• 基于机器学习的三维颅骨及分区形态特征性别鉴定新方法

  在法医人类学领域，骨骼遗骸的性别鉴定是身份识别的首要步骤。尽管骨盆一直是性别鉴定的黄金标准，但颅骨因其显著的性二态特征（sexual dimorphism）和较高的保存率，成为重要的补充鉴定依据。传统方法依赖专家肉眼观察或手动测量特定解剖标志点，不仅主观性强，且效率低下。随着计算机断层扫描（CT）和三维建模技术的发展，几何形态测量学（geometric morphometrics）为颅骨分析提供了新思路，但如何从复杂的三维数据中提取有效特征仍是挑战。为突破这一瓶颈，某研究机构团队在《Forensic Science International》发表研究，创新性地将机器学习（ML）与三维形态分析

  来源：Forensic Science International

  时间：2025-06-16

• 提升牙釉质碳酸盐稳定同位素分析(δ13C, δ18O)的实验室间可比性：方法学优化与验证

  在考古学和法医学领域，牙釉质碳酸盐的碳氧稳定同位素(δ13C, δ18O)分析已成为重建古人类饮食、迁徙及环境特征的核心技术。然而，这项技术的应用正面临一个尴尬的现实：尽管相关研究已有数十年历史，全球实验室仍采用差异显著的样本预处理和分析流程——从化学处理去除有机物的激烈手段，到酸反应温度的选择（25°C至90°C不等），甚至是否烘烤除湿等细节都缺乏统一标准。这种"方法丛林"现象导致不同实验室的数据如同方言般难以互通，严重阻碍了大型数据库（如IsoBank、IsoArcH）的整合应用。更严峻的是，在法医实践中，这种偏差可能直接影响司法鉴定的可靠性。为解决这一难题，美国国防部战俘及失踪人员统计署

  来源：Forensic Chemistry

  时间：2025-06-16

• 基于代理锚定对比学习与高斯回放的在线持续学习方法PACL+在传感器人体活动识别中的应用研究

  随着智能手环、运动传感器等可穿戴设备的普及，人体活动识别(HAR)技术已成为健康监测、工人安全等领域的重要工具。然而现实场景中，用户活动模式会动态变化——新用户加入、新动作出现，传统离线训练的HAR模型面临"学新忘旧"的困境。这种被称为"灾难性遗忘"的现象，使得系统在更新时需要重新训练全部数据，既耗费资源又难以满足实时性需求。为攻克这一难题，研究人员开发了名为PACL+的新型持续学习框架。该方法创造性地将代理锚定损失(Proxy Anchor Loss)与对比学习相结合，通过构建更优的潜在表征空间，使模型既能区分新旧动作，又能适应不同用户的运动特征差异。其核心创新在于采用高斯分布采样策略，从历

  来源：Expert Systems with Applications

  时间：2025-06-16

• 基于双层分数优化的电容层析成像强化学习方法：多源信息融合与自适应参数学习

  电容层析成像(ECT)作为一种非侵入式多相流参数测量技术，因其结构简单、成本低廉等优势被广泛应用于化工、能源等领域。然而，现有ECT技术面临两大核心挑战：重建图像与实际介质分布存在显著差异，以及传统算法对噪声敏感且缺乏自适应能力。前者源于逆问题的病态特性，后者则因固定参数模型难以适应复杂场景。尽管基于学习的方法如深度学习(DCNN)能自动提取特征，但存在过拟合风险；而基于物理机制的正则化方法虽具理论严谨性，却受限于假设的简化性。如何融合两类方法的优势，成为突破技术瓶颈的关键。中国某研究团队在《Expert Systems with Applications》发表的研究中，创新性地将ECT图像重

  来源：Expert Systems with Applications

  时间：2025-06-16

• 基于遗传优化联邦学习的卫星网络异常检测方法研究

  随着全球加速迈向6G时代，卫星互联网因其广域覆盖能力成为天地一体化网络的核心组件。然而，卫星通信的开放信道特性使其面临电子干扰、数据窃取等新型威胁，传统检测方法难以捕捉复杂的时空攻击模式，而集中式机器学习又存在数据孤岛与隐私泄露风险。更棘手的是，现有联邦学习框架在卫星网络异构环境中面临客户端资源分配不均、通信开销过大等挑战，亟需一种兼顾效率与安全的智能检测方案。长春大学科学技术学院的研究团队在《Expert Systems with Applications》发表的研究中，创新性地提出FLOGA-AD框架。该研究通过三项核心技术突破：1) 采用卷积视觉变换器(CvT)与长短期记忆网络(LSTM

