关键词： DeepSeek   思想政治教育   人工智能   信息茧房  

摘要： 人工智能技术，特别是DeepSeek的介入，为思想政治教育带来了智能化、个性化和高效化的发展机遇。DeepSeek依托强大的数据智能算法、精准灵活的个性系统和开放的知识体系，能够以互联开放的知识服务，创造思想政治教育传播的新形态；以精准灵活的个性系统，增强学生群体语境选择自主性；以高效的数据智能算法，促进教育教学的多元化发展。然而，由于各种原因，在DeepSeek赋能思想政治教育过程中，出现思想政治教育价值属性淡化、思想政治教育话语主导弱化、思想政治教育主客体自主意识消解等风险挑战。对此，应立足思想政治教育价值立场，努力探索DeepSeek介入思想政治教育的合理路径，始终坚持思想政治教育价值理性至上，保障思想政治教育主流话语占据信息高点，增强思想政治教育主客体自觉意识，以期确保DeepSeek发展与思想政治教育目标相协调，真正发挥智能技术的优势，推动思想政治教育高质量发展，助力新时代人才培养。

关键词： 大语言模型   智慧校园   人工智能   大模型微调   知识库  

摘要： 针对高校使用大模型时面临着大规模数据训练和数据隐私保护的问题，提出面向华商数智校园建设的本地人工智能大模型SynHuaAI。通过本地化部署与差分隐私微调技术，结合知识库语义扩展分析，构建支持跨学科知识整合的私有化模型。通过引入参数高效微调技术，在保护数据隐私的前提下优化模型性能，并设计云-本地混合交互架构提升泛化能力。实验结果表明，SynHuaAI在校园场景问答任务中准确率达92.4%，F1值89.6%，优于其他方法。证明SynHuaAI大模型可以准确的回答问题，提高了高校师生的工作效率。SynHuaAI大模型构建了校园各业务职能部门的知识库，能够与数智校园系统集成实现数据互通共享，辅助教学、学生学习和行为分析等，满足校园数智化建设的应用需求。

关键词： 舰载雷达   人工智能   抗干扰   轨迹预测  

摘要： 针对船载雷达信号中目标轨迹预测不精准、航迹容易间断、受噪声信号影响大以及无法满足信号的实时性处理等问题，本文提出了基于人工智能的船载雷达航迹动态预测与显示算法，以提升船载雷达智能化水平与目标识别能力，为目标航迹精准预测提供重要的技术支持和创新思路。首先通过目标航迹点的智能识别与分类来有效区分目标与干扰信号，进而提升船载雷达目标识别能力，然后对目标航迹点轨迹曲线进行拟合，为目标轨迹分析提供有力支持，最后采用滑动窗来满足实时任务需求，实现对雷达回波信号的实时处理与分析，提高了目标航迹显示的实时性。实验结果表明，本文提出的船载雷达航迹实时动态预测算法的准确率为92.61%、召回率为98.98%，优于其他相关算法。

关键词： 车联网   恶意网站   过滤与检测   启发式规则   机器学习  

摘要： 车载第三方服务访问恶意网站的数量迅速增加，已成为车联网安全的重大威胁。目前，车联网恶意网站检测面临三大瓶颈：传统工具处理大规模网站数据时存在较长的检测时延，恶意网站统一资源定位符（URL）混淆问题影响识别准确性，且恶意网站数据集的获取困难，这些因素均严重制约了检测的效率和准确性。针对这些问题，本文提出了一种基于逻辑回归的多阶段恶意网站快速检测方法。使用搜索引擎对合法网站进行初步过滤，减少计算资源的浪费。通过对恶意混淆技术的分析归纳，设计匹配规则，并提出了一种基于启发式规则的恶意网站过滤方法，实现混淆网站URL的有效过滤，克服了传统工具无法有效检测带有恶意混淆URL的问题。为进一步提升检测准确性，构建了全面和轻量的恶意网站检测特征集合，并使用逻辑回归分类方法对特征提取分析。实验结果表明，该方法在恶意网站检测的准确性和效率方面显著优于传统方法，在公开数据集上达到98.1%的准确率，检测时间减少了75%左右。

关键词： DeepSeek   基层治理   人工智能   发展策略  

摘要： 在当前的数字化背景下，大模型在基层治理中的应用潜力逐渐显现，近期较为热门DeepSeek依靠其在使用成本及本土环境适配性等方面的优势已经逐渐在基层治理中发挥重要作用，其凭借对本土数据的深入理解和持续优化为社区居民提供了更加精细化、个性化、本土化的服务。论文在梳理DeepSeek在社区安全管理、赋能政务服务、促进社区居民等具体应用场景实践中，分析其在赋能基层治理过程遇到的数据与隐私保护、技术适应性与实用性有待提升等挑战，并进一步提出出台相关政策对数字技术工具的使用进行监管与规范、提升技术应用与居民服务需求的契合度等发展策略来应对上述挑战。未来，随着技术的不断进步，DeepSeek在基层治理中的应用也将更加广泛和深入。

