赵青
- 作品数：61 被引量：34H指数：3
- 供职机构：天津科技大学更多>>
- 发文基金：国家自然科学基金天津市自然科学基金中国科学院西部之光基金更多>>
- 相关领域：自动化与计算机技术天文地球医药卫生农业科学更多>>
- 基于Spark的大规模天文数据天区覆盖生成方法
- 本发明涉及一种基于Spark的大规模天文数据天区覆盖生成方法，其主要技术特点是：使用Spark的map算子并结合HEALPix层次化球面索引方法，根据赤经、赤纬信息对数据逐条进行分块索引；使用Spark的map算子，利用...
- 熊聪聪田祖宸赵青史艳翠王丹苏静
- 文献传递
- 一种用于纸质文本水印再加密的低成本便携打印机
- 本实用新型涉及一种用于纸质文本水印再加密的低成本便携打印机，包括进/出纸系统、驱动系统及控制主板，在控制主板上与总控制器连接设置一水印加密模块，该总控制器上还连接有光学传感器及浅色墨盒，该光学传感器分别连接进/出纸系统的...
- 赵希杨巨成赵婷婷赵青谢迎房姗姗李琼
- 文献传递
- 一种用于纸质文本水印解密认证的便携扫描仪
- 本实用新型涉及一种用于纸质文本水印解密认证的便携扫描仪，包括光学成像系统、机械传动系统及转换电路控制主板，光学成像系统及机械传动系统分别与转换电路控制主板连接，在转换电路控制主板的总控制器上连接一水印解密模块，在光学成像...
- 赵希杨巨成赵婷婷张传雷赵青张晓元董颂
- 文献传递
- 天文数据索引技术综述被引量：2
- 2017年
- 信息技术、制造技术的蓬勃发展为提高射电望远镜灵敏度和分辨率奠定了基础.随着观测设备接收面积的增大及多功能数字终端技术的发展,天文观测设备的数据收集能力也得到了大幅提升,天文数据已经进入了PB量级时代.然而海量的观测数据并非全部实现了全世界范围的开放共享.部分新投入或正在建设中的大型天文观测设备在设计过程中并没有充分考虑到数据管理问题;已有的观测数据采用离线存储在磁盘或磁带上没能实现数字化:发表的文章所用到的数据没有进行有效归档,使他人无法重复数据处理;部分国家或地区的网络限制使科研人员无法在线获取归档数据.本文以目前主流的单天线和阵列射电望远镜为基础,综述各观测设备现状及数据管理相关情况.以虚拟天文台相关协议标准为依据介绍如何通过最新的虚拟天文台(Virtual Observatory,VO)技术实现数据发布及无缝透明的资源连接与访问.分析了目前常用的索引技术B-Tree,R-Tree,HTM,HEALPix,Q3C的特点,最后给出针对新疆奇台110 m射电望远镜数据管理方面可选择的关键技术.
- 张海龙冶鑫晨赵青王杰王万琼托乎提努尔李慧娟
- 关键词：索引虚拟天文台射电望远镜
- 一种基于遗传算法改进的多模式污染物集成预报方法
- 本发明涉及一种基于遗传算法改进的多模式污染物集成预报方法，其主要技术特点是：对原始样本进行数据整理并处理极大、极小及缺失数据；对处理后的样本进行显著性检验，采用偏差、相关性选取单模式；引入遗传算子改进极限学习机；采用极限...
- 熊聪聪邓雪晨史艳翠张贤坤赵青
- 一种基于改进遗传算法的批处理科学工作流任务调度算法
- 本发明涉及一种基于改进遗传算法的批处理科学工作流任务调度算法，包括以下步骤：根据整数编码方式，生成初始种群；根据适应度函数值，不断进行遗传算法的交叉变异操作，淘汰劣质解，生成新的优质解；经过多次迭代根据适应度函数保留一个...
