鲁棒稀疏重构问题的凝聚同伦算法

鲁棒稀疏重构问题是信号处理领域的重要问题,该问题的数学本质是一个NP难的数学优化问题.同伦算法是一类典型的路径跟踪算法,该算法是解非线性问题的一类成熟算法,具有全局收敛性,且易于并行实现.本文考虑同伦算法在鲁棒稀疏重构问题中的数值求解.基于l_∞范数及罚函数策略,我们首先将原始的基于l_0范数的最优化模型,转化为含参数的无约束极大极小值问题,进而构造凝聚函数光滑化模型中的极大值函数,并构造凝聚同伦算法数值求解.数值仿真实验验证了新方法的有效性,为大规模鲁棒重构问题的并行化数值求解奠定基础.     

AR(2)模型自相关函数计算公式的回顾

本文基于AR(2)模型的Yule-Walker方程组,利用二阶线性常系数递推关系的一般理论,导出了AR(2)过程自相关函数计算公式.     

通过宽线固体核磁共振氢谱研究半晶高分子的相结构

宽线固体核磁共振氢谱（¹H NMR）是一种研究半晶高分子相结构的经典方法.本文以半晶聚乙烯的宽线固体¹H NMR谱为例，探讨了通过Gaussian/Sinc、Gaussian和Lorentzian函数组合对宽线固体¹H NMR谱图进行拟合的方案，并根据半晶聚乙烯的相结构成分对拟合得到的各信号成分进行归属.并在此基础上探讨了各个相结构中分子链运动与信号线型的相关性，以及利用宽线固体¹H NMR谱测量半晶高分子结晶度存在的困难.     

Er3+单掺、Er3+/Yb3+共掺杂Ca12Al14O32F2的 制备及上转换发光性质

利用高温固相法成功制备了Er~(3+)单掺、Er~(3+)/Yb~(3+)共掺杂Ca_(12)Al_(14)O_(32)F_2上转换发光样品。在980 nm激光激发下,Er~(3+)单掺和Er~(3+)/Yb~(3+)共掺杂样品均呈现出较强的绿光(528,549 nm)和较弱的红光(655 nm)发射,分别归因于Er~(3+)离子的~2H_(11/2),~4S_(3/2)→~4I_(15/2)和~4F_(9/2)→~4I_(15/2)能级跃迁。随着Er离子浓度的增加,单掺杂样品上转换发光强度先增大后减小,最佳掺杂浓度为0.8%。共掺杂Yb~(3+)后,Er~(3+)的发光强度明显增大。还原气氛下合成的样品上转换发光强度增大约两倍,可能和笼中阴离子基团变化有关。发光强度和激发光功率的关系表明所得上转换发射为双光子吸收过程,借助Er~(3+)-Yb~(3+)体系能级结构详细讨论了上转换发射的跃迁机制。     

求解定常不可压Stokes方程的两层罚函数方法

借助于两套有限元网格空间提出了一种求解定常不可压Stokes方程的两层罚函数方法.该方法只需要求解粗网格空间上的Stokes方程和细网格空间上的两个易于求解的罚参数方程（离散后的线性方程组具有相同的对称正定系数矩阵）.收敛性分析表明粗网格空间相对于细网格空间可以选择很小，并且罚参数的选取只与粗网格步长和问题的正则性有关.因此罚参数不必选择很小仍能够得到最优解.最后通过数值算例验证了上述理论结果，并且数值对比可知两层罚函数方法对于求解定常不可压Stokes方程具有很好的效果.     

基于Deep-IndRNN的DGA域名检测方法

恶意服务常利用域名生成算法（DGA）逃避域名检测,针对DGA域名隐蔽性强、现有检测方法检测速度较慢、实用性不强等问题,采用深度学习技术,提出了一种基于Deep-IndRNN的DGA域名检测方法。方法运用词袋模型（BoW）将域名向量化,然后通过Deep-IndRNN提取域名字符间特征,并使用Sigmoid函数对域名分类检测。其主要特点在于:通过将Deep-IndRNN的多序列输入拼接为单向量输入,以单步处理代替循环处理,同时结合Deep-IndRNN能保存更长时间记忆的特点,可有效释放深度学习时占用的GPU、CPU等系统资源,且在保证高准确率和精确度的前提下提高训练、检测速度。实验结果表明,基于Deep-IndRNN的DGA域名检测方法在检测任务中具有较高的准确率和精确度,相比于DNN、CNN、LSTM、BiLSTM、CNN-LSTM-Concat等同类检测方法,能显著提高训练、检测速度,是有效可行的。     

基于罚函数方法的Leach协议

为延长无线传感器网络生存时长、减少网络能量消耗,首先将自适应粒子群优化算法应用于Leach协议,获得每一轮的最优簇头集;再基于罚函数方法,对集合中处于边缘位置的感知节点以及基站附近能量较低的感知节点进行惩罚,降低其当选为簇头的概率.通过大量仿真实验表明,协议对网络中簇头节点的选取更加合理,死亡节点分布由外而内,使节点能量负载更加均衡.     

考研竞赛试题中的积分上限函数相关问题

介绍考研及竞赛试题中的积分上限函数相关问题,指出求解此类问题的关键.