聚合物纳米复合电介质

聚合物纳米复合材料能够发挥纳米材料在电、磁、光等方面的优越性,也具有聚合物的易成型等方面的优点,正成为电介质领域研究的热点.本文综述了聚合物纳米复合材料在介电性能方面的研究概况,主要涉及了电导、介电强度与空间电荷、介电常数、介电损耗以及局部放电等方面的研究.最后展望了今后的研究方向.     

RBF-PU方法求解二维非局部扩散问题和近场动力学问题

采用单位分解径向基函数(radial basis function partition of unity,RBF-PU)方法,数值求解了二维非局部扩散问题和近场动力学问题。主要思想是对求解区域进行局部划分,在局部子区域上分别进行函数逼近,然后加权得到未知函数的全局逼近。这种基于方程强形式的径向基函数方法在求解非局部问题时,不需要处理网格与球形邻域求交的问题,避免了额外的一层积分计算,实施简便,计算量小。数值实验显示计算结果与解析解吻合较好,RBF-PU方法可以准确有效地求解非局部扩散方程和近场动力学方程。     

导数振荡与应变能极小的平面分段三次参数Hermite插值

由于分段三次参数Hermite插值的切矢往往被作为变量,故可对其进行优化以使得构造的插值曲线满足特定的要求.为了构造兼具保形性与光顺性的平面分段三次参数Hermite插值曲线,给出了一种通过同时极小化导数振荡和应变能来确定切矢的方法.首先以导数振荡函数和应变能函数为双目标建立了切矢满足的方程系统;然后证明了方程系统存在唯一解,并给出了解的具体表达式;最后给出了误差分析,并通过数值算例表明方法的有效性.结果表明,相对于导数振荡极小化方法和应变能极小化方法,所提出的导数振荡和应变能极小化方法同时兼顾了平面分段三次参数Hermite插值曲线的保形性和光顺性.     

简单1维数字流形的积空间中数字复叠的笛卡尔积的Deck变换群

首先提出了简单1维数字流形的概念,接着研究了简单1维数字流形的具有C-相容邻接关系的笛卡尔积空间中的数字图像.进一步,为了研究数字复叠的笛卡尔积的Deck变换群,利用半径2-(k_(i2),k_(i1))-局部同胚的性质来体现数字复叠的笛卡尔积的Deck变换群在从数字拓扑的角度来比较数字积空间时的优势.此外,通过强调C-相容的必要性修正了文献(Han S E.Comparison among digital fundamental groups and its applications[J].Information Sciences,2008,178(8):2091-2104)中的一个错误.利用本文的方法,可以从本质上区分数字积图像,从而使得数字图像的研究内容更加丰富.     

Z~d-作用下的Bowen拓扑熵理论

在Z~d-作用下定义了Bowen维数熵,研究了Z~d-作用下Bowen维数熵的一些性质,证明了X中的任意子集的Bowen维数熵可以通过该子集中的点的测度下局部熵估计.     

插值矩阵法分析正交各向异性板切口应力奇异性

基于切口尖端附近区域位移场渐近展开,提出了分析正交各向异性复合材料板切口奇异性的新方法.将位移场的渐近展开式的典型项代入弹性板的基本方程,得到关于正交各向异性板切口奇异性指数的一组非线性常微分方程的特征值问题;再采用变量代换法,将非线性特征问题转化为线性特征问题,用插值矩阵法求解获得的正交各向异性板切口若干阶应力奇异性指数和相应特征函数.该法可由相应的特征角函数对板切口的平面应力和反平面奇异特征值加以区分,并将计算结果与现有结果对照,表明了该文方法的有效性.     

基于深度学习的人体行为识别算法

目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%.     

多圆孔周期性银膜阵列结构的光学特性

提出一种多圆孔周期性银膜阵列结构,并利用时域有限差分算法探究该结构的光学特性。计算结果表明,当线性偏振光入射时,该结构表面激发出表面等离激元,且纳米孔间产生了局部表面等离子体共振,使得该结构的异常透射增强。针对这一现象,通过对中心孔与边孔所呈角度、入射光偏振角度、结构参数(中心孔直径、边孔直径、结构厚度、边孔与中心孔的间距)的调控来实现结构光学透射属性的优化。此外,分析所提结构在不同环境折射率条件下透射峰的变化规律,发现该结构也对周围的环境折射率具有较高的敏感度。因此该结构在表面等离激元滤波器和折射率传感器中具有广泛的应用前景。     

基于多特征和改进稀疏表示的高光谱图像分类

为了实现对高光谱图像的分类,提出了一种基于多特征和改进稀疏表示的方法——MFISR。从高光谱图像中提取光谱特征、Gabor特征和局部二值模式(LBP)特征,求解稀疏系数,同时增加一个2范式约束,利用所得系数得到每个测试像素的最终类别标签。实验结果表明:所提MFISR方法对小样本的检测效果显著,分类性能稳定且较优。