一流本科数学课程双万计划建设的多级模糊综合评判模型及应用研究

基于当前高校办学定位和人才培养目标定位,建设适应创新型、复合型、应用型人才培养的需要,许多高校正进行双一流本科课程建设。模糊综合评判法,作为一种模糊数学评价方法,被用于各个领域,取得了很好的效果。本文将这种方法用于分析当前高校一流本科数学课程双万计划建设,并以华东交通大学信息与数学专业课程为例,得到了一些评判结果。实例分析表明该方法具有可行性与有效性。     

介绍一个与材料相关的研究型综合化学实验——壳聚糖的制备与表征

在中国科学技术大学夏季学期的研究型实验课程"化学科研基础训练"中开设"壳聚糖的制备与表征"综合实验,以龙虾壳为原料,通过除蛋白、脱盐、脱色、脱乙酰等一系列反应,制备得到目标产物壳聚糖。运用红外光谱、核磁共振仪、黏度法、滴定等对产品的结构及性能进行表征。     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

因素空间理论与知识表示的数学框架（Ⅷ）─—变权综合原理

本文是文［１－７］的继续，研究变权综合问题，从确定变权的经验公式入手引出了变权原理，给出了变权的公理化定义，讨论了与之有关的均衡函数及其梯度向量。     

谐和与随机噪声联合作用下Van der Pol-Duffing振子的参数主共振

研究了Van der Pol-Duffing振子在谐和与随机噪声联合激励下的参数主共振响应和稳定性问题。     

采用多元化的教学手段,提高物理人才的综合素质——南开大学物理学基础科学人才培养基地建设经验介绍

介绍了南开大学国家物理学基础科学研究人才培养基地在十多年的建设中,通过多元化的教学手段提高学生的学习自主性,通过加强科研训练提高物理人才综合素质的经验和取得的成果.     

可重构制造系统重组过程中设备选择模型的研究

根据生产任务选择加工设备进行制造资源重组是实现可重构制造系统的关键问题之一，由于设备的选择涉及到多种因素，既有定量指标，又有定性指标，传统的依靠人工经验的方法显得力不从心。本文首先结合实际情况，提出了一套设备选择评价体系，通过对模糊判断矩阵采用最小对数二乘法确定各评价因素的权重系数，针对定性指标和定量指标采用不同的方法确定其性能指标值，通过模糊积分对评判指标进行综合评判，最后进行了实例研究。所提出的方法有效地简化了决策过程，为可重构制造系统设备选择提供了一套行之有效的方法。     

实验研究二维圆柱后尾流中涡脱落的有序和混沌现象

本文给出了在Re=50—400范围内二维圆柱后涡脱落的有序和混沌现象的一些初步实验结果。涡脱落由有序到混沌的转捩发生在Re=184.6—193.5之间,但是它不是通过准周期途径。在涡脱落频率与Re数的关系曲线上有两个间断。在Re=70处的间断可能对应于倾斜涡脱落模式的变化,在Re≈193.5处的第二间断对应于由有序到混沌状态的转捩。     

中国股市长记忆的修正R/S分析

本文在比较各种长记忆检验方法优缺点的基础上,采用修正的R/S分析检验我国沪深两股市日收益和日绝对收益序列的长记忆性。结果表明在0.05的显著水平下,两股市的日收益序列均无长记忆,但深圳成指日收益序列的记忆长度比上证综指日收益序列的记忆长度长;以日绝对收益序列为代表的波动序列具有较强的长记忆性。