热点聚焦

  • 征稿 | “多模态语义编码与通信”专题征稿通知
  • 喜报｜《新疆大学学报（自然科学版中英文）》首次入选中国应用型扩展期刊
  • 喜报｜《新疆大学学报（自然科学版中英文）》连续三年入选WJCI
  • 喜报 | 《新疆大学学报（自然科学版）》连续入选中国科技核心期刊
  • 喜报 | 《新疆大学学报（自然科学版）》在2025年中国农业期刊学术年会获多项基金项目与“三优”荣誉
  • 喜报 | 期刊管理中心在国家科技期刊学会活动中取得优异成绩

快捷入口

  • 作者投稿

  • 专家审稿

  • 编辑办公

新疆大学学报（自然科学版中英文）

新疆大学学报（自然科学版中英文）

ISSN:2096-7675

CN:65-1316/N

主管单位：新疆大学

主办单位：新疆大学

出版周期：双月刊

地址：新疆乌鲁木齐市天山区胜利路666号

  • 最新文章
  • 过刊浏览
  • 虚拟专辑
  • 优先出版
更多
Volume 43 期 2，2026 2026年第43卷第2期

  • 智能建模与工程计算专题

    胡国玉, 林哲, 王海宁, 江德轩

    DOI：10.13568/j.cnki.651094.651316.2025.07.21.0003
    摘要：在全球范围内，葡萄种植面积广阔、产量丰富，葡萄及相关产业已成为许多国家重要的经济支柱．在葡萄生产中，如何在其关键生长阶段实现高效精准的管理，对提升果实产量和品质至关重要．针对葡萄花穗与幼果期目标尺寸小、易受枝叶遮挡、颜色与背景相似度高，致使现有检测方法在复杂自然环境下识别效果不佳，进而制约精准施药技术应用的问题，本文在新疆建立了葡萄花穗与幼果的专用数据集，并提出一种改进的轻量化检测模型YOLOv8-FCD．该模型引入基于PConv的C2f_Faster模块以降低参数量与计算复杂度，将原始上采样方法替换为CARAFE模块，增强特征提取能力，并设计Detect_SEAM检测头，提升模型在遮挡与小目标场景下的识别精度．实验结果表明，YOLOv8-FCD模型的检测精度（P）为93.7%，召回率（R）为87.3%，平均精度均值（mAP）达到94.6%．与原始YOLOv8n模型相比，P提升8.2%，mAP提高2.6%，模型体积缩减至原来的85.71%．该模型可为葡萄植保智能化喷雾中的花穗与幼果识别提供有效的技术支撑．  
    关键词：图像处理;深度学习;目标检测;葡萄;YOLOv8   
    431
    |
    24
    |
    0
    <HTML>
    <网络PDF><WORD><Meta-XML>
    <引用本文> <批量引用> 153003631 false
    更新时间：2026-03-24

    徐世亮, 赖民权, 刘继忠

    DOI：10.13568/j.cnki.651094.651316.2025.07.07.0004
    摘要：耕地“非农化”严重威胁全球粮食安全与生态稳定．遥感变化检测技术因具有大范围动态监测优势，已成为识别耕地“非农化”过程的核心手段．然而，现有方法在处理复杂耕地场景时，受限于多尺度特征表征能力，难以在提取破碎耕地边缘细节的同时兼顾大范围地块的全局语义一致性，从而导致边缘模糊与局部特征丢失．针对上述问题，本文提出一种基于改进双时相图像Transformer（Bitemporal Image Transformer，BIT）的耕地变化检测算法Far-CDNet．首先，引入并联普通卷积及多种差分卷积的细节增强卷积模块，并通过动态加权和残差连接强化特征提取网络的边缘细节表征能力．其次，将BIT模块中语义标记器的普通卷积替换为深度可分离卷积，以增强局部特征捕获能力并生成具有更高层语义的输出特征．最后，增加一条残差分支，进一步融合Transformer前后的局部及全局信息．实验结果表明，改进后的模型F1分数为79.18%，IoU为69.32%，相较于BIT模型，F1分数提升4.17%，IoU提升4.24%．  
    关键词：变化检测;非农化;双时相图像Transformer;细节特征增强卷积模块;Transformer   
    302
    |
    12
    |
    0
    <HTML>
    <网络PDF><WORD><Meta-XML>
    <引用本文> <批量引用> 153003632 false
    更新时间：2026-03-24

    杨兴耀, 武彦孚, 张祖莲, 于炯, 钟志强, 陈羽

    DOI：10.13568/j.cnki.651094.651316.2025.01.18.0001
    摘要：序列推荐旨在利用用户长短期偏好进行项目推荐，但大部分序列推荐系统面临学习力不足、长短期偏好融合不充分等问题．针对上述问题，本文提出一种基于对比学习的细粒度长期与短期偏好序列推荐方法．1）针对长短期偏好融合不充分的问题，提出长短期偏好学习层和长短期偏好融合层．首先，将用户行为序列分割为多段时间会话，并利用门控循环单元提取每段会话中用户的短期偏好，然后通过多头注意力机制融合短期偏好序列捕获用户长期偏好.最后，依据时间跨度自适应融合长期与短期偏好，从而获得更具代表性和全面性的偏好表示．2）针对数据稀疏导致学习力不足的问题，设计一种偏好表示对比学习任务，引入代理用户偏好进行对比学习，以实现更加精确的偏好推荐．结果表明：与次优方法相比，模型在3个公共数据集的Hit@20指标分别提高了9.84%、6.40%、1.52%，MAP@20指标分别提高了22.64%、2.42%、6.42%，证明本文所提方法的有效性．  
    关键词：推荐系统;序列推荐;对比学习;自注意力机制;门控循环单元   
    294
    |
    17
    |
    0
    <HTML>
    <网络PDF><WORD><Meta-XML>
    <引用本文> <批量引用> 153003810 false
    更新时间：2026-03-24

    张启帆, 胡丽娜, 曾浩, 刘威, 杨灿

    DOI：10.13568/j.cnki.651094.651316.2025.12.05.0001
    摘要：燃煤电厂作为主要NOx排放源，其SCR脱硝系统的高效运行对降低污染物排放至关重要，但在预测NOx过程中，数据的剧烈动态变化会制约模型的预测精度．本文提出一种基于模态能量差和样本熵的变分模态分解（MEVMD）耦合遗传算法（GA）优化卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合预测模型．首先，通过3σ准则修正异常值，再采用皮尔逊相关系数筛选20个关键输入变量，利用最大信息系数（MIC）确定各变量延迟时间，实现特征与目标变量的时序对齐．其次，通过自适应变分模态分解（VMD），精准剥离NOx时序信号中的多频率特征；通过GA优化超参数，实现多子模态的适配性建模.最后，通过VMD逆分解将各子模态融合输出预测结果．实验结果表明，本文所提模型的均方根误差（RMSE）为0.949 2，平均绝对误差（MAE）为0.496 9，决定系数（R2）为0.976 7，优于对比模型．  
    关键词：NOx预测;自适应变分模态分解;遗传算法;卷积神经网络;长短期记忆网络   
    277
    |
    13
    |
    0
    <HTML>
    <网络PDF><WORD><Meta-XML>
    <引用本文> <批量引用> 153003630 false
    更新时间：2026-03-24
查看更多
0