5250 kg/hm2 + 尿素150 kg/hm2 + 磷酸二铵120 kg/hm2 + 氯化钾30 kg/hm2)、T3 (羊粪10500 kg/hm2 + 尿素150 kg/hm2 + 磷酸二铵120 kg/hm2 + 氯化钾30 kg/hm2) 和T4 (羊粪15750 kg/hm2 + 尿素135 kg/hm2 + 磷酸二铵75 kg/hm2 + 氯化钾30 kg/hm2). 研究结果表明, 不同施肥模式下, 土壤有机质、全氮和全钾的含量均表现为收获后比种植前有所下降; 在T1处理下, 全磷和有效磷的含量较种植前有所增加; 在T3处理下, 腐熟羊粪作为有机肥与化肥配施, 速效氮、磷、钾的含量和pH值在收获后比种植前略有所增加; 在T1和T4处理下, 成熟期青稞的株高和生物产量积累较高. 随着腐熟羊粪有机肥替代化肥比例的升高, 青稞产量呈现先增加后下降的变化趋势, 在T3处理下, 化肥替代率为16.67%时青稞产量最高, 达5323.65 kg/hm2. 腐熟羊粪作为有机肥与化肥配施有利于改善青稞田土壤的供肥能力, 提高青稞产量. 该项研究可为西藏青稞田种植中合理施肥、减少农田面源污染提供参考.
针对露天煤矿排土场种植层土壤“水肥不足”的问题, 探究由保水剂、有机肥和微生物菌剂3种材料组成的土壤调理剂对土壤理化性质和植物生长发育的影响. 以小白菜为验证植物, 通过在土壤中施用不同用量的改良材料进行盆栽实验, 对比各组土壤的pH值和电导率, 土壤碱解氮、有效磷、速效钾和有机质含量, 以及小白菜株高、叶片数和干重指标来评估和筛选优良的改良材料组合. 结果显示, 保水剂和有机肥的使用能够有效改良土壤理化性质, 促进小白菜生物量积累, 但微生物菌剂并未产生显著影响. 保水剂用量为5‰且有机肥用量为30%时, 调理剂对土壤性质和植株生长的综合效应最佳.
基于全生命周期视角, 结合排放因子法与《安徽省海绵城市建设碳排放量核算技术导则》, 系统运用了适应海绵城市工程特征的碳排放核算方法, 以国家海绵示范城市芜湖为例, 评估了2022年4类典型海绵项目的碳排放和碳减排量, 并以建筑小区为例, 结合NSGA-Ⅱ多目标算法, 探讨了通过优化多类型海绵设施配置实现协同减碳目标的策略. 结果表明: ① 芜湖市海绵项目的碳排放主要集中在建设阶段, 总排放量为11 438.6 t, 其中材料生产与运输环节分别占比53%和36%, 存在较大的减排潜力. ② 海绵城市在运行阶段多依赖自然过程持续发挥作用, 碳减排效应相对集中, 该阶段总排放量约为 –242.3 t. 假设在维持既有运行状态、无新增设施的条件下, 海绵设施预计在30年生命周期内累计可实现碳减排量为7 269.7 t. 表明其年碳减排量相对有限, 但长期运行可逐步抵消建设阶段的碳排放, 展现出较强的碳中和潜力. ③ 就具体设施而言, 建设阶段中植草沟 (4.95 kg/m2) 和下凹式绿地 (11.35 kg/m2) 等绿色雨水设施的碳排放强度普遍较低, 而运行阶段海绵设施的碳减排效益则显著受其功能类型和建设规模影响. ④ 以建筑小区为例, 结合小区年径流总量控制率要求, 通过合理配置下凹式绿地、透水铺装、雨水花园和植草沟的规模, 可提升海绵设施的协同减碳能力.
以识别GitHub长期活跃高星仓库帮助开源社区构建和数字基础设施建设为背景, 提出了一种基于时间序列预测模型的GitHub高星仓库长期活跃度评估方法, 旨在解决识别仓库是否能够保持长期活跃的问题. 该方法首次引入开发者活跃周期作为关键特征, 用以提升仓库发展趋势预测的准确性. 通过对活动指标的时间序列数据进行建模与挖掘, 该方法提出了全新的活跃度计算公式DTA (Development Trend-based Activity), 实现了对仓库活跃水平的准确量化评估. 设计并制作了一个时间粒度细、覆盖范围广的基准数据集, 并系统评估了多种预测模型的表现, 最终确定了适用于开源仓库活跃度预测的最优模型. 实验结果验证了所提方法的有效性, 能够准确预测仓库的长期活跃情况. 因此, 引入DTA对仓库活跃度进行评估, 能够帮助开源参与者识别长期活跃的仓库, 确定参与重心, 促进开源社区的构建和数字基础设施建设.
针对智能驾驶中图像拼接存在的匹配点冗余和拼接后图像局部扭曲的问题, 提出了一种基于匹配点和薄板样条函数模型优化的视差图像拼接方法. 首先, 根据图像匹配点的分布位置构建稀疏矩阵; 其次, 通过网格约束匹配点数量消除冗余匹配点, 缩短计算薄板样条函数模型的时间; 最后, 采用改进的薄板样条函数模型进行图像配准. 实验结果表明, 所提方法消除了匹配点冗余并改善了图像扭曲问题, 具有一定的优越性和有效性.
中文核心期刊
