面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。     

关于我国设立刑事证据开示制度的思考

1996年《刑事诉讼法》的修改，产生了律师阅卷难问题。为解决这一问题，真正实现控辩双方公平对抗，我国应设立刑事证据开示制度。文章对刑事证据开示制度的内涵、设立的必要性、设立的原则以及具体建议进行法律思考。     

我国地方政府竞争中的对抗与合作模型分析

随着中央政府对地方政府权力的下放。使具有自身利益特性的各个地方政府像“经济人”一样在各个相应的领域展开竞争。并由此带来了一系列的问题。如何避免低水平，同质化的竞争，避免资源浪费，提高竞争水平，本文在研究吸收前人研充的基础上，试图从竞争战略的角度，对地方政府在争夺外资中的竞争优势作了简要分析．以期在理论层面上构建一个地方政府在吸引外资中的竞争优势模型，在一定程度上从本源上解决以上问题。     

越南将动用军队和警察协助对抗禽流感

越南两个省发现更多感染禽流感的家禽后，越南将派军队和警察来帮助控制禽流感疫情的蔓延。     

实时混合对抗蠕虫的建模和分析

传统的防病毒技术难以抵御蠕虫的传播，为此本文提出实时混合对抗技术，该技术在被对抗蠕虫感染的主机与易感染主机数量相等时转换对抗策略，并建立实时混合对抗蠕虫的传播模型.最后，通过仿真实验从对抗有效性、资源消耗和应对突发事件能力三个方面验证实时混合对抗技术的性能.理论分析和实验结果表明，实时混合对抗技术能更好地满足对抗有效性和低资源消耗要求，并能应对突发事件.     

论宅基地使用权的登记生效主义——基于不动产登记价值功能

《中华人民共和国物权法》并未明确规定农村宅基地使用权的登记与权利变动的关系.土地登记兼具私法功能和公法功能,宅基地使用权是实行登记生效主义还是登记对抗主义,仅仅着眼于宅基地使用权的私权维度予以考察未免有失偏颇.无论是土地利用规划的编制、土地用途管制的实施,还是农村居民点整理工程的推进,均有赖于健全完备的宅基地登记信息资料.明晰宅基地权利归属,消除引发宅基地纠纷的隐患,促进和谐农村的构建也同样离不开宅基地登记信息资料.实行宅基地使用权登记生效主义,能有效引导农民的登记行为,从而构建起完善的宅基地使用权登记信息系统.在农村居民点实行跨村乃至跨乡镇整理以后,农村熟人社会已经演绎成半熟人社会,乃至陌生人社会.因此,宅基地使用权借助于登记这一公示形式来表彰其权利的存在便成为立法之应然选择.     

基于序列信息的土壤CT图像超分辨率重建

受部分容积效应影响,土壤计算机断层扫描（Computed Tomography,CT）图像存在孔隙边界模糊现象,影响土壤孔隙结构研究的准确性。针对该问题,该研究提出基于序列信息的生成式对抗网络（Sequence information Generative Adversarial Network,SeqGAN）,实现土壤CT图像的超分辨率重建。针对土壤CT序列图像具有较高相似性的特点,SeqGAN法引入序列卷积块挖掘前后图像的序列信息,并将多重特征增强融合于目标图像中;利用多层残差块提取图像特征,构建残差块输入和输出的直接连接,以减少模型退化;利用对抗网络实现损失间接反馈,提高模型的特征学习能力。在序列相似性较高的土壤图像数据集验证了该方法性能。结果表明,SeqGAN法均方误差比次优方法GAN降低25%,峰值信噪比提升1.4 dB,结构相似性提升0.2%。重建的土壤图像具有较高准确率和清晰度,可为后续土壤物理学研究提供准确的数据基础。     

