基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据，随着高分辨率遥感图像数据的日益增多，迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分，在特征选择上存在一定的局限性。为此，提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network，DCNN）的多尺度神经网络（multi-scale neural network，MSNet）模型，基于残差网络构建了100层编码网络，通过并行输入实现输入图像的多尺度学习，利用膨胀卷积实现特征图像的多尺度学习，设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验，总体分类精度达91.97%，并将其与传统全卷积网络（fully convolutional networks，FCN）方法和基于支持向量机（support vector machine，SVM）的面向对象方法进行了对比，结果表明，本文所提方法分类精度更高，分类结果整体性更强。     

GaAs基980 nm高功率半导体激光器的研究进展

GaAs基980 nm半导体激光器在材料加工、通信和医疗等领域有着重要应用。应变量子阱结构的出现提高了GaAs基半导体激光器的转换效率、输出功率和可靠性。本文综述了高功率GaAs基量子阱激光器历史发展,介绍了高功率半导体激光器的外延结构、芯片结构和封装结构设计,重点阐述了影响高功率GaAs基量子阱激光器光电性能、散热和实际应用的问题。针对以上问题讨论了相应解决方案及研究成果,并指出了各个方案的不足之处和改进方向。最后,总结了高功率半导体激光器的发展现状,对高功率半导体激光器发展方向进行了展望。     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测，基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型，集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力，提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照，以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证，结果表明，Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模，注意力机制有助于减缓多步预测中的预测精度衰减，提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

非同类机极小化最大完工时间的保密排序问题

提出并研究了一类非同类机的极小化最大完工时间的保密排序问题Rm||Cmax.该问题的模型参数分为若干组,每个组都由一个不愿意共享或公开自己数据的单位所拥有.基于随机矩阵变换构造了一个不泄露私有数据且与原问题等价的安全规划模型,求解该安全模型可以获得问题的最优解,而且各单位的隐私数据仍然保持不被泄露.     

关注教学过程,形成教学方法,提升思维能力

新课标将数学的"知识与技能、过程与方法、情感态度与价值观"三者统称为课堂教学的三维目标.这三维一体的课堂教学目标是提升学生数学学科核心素养的基础,三者是互相渗透、融合、统一的关系,其中",过程与方法"作为联系其他两种目标的桥梁,它对学生思维能力的发展起到决定性作用.~([1])因此,作为一线数学教师,应充分重视过程与方法这项目标,关注教学过程,形成独特的教学方法,实现学生思维能力的可持续性发展.     

数列中的多参数问题解法探究

对于数列中的多参数问题,本文以典型例题的分析点评为契机,归纳出赋值消元、参数分离、参数互换、逐一验算、分类讨论、整体思考等六种常用的解题方法.     

多目标定位路线问题模型及禁忌搜索算法研究

在一个完整的物流系统中,总费用和工作量平衡是影响决策的两个基本标准,拓展对员工重要的公平原则-工作量平衡,并权衡工作量与总费用之间的平衡.在此基础上,考虑了带路线分配决策的多目标定位-路线问题,建立了数学模型,采用禁忌搜索算法对模型的求解,为检验车辆多次使用的效果,针对算法设计了联立和序贯两种不同的车辆路线分配形式.算法分析结果表明:区域特征在区分算法两种形式的性能时具有重要的地位.     

微课程教学的设计与应用:以初中化学为例

以初中化学教学为例,从目标的确定、内容的选择、策略的运用和评价的实施4个方面探索和总结微课程教学的设计。从正式学习和非正式学习的视角讨论了微课程教学的应用途径,以支持学生的个性化学习,将学习与生活高度整合,利用"碎片"时间进行在线学习或移动学习,促使学生产生"更加聚焦的学习体验"。     

电气材料铜及铜合金中痕量杂质砷元素的氢化物发生-原子荧光光谱法测定

本文建立了氢化物发生-原子荧光光谱法测定电气材料铜及铜合金中痕量杂质元素砷的方法。通过使用L-半胱氨酸与铜基体形成络合物,抗坏血酸充分预还原砷,消除了基体干扰,并实现了铜及铜合金中痕量杂质砷的准确测定。在经过优化的实验条件下,砷的检出限为0.12 ng·m L-1,线性相关系数优于0.999,相对标准偏差小于4%。用加标回收法测定实际样品,回收率在92%到103%之间。该法操作简便,灵敏度高,无需基体预分离。