  来源：Expert Systems with Applications

  时间：2025-06-16

• 基于主动学习的预训练数据去重模型：语义级重复识别的创新方法

  在大数据爆炸式增长的时代，数据质量已成为制约数据价值挖掘的关键瓶颈。其中，重复数据问题尤为突出——据估算，企业数据仓库中平均15%-20%为冗余数据，每年造成高达数百万美元的存储浪费。更严重的是，传统基于字面相似度的去重方法（如模糊匹配）难以应对语义层面的重复问题：例如《数据库系统概念》第三版与第四版虽文本相似却非重复，而"冠心病"与"冠状动脉粥样硬化性心脏病"虽表述迥异实为同一概念。这种语义鸿沟使得现有方法在医疗健康、金融等领域的结构化数据处理中捉襟见肘。针对这一挑战，中国科学院团队在《Expert Systems with Applications》发表的研究中，开创性地提出基于主动学习(

  来源：Expert Systems with Applications

  时间：2025-06-16

• 基于聚类与进化多目标优化的最大相关多样性多视频摘要生成方法

  随着社交媒体和监控网络的普及，全球视频数据量呈指数级增长。YouTube每分钟上传超过500小时视频，多摄像头监控系统每天产生海量冗余内容，传统人工处理方式已无法应对。多视频摘要技术旨在从多个相关视频中提取关键片段生成紧凑摘要，但现有方法面临视角差异、时序冗余和内容多样性不足等挑战。为此，Aziz M. Qaroush团队在《Expert Systems with Applications》发表研究，提出最大相关多样性感知框架。该方法首先使用I3D CNN（Inflated 3D Convolutional Network）提取视频片段的时空特征，通过聚类消除冗余并选取代表片段，再采用NSGA

  来源：Expert Systems with Applications

  时间：2025-06-16

• 基于机器学习的NTFS日志文件时间戳篡改检测方法及其在数字取证中的应用

  在数字取证领域，时间线分析是重构攻击事件链的核心手段，而文件时间戳（Timestamp）作为关键元数据，常被攻击者通过"时间戳伪造（Timestomping）"技术篡改以掩盖痕迹。尽管基于NTFS日志（LogFile/UsnJrnl）的检测方法能直接捕获篡改行为，但现有技术因依赖有限实验环境且误报率（False Positive）高达30-40%，难以投入实战应用。这一瓶颈促使研究人员探索更智能的解决方案。为突破技术壁垒，某研究团队在《Expert Systems with Applications》发表论文，创新性地将机器学习引入NTFS日志分析。研究选取UsnJrnl作为主要数据源（其数据

  来源：Expert Systems with Applications

  时间：2025-06-16

• 基于自适应头部识别与无监督聚类的协议逆向工程增强方法

  随着物联网(IoT)和工业控制系统(ICS)的快速发展，大量私有协议因缺乏公开文档成为网络安全分析的盲区。恶意流量常利用这类协议规避检测，而传统协议逆向工程(PRE)方法面临两大瓶颈：一是载荷字段的动态变化干扰消息相似性计算（C1问题），二是基于全样本距离矩阵的聚类算法存在O(N2)计算复杂度（C2问题）。这些问题导致现有工具如Netzob和NEMETYL在消息类型识别的同质性指标上最高仅达0.73。针对上述挑战，某大学研究团队在《Expert Systems with Applications》发表的研究提出创新性解决方案。该工作首次将变点检测算法应用于协议头部自适应识别，通过监测字节偏移量

  来源：Expert Systems with Applications

  时间：2025-06-16

• 综述：质子陶瓷电池中漫反射红外傅里叶变换光谱技术（DRIFTS）的综合评述：现状与未来展望

  质子陶瓷电池与DRIFTS技术的融合质子陶瓷电池（PCCs）作为中温（300–600°C）能源转换器件，兼具燃料灵活性（如H2/CH4）和低排放优势。其核心组件包括三传导氧电极（H+/O2−/e−）、质子电解质（如BaZr0.8Y0.2O3−δ）和金属陶瓷氢电极（如Ni-BZY）。DRIFTS技术通过红外振动光谱（4000–400 cm−1）实时监测表面物种，例如羟基伸缩振动（3800–3200 cm−1）反映质子水合行为，为材料优化提供直接证据。氧电极：质子捕获与掺杂效应三传导氧电极（如PrNi0.5Co0.5O3−δ）的性能依赖质子捕获能力。Zn或Cs掺杂可显著增强PrBaCo2O5+δ（

