硒作为人体必需微量元素,在抗氧化、心血管保护、免疫增强及癌症预防等生理功能中具有关键作用。针对我国72%土壤缺硒的现状,通过作物施硒转化为有机硒是安全经济的补硒途径。本研究系统评估施硒对水稻、小麦、玉米的增产提质效应,为科...硒作为人体必需微量元素,在抗氧化、心血管保护、免疫增强及癌症预防等生理功能中具有关键作用。针对我国72%土壤缺硒的现状,通过作物施硒转化为有机硒是安全经济的补硒途径。本研究系统评估施硒对水稻、小麦、玉米的增产提质效应,为科学施硒提供理论依据。研究收集2013—2024年中国知网、维普、万方、Web of Science及PubMed数据库中134篇田间试验文献,以“硒”“小麦/玉米/水稻”“产量”为关键词,采用响应比自然对数(lnR)作为效应值进行Meta分析,借助Microsoft Office、Get Data Graph Digitizer、MetaWin 2.1等软件处理数据。施硒总体使水稻、小麦、玉米增产5.41%(95%CI:4.74%—6.08%,P_(Q)<0.01),其中小麦和水稻增产显著,分别提升8.72%(95%CI:7.69%—9.75%)和6.35%(95%CI:6.34%—7.71%),玉米增产不明显,效应值仅为0.46%(95%CI:-0.71%—1.63%)且lnR的95%置信区间下限小于0;施硒显著提升籽粒硒含量(164.09%,95%CI:156.15%—169.21%,P_(Q)<0.01),玉米提升效果最佳,效应值为172.97%(95%CI:164.55%—181.39%,P_(Q)<0.01);籽粒淀粉含量提质效应为2.39%(置信区间1.71%—3.06%,P_(Q)<0.05),仅玉米达到显著水平,效应值为3.87%(95%CI:2.86%—4.88%);籽粒蛋白质含量提质有正效应且效应值为4.99%(95%CI:3.78%—6.2%,P_(Q)>0.05),其中玉米最显著,效应值为8.90%(95%CI:4.45%—9.17%)。不同作物在施硒方式、地区和土壤硒含量等因素影响下表现各异。施硒对三种作物产量、硒含量、淀粉和蛋白质含量均有较大影响,是提升作物品质和产量的有效手段,但需依作物种类、地区和土壤条件优化施硒策略,保障人体硒营养摄入和农业优质高产。展开更多
逻辑回归是一种广泛应用于现实分类任务的机器学习模型。随着数据孤岛问题的涌现,如何针对多参与主体非贯通数据联合构建逻辑回归模型成为一个关键问题。纵向联邦学习可实现数据明文不暴露前提下多主体跨样本特征的联合机器学习模型训...逻辑回归是一种广泛应用于现实分类任务的机器学习模型。随着数据孤岛问题的涌现,如何针对多参与主体非贯通数据联合构建逻辑回归模型成为一个关键问题。纵向联邦学习可实现数据明文不暴露前提下多主体跨样本特征的联合机器学习模型训练。然而,现有纵向联邦逻辑回归方法主要基于同态加密技术,具有计算和通信开销大的短板。针对逻辑回归模型,研究安全高效的纵向联邦学习算法,目标实现数据隐私保护和模型学习效率的较优权衡。具体地,基于秘密共享提出了一种面向逻辑回归模型的高效率纵向联邦学习算法(Vertical Federated Logistic Regression algorithm based on Secret Sharing, VFLR-SS),通过将跨域分析过程中的中间数据随机分解为多个秘密份额进行交互从而实现隐私保护,同时避免了同态加密引发的计算和通信开销。对VFLR-SS的安全性进行了分析,并基于真实数据对算法进行了验证。实验结果表明VFLR-SS可实现与集中式逻辑回归算法可比的效用和性能,大幅降低了传统同态加密方法中的计算及通信开销。展开更多
在可再生能源和电动汽车高渗透率“双高”背景下,电网供需不确定性显著上升,亟须新的规划与调度策略以保障运行稳定。为此提出一种基于数据驱动的多源融合方法,构建充电需求预测模型,实现充电设施布局与动态充放电策略的联合优化。以Ope...在可再生能源和电动汽车高渗透率“双高”背景下,电网供需不确定性显著上升,亟须新的规划与调度策略以保障运行稳定。为此提出一种基于数据驱动的多源融合方法,构建充电需求预测模型,实现充电设施布局与动态充放电策略的联合优化。以Open配电系统仿真器(Open distribution system simulator,OpenDSS)平台为载体,对一个典型配电网络进行建模与仿真。研究结果表明,所提方法能够有效降低电网峰谷差,提升电网运行稳定性及充电设施利用率,并降低用户充电等待时间。展开更多
近年来,黑客攻击、网络钓鱼、勒索病毒等事件频发,使得区块链交易异常检测成为当前研究的热点之一。XGBoost作为一种基于梯度提升框架的机器学习算法,可灵活地处理数据特征,不仅关注模型的预测误差,还考虑了每个样本的相对重要性。在前...近年来,黑客攻击、网络钓鱼、勒索病毒等事件频发,使得区块链交易异常检测成为当前研究的热点之一。XGBoost作为一种基于梯度提升框架的机器学习算法,可灵活地处理数据特征,不仅关注模型的预测误差,还考虑了每个样本的相对重要性。在前人区块链交易异常检测研究的基础上,将XGBoost与随机森林算法相结合,提出了基于XGBoost和随机森林的区块链异常交易检测模型(Blockchain Anomalous Transaction Detection Based on XGBoost and Random Forests,BATD_XRF)。模型分为数据特征处理、特征选择、分类检测3个模块,选取Elliptic Data Set、Bitcoin Alpha Dataset和Bitcoin OTC Trust Network Dataset数据集,使用主成分分析方法对数据进行二分类。特征选择过程中通过Gini Mean Decrease计算平均递减量,进一步确定特征的相对重要性。分类检测过程中提出网络搜索参数调优算法,并进行10倍交叉验证。最终通过与其他模型的对比实验,证明了所提模型在区块链交易异常检测中的准确性更高,训练时间更短。展开更多