关键词： 图像融合   遥感   图像处理   深度学习   卷积神经网络   机器学习   特征提取   图像重构  

摘要： 多光谱图像全色锐化是遥感影像处理与解译领域的热点问题。相较于传统全色锐化方法，基于深度学习的全色锐化方法聚焦于图像深层次特征的提取，大幅提升了融合图像的质量。本文提出了一种基于混合双分支卷积神经网络和图卷积神经网络的全色锐化方法，旨在同时挖掘图像的光谱、空间与非几何结构信息，提升融合图像空间分辨率和光谱分辨率。本方法建立在多分辨率分析融合框架的基础上，利用深度神经网络构建了特征提取、特征融合和图像重构模块。首先，混合双分支网络模块是由2D卷积神经网络和3D卷积神经网络构建。其中，2D卷积神经网络旨在挖掘多光谱图像与全色图像的空间特征，3D卷积神经网络旨在挖掘图像的光谱特征。其次，引入了图卷积神经网络，捕捉图像图结构中节点的空间关系，整合非局部信息。然后，将多光谱图像与全色图像的空间、光谱和非几何特征利用特征融合模块融合在一起。最后，将融合特征输入图像重构网络重建高质量多光谱图像。本文算法在GeoEye-1和IKONOS遥感数据上进行了实验验证。实验结果表明，与其他方法相比，本文算法在主观视觉和客观评价指标上表现出优秀性能。

关键词： 街道环境   环境色彩   愉悦感知   机器学习   随机森林  

摘要： 【目的】街道是老年人日常活动的重要生活空间。因此，设计适应老年人健康需求的街道环境色彩，对于推进“积极应对人口老龄化”和“健康中国”两大战略至关重要。然而，街道环境色彩与老年人愉悦感知之间的关联机理尚缺乏系统性研究。【方法】以福州市为案例地，融合街景图像、TrueSkill算法、机器学习等手段，量化街道环境色彩和老年人愉悦感知；基于随机森林模型，解析街道环境色彩对老年人愉悦感知的非线性影响和交互作用。【结果】1）色彩亮度对老年人愉悦感知的影响最大（负向效应），而色彩协调度和复杂度具有正向促进作用；2）街道环境色彩与老年人愉悦感知呈现U型、S型、指数型等多类型非线性关系，并存在阈值效应；3）街道环境色彩交互具有促进与削弱老年人愉悦感知的双重机制，具有正向促进和反向削弱的交互作用。【结论】从非线性视角明确了街道环境色彩对老年人愉悦感知的边际效应和交互作用，丰富了街景大数据和机器学习技术在街道尺度的应用。同时，为以老年友好为导向的街道更新及城市色彩规划实施，提供色彩优化调控的关键要素及有效干预区间。

关键词： 非小细胞肺癌   肿瘤细胞含量   数字病理   机器学习  

摘要： 目的：探究非小细胞肺癌（NSCLC）中肺腺癌应用QuPath识别和量化肿瘤细胞与病理医生手动评估的一致性，以提高准确度和工作效率。方法：收集2021年2月至2022年4月襄阳市中心医院诊断NSCLC病例样本100例，样本HE染色玻片扫描为数字图像（WSI）。应用开源图像分析软件QuPath构建随机森林模型；自动计数感兴趣区域（ROI）内的各类细胞获得肿瘤细胞含量（TCC），计算类内相关系数（ICC）以衡量人工识别和自动识别TCC的区别；应用QuPath对人工标记和随机森林模型识别的肿瘤和非肿瘤细胞核相分析，采用受试者工作特征（ROC）曲线分析肿瘤细胞核相特征分类肿瘤细胞的贡献度。结果：应用QuPath构建肿瘤细胞识别模型，与人工评估TCC之间的一致性ICC=0.958；肿瘤细胞核相特征ROC曲线下面积（AUC）为99.5%，核苏木精平均光密度（NHMOD）是区分肿瘤细胞最佳的核相特征。结论：QuPath构建的随机森林模型能较准确地评估数字病理图像的TCC，降低手动评估差异性，为肿瘤预后评估提供依据。

关键词： 智能制造   企业破产风险   工业机器人应用   企业价值  

摘要： 智能制造是推动我国制造业转型升级和实现新型工业化的关键路径，随着智能制造发展战略的持续推进，其引发的经济效应已成为政学商界广泛关注的议题。本文深入探究了以工业机器人应用为代表的智能制造对企业破产风险的影响及作用机制。结果表明，工业机器人应用显著抑制了企业破产风险。机制检验发现，工业机器人应用能够通过发挥供应链融资效应和双元创新效应，从而抑制企业的破产风险。异质性分析发现，在非国有企业、市场压力较大、生态支持力度较强的样本中，工业机器人应用更加有利于抑制企业破产风险。基于经济后果的检验发现，工业机器人应用在抑制企业破产风险后，进一步有效提升了企业价值。

关键词： 蛋白质重组表达   序列优化   表达预测模型   序列生成模型   机器学习  

摘要： 蛋白质重组表达是生物工程研究与应用的一个关键环节，实现蛋白质高水平、高活性表达具有重要的理论价值与实践意义。长期以来，对蛋白质重组表达水平的优化大多聚焦于考察和优化重组表达体系构成、重组工程菌的培养条件及诱导条件等外部因素，对蛋白质编码序列、调控序列等内部因素的研究相对较少。随着生物信息学、计算生物学与人工智能技术的快速发展与深度融合，人们尝试利用机器学习方法构建蛋白质表达水平预测模型或蛋白质序列生成模型，再基于模型进行蛋白质序列的智能优化或从头设计。这种策略不仅能有效提升蛋白质重组表达序列优化的精准度和效率，还能为深入解析蛋白质表达水平调控机制提供新的研究视角，因而引起了众多研究者的关注和重视。总结了近年来机器学习在蛋白质重组表达序列优化与设计领域的最新研究进展，重点分析讨论了代表性机器学习模型的构建方法与序列优化策略，以及如何突破训练数据的局限性、提升模型可解释性等有待解决的关键问题。