  来源：eScience

  时间：2025-06-16

• 基于实例选择的高维数据分类新型过滤方法研究

  在人工智能和机器学习领域，高维数据分类一直面临严峻挑战。随着数据维度不断攀升，噪声实例对特征相关性评估的干扰日益凸显。传统特征选择方法如过滤法(Filter)、包装法(Wrapper)在处理混合类型特征时，往往因噪声实例存在导致排序偏差，进而影响后续建模效果。更棘手的是，当数据集规模扩大时，遗传算法(GA)等实例选择技术的收敛速度显著下降。这些问题严重制约了高维数据分析的准确性和效率，亟需开发新型特征选择框架。为攻克这些难题，研究人员开发了基于实例选择的特征排序方法RIS。该方法创新性地将模糊C均值(FCM)聚类与遗传算法相结合，通过智能筛选实例子集来消除噪声干扰。研究团队在《Engineer

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-16

• 机器学习驱动的网络入侵检测系统预处理方法标准化评估与优化策略

  在网络安全领域，机器学习驱动的网络入侵检测系统(NIDS)已成为防御网络攻击的重要防线。然而令人惊讶的是，尽管研究者们使用着相同的基准数据集和模型架构，不同研究报道的性能指标却存在显著差异。这种"同源不同果"的现象背后，隐藏着一个长期被忽视的关键环节——数据预处理。现有文献调查显示，66%的研究甚至未详细说明其预处理方法，而采用不同预处理技术的研究之间准确率差异最高可达11%，这严重阻碍了研究成果的可比性和可复现性。针对这一领域痛点，来自未知机构的研究团队在《Engineering Applications of Artificial Intelligence》发表了一项开创性研究。研究人员系

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-16

• 基于模糊蕴涵粒度的多粒度特征选择方法研究及其在复杂数据分类中的应用

  在当今大数据时代，医疗健康、金融风控等领域产生的数据往往具有高维度、多尺度、混合类型的特点，这些复杂数据中普遍存在大量冗余特征，严重影响机器学习模型的训练效率和分类精度。传统粗糙集(RS)方法只能处理清晰边界的数据，而现实数据常伴随模糊性和不确定性。模糊粗糙集(FRS)虽能弥补这一缺陷，但在特征选择过程中仍面临粒度划分单一、相关性评估不全面等问题。针对这些挑战，Shaowei Yan等研究者创新性地提出基于模糊蕴涵粒度的特征选择方法(FIGFS)。该方法首先通过样本分布状态自适应确定模糊邻域半径，构建多粒度信息粒，进而建立模糊蕴涵熵系列指标量化特征不确定性。研究团队还提出全局与局部双重视角的粒

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-16

• 基于关节误差补偿的焊接机器人绝对定位精度提升方法

  在机械制造领域，焊接任务正以前所未有的速度增长。焊接机器人凭借其高自由度、大工作空间和低成本等优势，显著提升了生产效率、质量稳定性和操作人员的工作环境。然而，尽管工业机器人具有极高的重复定位精度（小于0.1 mm），但由于相对较低的刚度导致的关节运动误差，使得末端执行器的绝对定位偏差较大（通常超过1 mm），这严重限制了机器人在离线编程焊接中的应用。传统示教再现编程方式下，机器人的高重复性尚能满足焊接场景需求。但随着离线仿真与计算机辅助设计方法的集成发展，离线编程在机器人焊接中日益普及，机器人绝对定位精度不足的问题愈发凸显。影响串联工业机器人定位精度的因素可分为几何误差（运动学参数误差）和非几

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-16

• 基于Transformer跨任务交互的点云基元分割方法TCIPS及其在三维对象处理中的应用

  随着三维扫描技术的普及，点云基元分割（将三维模型分解为平面、球体等几何基元）在逆向工程和智能制造中愈发重要。传统RANSAC方法依赖人工调参，而现有深度学习方法因卷积操作的局限性，难以捕捉跨任务的全局空间关系。针对这一瓶颈，中国科学院合肥物质科学研究院远程操作团队提出创新性解决方案——基于Transformer的跨任务交互基元分割方法TCIPS。该研究首先构建包含中心偏移预测和区域纯度预测的辅助任务体系，利用现有实例标注生成监督信号，无需额外标注。核心创新是设计跨任务Transformer融合模块(CTF)，通过特征融合块(MHSA机制)建模全局空间关系，任务查询块则实现特征精炼。在ABCPa