文摘硒作为人体必需微量元素,在抗氧化、心血管保护、免疫增强及癌症预防等生理功能中具有关键作用。针对我国72%土壤缺硒的现状,通过作物施硒转化为有机硒是安全经济的补硒途径。本研究系统评估施硒对水稻、小麦、玉米的增产提质效应,为科学施硒提供理论依据。研究收集2013—2024年中国知网、维普、万方、Web of Science及PubMed数据库中134篇田间试验文献,以“硒”“小麦/玉米/水稻”“产量”为关键词,采用响应比自然对数(lnR)作为效应值进行Meta分析,借助Microsoft Office、Get Data Graph Digitizer、MetaWin 2.1等软件处理数据。施硒总体使水稻、小麦、玉米增产5.41%(95%CI:4.74%—6.08%,P_(Q)<0.01),其中小麦和水稻增产显著,分别提升8.72%(95%CI:7.69%—9.75%)和6.35%(95%CI:6.34%—7.71%),玉米增产不明显,效应值仅为0.46%(95%CI:-0.71%—1.63%)且lnR的95%置信区间下限小于0;施硒显著提升籽粒硒含量(164.09%,95%CI:156.15%—169.21%,P_(Q)<0.01),玉米提升效果最佳,效应值为172.97%(95%CI:164.55%—181.39%,P_(Q)<0.01);籽粒淀粉含量提质效应为2.39%(置信区间1.71%—3.06%,P_(Q)<0.05),仅玉米达到显著水平,效应值为3.87%(95%CI:2.86%—4.88%);籽粒蛋白质含量提质有正效应且效应值为4.99%(95%CI:3.78%—6.2%,P_(Q)>0.05),其中玉米最显著,效应值为8.90%(95%CI:4.45%—9.17%)。不同作物在施硒方式、地区和土壤硒含量等因素影响下表现各异。施硒对三种作物产量、硒含量、淀粉和蛋白质含量均有较大影响,是提升作物品质和产量的有效手段,但需依作物种类、地区和土壤条件优化施硒策略,保障人体硒营养摄入和农业优质高产。
文摘逻辑回归是一种广泛应用于现实分类任务的机器学习模型。随着数据孤岛问题的涌现,如何针对多参与主体非贯通数据联合构建逻辑回归模型成为一个关键问题。纵向联邦学习可实现数据明文不暴露前提下多主体跨样本特征的联合机器学习模型训练。然而,现有纵向联邦逻辑回归方法主要基于同态加密技术,具有计算和通信开销大的短板。针对逻辑回归模型,研究安全高效的纵向联邦学习算法,目标实现数据隐私保护和模型学习效率的较优权衡。具体地,基于秘密共享提出了一种面向逻辑回归模型的高效率纵向联邦学习算法(Vertical Federated Logistic Regression algorithm based on Secret Sharing, VFLR-SS),通过将跨域分析过程中的中间数据随机分解为多个秘密份额进行交互从而实现隐私保护,同时避免了同态加密引发的计算和通信开销。对VFLR-SS的安全性进行了分析,并基于真实数据对算法进行了验证。实验结果表明VFLR-SS可实现与集中式逻辑回归算法可比的效用和性能,大幅降低了传统同态加密方法中的计算及通信开销。
文摘在可再生能源和电动汽车高渗透率“双高”背景下,电网供需不确定性显著上升,亟须新的规划与调度策略以保障运行稳定。为此提出一种基于数据驱动的多源融合方法,构建充电需求预测模型,实现充电设施布局与动态充放电策略的联合优化。以Open配电系统仿真器(Open distribution system simulator,OpenDSS)平台为载体,对一个典型配电网络进行建模与仿真。研究结果表明,所提方法能够有效降低电网峰谷差,提升电网运行稳定性及充电设施利用率,并降低用户充电等待时间。
文摘近年来,黑客攻击、网络钓鱼、勒索病毒等事件频发,使得区块链交易异常检测成为当前研究的热点之一。XGBoost作为一种基于梯度提升框架的机器学习算法,可灵活地处理数据特征,不仅关注模型的预测误差,还考虑了每个样本的相对重要性。在前人区块链交易异常检测研究的基础上,将XGBoost与随机森林算法相结合,提出了基于XGBoost和随机森林的区块链异常交易检测模型(Blockchain Anomalous Transaction Detection Based on XGBoost and Random Forests,BATD_XRF)。模型分为数据特征处理、特征选择、分类检测3个模块,选取Elliptic Data Set、Bitcoin Alpha Dataset和Bitcoin OTC Trust Network Dataset数据集,使用主成分分析方法对数据进行二分类。特征选择过程中通过Gini Mean Decrease计算平均递减量,进一步确定特征的相对重要性。分类检测过程中提出网络搜索参数调优算法,并进行10倍交叉验证。最终通过与其他模型的对比实验,证明了所提模型在区块链交易异常检测中的准确性更高,训练时间更短。