- 熊聪聪陈长博赵青
- 天文数据检索与发布综述被引量：9
- 2017年
- 海量观测数据及次生数据的高效存储与检索,天文大数据的快速及时处理,加速天文学研究的科学产出等问题,已成为天文观测和天文研究迫切需要解决的难题。以信息技术为支撑的天文大数据的高效分析和处理,帮助天文学家重新审视和了解宇宙。虚拟天文台的出现为全球范围内研究资源的无缝透明连接提供了协议、标准,以协议为基础规范了天文数据的发布与检索方式。以国内外现有的观测设备为基础,综述目前主流天文机构的数据发布与检索相关情况。
- 张海龙冶鑫晨李慧娟王杰王万琼托乎提努尔聂俊崔辰州刘梁谌俊毅陈肖薛岩松何勃亮李长华赵青肖健樊东卫曹子皇李珊珊米琳莹杨哲睿
- 关键词：观测数据虚拟天文台数据归档数据发布
- 一种云平台宽节点科学工作流的混合型调度方法及系统
- 本发明公开一种云平台宽节点科学工作流的混合型调度方法及系统。该方法包括：每个调度阶段初始化时，利用键能算法变换将任务构建成任务多层聚类树结构；在全局初始化阶段，利用键能算法变换和基本二叉多层划分将调度资源构建为云资源多层...
- 赵青陈亚瑞杨巨成张传雷赵婷婷孙迪刘建征吴超
- 文献传递
- 甲胎蛋白特异性结合多肽及应用
- 本发明涉及针对甲胎蛋白(alpha‑fetal protein，AFP)特异性结合多肽及其应用，属于生物技术领域。其中，所述多肽由葡萄球菌蛋白A(SPA)免疫球蛋白结合区域通过突变1‑20个氨基酸残基获得(多肽序列见SE...
- 赵青刁爱坡刘娟娟崔东旭
- 文献传递
- 基于CNN与LSTM复合深度模型的恒星光谱分类算法被引量：2
- 2024年
- 恒星光谱分类是天文学领域中非常重要的研究方向。随着科技的迅猛发展,大型巡天望远镜采集的恒星光谱数据已经达到了TB或甚至PB级别,传统的分类方法已经无法满足如此庞大数据量的处理需求。正确分类光谱对于研究恒星的物理性质以及演化过程具有重要意义。CNN通过卷积运算学习数据的局部特征,去除冗余信息,并通过最大池化运算对特征进行压缩。然而,由于原始CNN模型的全连接层缺乏长距离依赖挖掘的功能,如果加入LSTM网络,通过其独特的三个“门”的远距离依赖挖掘能力可提取的重要特征,并检测特征中的微小差异,恰好可以解决这个问题。因此,提出了一种基于CNN和LSTM复合的深度模型,用于对LAMOST DR8中的恒星光谱进行分类。这种模型能够更好地学习恒星光谱的特征,为恒星演化研究提供了重要的帮助。为了提高模型的收敛速度,使用了常见的Z-Score标准化方法对数据进行处理。提出的模型在F、G、K三分类实验中取得了94.56%的分类准确率。同时,与前人使用过的RBM、PILDNN、PILDNN、DBN、Inception v3、1D-SSCNN、LSTM方法进行对比,结果表明该方法具有更高的分类准确率。在十分类实验中,该方法取得了97.35%的准确率,并且相比于仅使用LSTM、1D-SSCNN方法的实验结果,该方法的结果更好,且训练时间减少了近十倍。使用F1-score对每类恒星光谱分类准确度进行说明,在三分类和十分类实验中,每类的F1值都在0.9以上。与前人在文献中的实验结果进行对比,该模型的结果更好。通过混淆矩阵的结果,可以得出该模型在光谱种类越多的实验中准确率越高,甚至可以达到100%。综上所述,所提出的基于CNN和LSTM相结合的模型可以有效地对大规模恒星光谱数据进行分类,并取得了优异的分类效果。
- 李浩赵青崔辰州樊东卫张成奎史艳翠王嫄
- 关键词：LAMOST卷积神经网络