基于WGAN和MCA-MobileNet的番茄叶片病害识别

针对番茄病害识别模型参数量大、计算成本高、准确率低等问题,本文提出一种基于多尺度特征融合和坐标注意力机制的轻量级网络（Multi scale feature fusion and coordinate attention MobileNet, MCA-MobileNet）模型。采集10类番茄叶片图像,采用基于Wasserstein距离的生成对抗网络（Wasserstein generative adversarial networks, WGAN）进行数据增强,解决了样本数据不足和不均衡的问题,提高模型的泛化能力。在原始模型MobileNet-V2的基础上,引入改进后的多尺度特征融合模块对不同尺度的特征图进行特征提取,提高模型对不同尺度的适应性;将轻量型的坐标注意力机制模块（Coordinate attention, CA）嵌入倒置残差结构中,使模型更加关注叶片中的病害特征,提高对病害种类的识别准确率。试验结果表明,MCA-MobileNet对番茄叶片病害的识别准确率达到94.11%,较原始模型提高2.84个百分点,且参数量仅为原始模型的1/6。该方法较好地平衡了模型的识别准确率和计算成本,为番茄叶片病害的现场部署和实时检测提供了思路和技术支撑。     

基于深度卷积生成式对抗网络的菌草丙二醛含量可见/近红外光谱反演

[目的/意义]菌草是多年生可用作饲料与生物质能源的草本植物,在温带种植需克服越冬问题。低温胁迫会对菌草的生长发育造成不利影响。丙二醛（Malondialdehyde,MDA）作为诊断菌草低温胁迫状态的有力诊断指标,利用光谱技术反演MDA含量,可快速无损地评估菌草生长动态,为菌草育种及低温胁迫诊断提供参考。[方法]本研究基于6个品种的菌草植株,设置低温胁迫组与常温对照组,获取菌草苗期的可见/近红外光谱（Visible/Near Infrared Spectrum,VIS/NIR）数据与叶片MDA含量信息,分析低温胁迫条件下菌草MDA含量及其光谱反射率均相应增加的变化趋势;为提升模型的检测效果,提出了改进的一维深度卷积生成式对抗网络（Deep Convolutional Generative Adversarial Networks,DCGAN）用于样本数量增广,并建立基于随机森林（Random Forest,RF）、偏最小二乘回归（Partial Least Squares Regression,PLSR）以及卷积神经网络（Convolutional Neural Networks,CN...     

光谱技术结合水分校正与样本增广的棉田土壤盐分精准反演

棉田土壤盐分的精准反演对于棉花的种植管理具有重要意义。水分和盐分作为主要环境因素,共同影响棉田土壤的波谱特征,两者之间的耦合关系直接影响土壤盐分的检测分析。为了提高基于光谱技术构建的模型对棉田土壤盐分信息解析的准确性与可靠性,该研究联用可见/短波近红外（400～1 000 nm）和长波近红外（960～1 693 nm）技术,采集不同含水率与含盐量的新疆地区土壤样本的光谱;结合外部参数正交法（external parameter orthogonalization,EPO）,校正不同标样集与不同波段光谱中的土壤含水率干扰信息;引入基于不同卷积步幅的深度卷积对抗网络（deep convolutional generative adversarial networks,DCGAN）,进行样本增广与质量评估;参考三层残差神经网络设计一维卷积神经网络RNet,最终构建基于EPO-DCGAN-RNet的优化模型,用于棉田土壤盐分的反演。结果表明,与传统机器学习方法和基于VGG或EfficientNet结构一维卷积神经网络相比,该研究提出的EPO-DCGAN-RNet方法能够有效地滤除水分对盐分反演的影响、提高模型对特征波段的挖掘能力、降低深度学习算法对样本量的依赖性,并能得到更优的模型预测性能。EPO-DCGAN-RNet的建模集R²和均方根误差分别为0.942、115.420 μS/cm,验证集R²和均方根误差分别为0.910和136.472 μS/cm。研究结果可为新疆棉田土壤盐分快速精准检测提供理论指导和技术支持,有助于促进盐碱地区棉花种植的水肥科学管理。