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-16

• MemMambaAD：基于记忆增强状态空间模型的多变量时序异常检测方法及其在工业安全中的应用

  随着工业物联网和传感器技术的普及，多变量时间序列异常检测成为保障设备安全运行的关键技术。然而，现有方法面临三大挑战：重建模型易过拟合导致异常漏检、时间序列原型特征提取不充分、记忆模块存储模式不精准。这些问题在氢能源等高风险场景中可能引发严重安全事故。传统Transformer架构虽能建模全局依赖，但存在计算复杂度高、局部特征捕获不足等缺陷，而记忆模块的静态更新机制难以适应复杂时序模式。为解决这些难题，中国科学院团队在《Engineering Applications of Artificial Intelligence》发表研究，提出MemMambaAD模型。该研究创新性地融合状态空间模型（S

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-16

• 基于双通道特征增强架构的机器人高精度视觉压力感知方法

  在机器人执行精密操作任务时，接触压力的精确感知直接关系到抓取成功率和对象完整性。传统基于MEMS（微机电系统）的触觉传感器虽能提供直接测量，却受限于曲面贴合性、材料顺应性和机械磨损等问题。尤其当处理微小按钮按压或易碎物品抓取时，夹爪微小形变导致的压力分布变化可能引发操作失败，这促使研究者寻求非接触式的视觉解决方案。上海某研究机构团队在《Engineering Applications of Artificial Intelligence》发表的研究中，创新性地将高分辨率视觉与人工智能技术结合，开发出HiVPE（高精度视觉压力估计）系统。该系统采用眼在手（eye-in-hand）相机配置，通过双

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-16

• 基于关键点检测的指针式仪表智能读数方法：GGNet模型在有限可见性场景下的高精度应用

  在智能电网快速发展的背景下，配电室作为电力系统的关键节点，其设备监测的自动化需求日益凸显。指针式仪表因其抗干扰能力强、结构简单等优势，仍是配电室的主流监测设备。然而，这些仪表依赖人工读数，不仅效率低下，还存在安全隐患。更棘手的是，实际环境中仪表常因液体反光、拍摄角度等问题出现刻度扭曲和可见性受限，传统基于霍夫变换的方法难以应对。为解决这一难题，中国国家电网公司某变电站的研究团队提出了一种创新性的解决方案——基于全局几何网络(GGNet)的指针式仪表关键点检测方法。该研究发表在《Engineering Applications of Artificial Intelligence》上，通过深度学

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-06-16

• 超声心动图无创评估肺动脉楔压的新方法：无需左心房容积信息的诊断与预后价值研究

  在心血管疾病诊疗领域，准确评估左心室充盈压力对心衰患者的诊断和治疗至关重要。目前金标准的右心导管检查(RHC)虽能直接测量肺动脉楔压(PAWP)，但其有创性限制了临床应用。超声心动图作为无创检查手段，现有评估方法主要依赖左心房容积(LAVI)参数，但LAVI反映的是长期压力负荷变化，可能无法及时反映PAWP的动态改变，且在房颤等疾病中可能出现假阳性结果。这些局限性促使临床亟需开发更精准的无创评估方法。瑞典隆德大学Thomas Lindow领衔的国际研究团队在《European Heart Journal - Imaging Methods and Practice》发表重要研究，通过分析来自瑞

  来源：European Heart Journal - Imaging Methods and Practice

  时间：2025-06-16

• 锌改性生物炭电容去离子技术高效选择性回收电子废弃物浸出液中贵金属

  随着全球电子废弃物年产量突破5000万吨，如何高效回收其中的金、银等贵金属成为资源循环与环境保护的双重挑战。传统化学沉淀法不仅能耗高，且难以从含铅、铜等重金属的复杂浸出液中选择性提取贵金属，而电容去离子技术（Capacitive Deionization, CDI）因其低能耗、可循环特性被视为潜在解决方案。然而，常规碳基电极材料对贵金属的选择性吸附能力不足，且存在制备成本高、稳定性差等问题。针对这一瓶颈，国家自然科学基金资助项目团队在《Desalination》发表研究，创新性地将锌改性生物炭应用于CDI系统，实现了电子废弃物浸出液中银、金离子的高效靶向回收。研究团队采用ZnCl2热解修饰核桃

  来源：Desalination

  时间：2025-06-16

知名企业招聘：