本发明公开了一种基于全卷积自编码器和优化支持向量机的滚动轴承故障诊断方法，属于轴承故障诊断领域。首先，由于传统故障特征提取困难且特征的泛化性较弱，本发明提出了基于全卷积自编码器的故障诊断方法，全卷积自编码器同时具备卷积神经网络和自编码器的优点，采用堆叠全卷积自编码器自动从轴承振动信号频谱中提取深度故障特征；然后使用Fisher准则对所提取的深度故障特征进行评分排序，此准则是基于内类距离和类间距离的，可以筛选出区分性较强的故障特征；最后，采用改进的樽海鞘算法对SVM的超参数进行优化，将筛选后的特征输入优化SVM完成滚动轴承的故障识别。

本发明涉及一种逐步精细的医学图像分割系统，属于图像分割领域，包括输入模块、编码器模块、解码器模块、拼接形变解码器模块、并行注意力机制模块和输出模块；输入模块用于将医学图像输入编码器模块中；编码器模块用于对输入的医学图像进行特征提取；解码模块用于根据提取的特征图获得多尺度的医学图像分割结果；拼接形变解码器模块用于自适应地逐步融合多尺度特征信息，并自适应的选择最佳的感受野，搜索出潜在的不同形状和尺寸的前景目标；并行注意力机制模块用于在特征图中同时引入正注意力和逆注意力，正注意力用于增强前景的相关性特征，逆注意力则逐步挖掘边界信息和增强边界细节；输出模块用于输出分割后的图像结果。

本发明涉及一种基于残差层分块DCT变换的图像伪模拟无线传输方法，属于伪模拟传输领域，首先采用上下采样将图像分为下采样层和残差层，然后，通过巧妙的将下采样因子与残差层系数的分块大小相结合，并对残差层(由分块平滑的均匀区域组成，同区域内像素之间的相关性较高，具有块内平滑特性)做大块DCT变换后再划分为系数小块做后处理，实现了在不增加传输数据量的情况下显著提升了图像无线传输的质量，进而获得更高质量的接收图像。

本发明涉及一种增大智能电网中微功率无线网络通信容量的方法，属于通信技术领域。该方法包括：S1：CCO形成整个网络拓扑并建立初始路由；S2：STA建立初始路由；S3：均衡网络节点介数；S4：计算节点介数权值，并根据宽带微功率动态拓扑路由策略选择中央协调器PCO，具体为：基于节点介数权值以及邻居节点间的链路质量、邻居节点的等待队列长度，综合选择PCO以形成树形网络，以及组网后的网络维护；S5：STA主动发起代理变更报文。本发明能够充分利用核心代理节点限制网络平均路径长度的同时，避免了核心代理节点的负载压力过大，使得数据流量均匀分布在网络中，增大网络的通信容量。

本发明涉及一种基于动态树形网络流量模型的构建方法，属于通信技术领域，包括以下步骤：S1：构建宽带微功率动态拓扑；S2：计算宽带微功率动态拓扑特征量；S3：获取建模的主要参数；S4：对数据包进行处理；S5：建立宽带微功率动态拓扑模型。本发明构建了基于动态树形网络流量模型，在网络拓扑结构的分析基础上，探究了网络中各个参数与网络性能之间的关系，揭示了宽带微功率网络中通信容量低，易拥塞的原因，以及拓扑动态变化背后网络运行的深层次机制。

本发明公开一种超薄全金属双频透射和反射集成阵列天线单元，天线单元通过在第一方形金属板(1)上蚀刻第一开口圆环槽(11)、四个加载型三角形槽(12)(13)(14)(15)和第二开口圆环槽(16)来获得。其中四个加载型三角形槽和第二开口圆环槽共同组成沿x和y轴均非对称的槽结构。单元两个频段的中心频点分别是10GHz和22GHz。在低频状态下旋转第一开口圆环槽(11)来改变开口角度，在高频状态下改变四个加载型三角形槽的尺寸和镜像翻转第二开口圆环槽(16)，单元的反射和透射相位能在0°～360°连续变化，且幅度的线性值都为最大值0.5。上述单元按等间距构成二维超薄全金属平面阵列天线，在两个频段下分别沿+z轴和‑z轴同时辐射出聚焦波束。

本发明提出一种装配式梁柱节点减震结构及施工方法，可以通过部件自身变形产生的竖向位移和水平位移相互制约来抵消一定的地震能量，减小结构的地震影响，其包括中间节点，所述中间节点的上、下端面分别卯榫连接上下分布的钢筋混凝土柱，所述中间节点的左右侧面分别榫卯连接左右分布的钢筋混凝土梁；所述中间节点由上节点块和下节点块上下拼接而成，所述上节点块的下端面设有混凝土凸起；所述下节点块的上端面设有与所述混凝土凸起配合的定位凹槽。

本发明涉及一种基于正则约束的图神经网络文本分类方法，属于自然语言处理领域，包括以下步骤：构图：采用TextING的构图方法构图，添加语义边和语法边，并定义不同边的类型，初始化边类型特征Ec，输入图神经网络中进行训练；基于图神经网络进行单词交互：采用带多样正则约束的GAT为邻域结点分配不同注意力权重来过滤边噪声信息，引导注意力分数分布减少重叠；文本表示：通过最大池化和平均池化将单词结点特征聚合为篇章表示，根据篇章表示获得文本的分类结果，并定义损失函数来约束结点特征的更新过程。本发明丰富了单词间语法语义相关性，提高了长距离和非连续的单词交互能力，提高了模型表达能力。

本发明涉及一种基于运动矢量化和宏观表情引导机制的微表情识别方法，属于计算机技术领域。方法为：1、获取宏观表情和微表情样本的起始帧与顶点帧；2、对1中获取的起始帧与顶点帧图像进行运动矢量化处理；3、对微表情样本对应的运动矢量化特征进行非线性放大处理；4、采用面部运动匹配机制对宏观和微观表情样本进行配对；5、通过引导网络实现宏观表情对微表情特征提取的引导及强化；6、根据引导网络的输出情感标签对微表情的类别进行识别。本发明能够根据面部的运动变化实现对微表情情感的识别，运用了宏观表情与微表情产生时面部运动状态的共同特点实现宏表情在微表情特征提取过程中的引导和强化。在微表情情感分析领域具有显著优势。

本发明涉及一种结合相对位置信息的弱监督文本分类方法，属于自然语言处理领域，包括以下步骤：S1：输入初始化种子词，以及与初始化种子词同类的为标记文档；S2：生成伪标签；S3：基于生成的伪标签训练Transformer文本分类器；S4：通过文本分类器为未标记的文本分配标签；S5：通过比较排序方法，更新每一个类别的种子词，返回步骤S2进行迭代训练。本发明提升了模型的学习能力，提高了分类的准确率。