目的:基于专利引文网络探索类器官领域的技术发展主路径。方法:本研究通过构建类器官领域的专利引文网络,采用搜索路径连接数算法(search path link count,SPLC)计算遍历权重,对类器官领域开展主路径分析,探索该领域的技术发展轨迹。结...目的:基于专利引文网络探索类器官领域的技术发展主路径。方法:本研究通过构建类器官领域的专利引文网络,采用搜索路径连接数算法(search path link count,SPLC)计算遍历权重,对类器官领域开展主路径分析,探索该领域的技术发展轨迹。结果:类器官领域共有专利申请2 250项,包含专利引文12 722件;专利申请数量逐年增长,技术开发聚焦于疾病模型、药物筛选、细胞培养及器官芯片等方向。主路径分析显示,全局主路径上专利数量最多,有12件,包含1条技术路线,全局关键路径主路径与全局主路径一致;局部前向主路径上有10件专利,包含1条技术路线;这2条技术路线反映出中国类器官领域的技术发展轨迹,中国技术创新聚焦于基于肿瘤类器官技术的疾病机制研究、基于肺癌类器官模型的疾病机制研究、肺癌类器官模型的开发与优化。局部后向主路径上有9件专利,包含2条技术路线,局部关键路径主路径与局部后向主路径一致;这2条技术路线反映出美国类器官领域的技术发展轨迹,技术创新聚焦于胃肠道类器官培养与疾病模型研究、干细胞驱动的器官功能修复技术、细胞移植与器官再生。结论:本研究通过类器官领域的专利主路径分析,识别技术发展轨迹,从情报学角度为类器官研发提供信息支撑。展开更多
文摘在高压并联电抗器声纹信号监测系统中,长时海量无标签声纹的高维非平稳性导致特征提取困难、无监督聚类适应性差。由此提出了一种基于深度自适应K-means++算法(deep adaptive K-means++clustering algorithm,DAKCA)的750 kV电抗器声纹聚类方法。首先通过采用两阶段无监督策略微调的改进堆叠稀疏自编码器(stacked sparse autoencoder,SSAE),对快速傅里叶变换后的归一化频域数据提取电抗器原始声纹32维深度特征。进一步提出了依据最近邻聚类有效性指标(clustering validation index based on nearest neighbors,CVNN)的自适应K-means++聚类算法,构建了能自适应确定最优聚类个数的电抗器声纹聚类模型。最后通过西北地区某750 kV电抗器实测声纹数据集进行了验证。结果表明,DAKCA算法对无标签声纹数据在不同样本均衡程度下能够稳定提取32维深度特征,并实现最优聚类,为直接高效利用电抗器无标签声纹数据提供了参考。
