基于原位配体反应的锰(Ⅱ)配位聚合物的合成、结构和催化性质

采用水热方法,选用含2个氰基的醚氧桥联羧酸配体(Hdbna)和2,2′-联吡啶(2,2′-bipy)与MnCl2·4H2O反应,合成了一个二维配位聚合物[Mn(μ3-Hdpna)(2,2′-bipy)]n (1),并对其结构和催化性质进行了研究。在配合物1中,配体Hdbna在水热反应条件下,通过原位反应被转化成醚氧桥联三羧酸配体(H3dpna)。结构分析结果表明配合物1的晶体属于三斜晶系,P■空间群。配合物1具有二维层结构。研究表明,配合物1在硅腈化反应中表现出较高的催化活性。     

人工神经网络研究硝基苯化合物结构与毒性的关系

基于简单的化学基团描述符,应用人工神经网络研究了硝基苯类化合物对黑呆头鱼的毒性构效关系,并与多元线性回归相比较,结果显示了人工神经网络处理非线性问题的优越性.     

基于2,4,4'-联苯三羧酸及菲咯啉的锰(Ⅱ)和镍(Ⅱ)双核配合物的合成、晶体结构及磁性质

通过水热方法,用2,4,4’-联苯三羧酸（H₃btc）和菲咯啉（phen）分别与MnCl₂·4H₂O和NiCl₂·6H₂O反应,合成了2个具有双核结构的配合物[Mn₂ （Hbtc）₂（phen）₄]·5H₂O（1）和[Ni₂（Hbtc）₂（phen）₄]·2H₃btc·4H₂O（2）,并对其结构和磁性质进行了研究。结构分析结果表明2个配合物的晶体都属于三斜晶系,P1空间群。配合物1和2均为双核结构,通过分子间的O-H…O氢键作用,双核的分子被进一步连接成了三维超分子框架。研究表明,双核分子中相邻金属离子间存在反铁磁相互作用。     

配位聚合物[Fe(HL)(H2O)]n的合成、晶体结构及磁性质

通过水热方法,采用H₃L(H₃L=2-(4-carboxypyridin-3-yl)terephthalic acid)与FeSO₄·7H₂O反应,合成了一个具有二维结构的配位聚合物[Fe(HL)(H₂O)]_n (1),并对其结构和磁性质进行了研究。结构分析结果表明该聚合物的晶体属于正交晶系,Pnna空间群,a=1.45465(11) nm,b=2.47423(15) nm,c=0.73565(4) nm,V=2.6477(3) nm³,D_c=1.802 g·cm^-3,Z=8,R=0.0468,wR=0.1256(I>2σ(I))。HL^2-配体交替连接相邻的铁(Ⅱ)离子形成了一维链结构单元,这些链又通过配体与铁(Ⅱ)离子的配位作用形成了二维层。最后这些层通过氢键作用形成了一个复杂的三维超分子框架。拓扑分析表明,配合物1具有一个双节4,4-连接的拓扑网络结构,其拓扑符号为(4³.6².8)。研究表明,该聚合物中相邻铁(Ⅱ)离子之间存在反铁磁相互作用。     

磷掺杂介孔碳的制备及其电化学性能

以酚醛树脂为碳前驱体,磷酸为磷源,三嵌段共聚物F127为软模板,通过溶剂挥发诱导自组装(EISA)法制备了具有介孔结构的磷掺杂介孔碳(PMCs)。通过场发射扫描电子显微镜(FE-SEM)、透射电子显微镜(TEM)、X射线衍射(XRD)和X射线光电子能谱(XPS)等测试方法研究所制备的PMCs的形貌与结构并利用电化学工作站测试其电化学性能。实验结果表明,磷元素在介孔碳中主要以C—P键和P—O键两种形式存在。电化学测试表明,通过调整磷掺杂量可获得最大比电容。当电流密度为0.5 A/g时,介孔碳比电容为140 F/g,而优化后的磷掺杂介孔碳比电容可达176 F/g。     

基于函数调用图的Android恶意代码检测方法研究

提出了一种基于函数调用图的 Android 程序特征提取及检测方法。该方法通过对 Android 程序进行反汇编得到函数调用图,在图谱理论基础上,结合函数调用图变换后提取出的图结构和提取算法,获取出具有一定抗干扰能力的程序行为特征。由于 Android 函数调用图能够较好地体现 Android 程序的功能模块、结构特征和语义。在此基础上,实现检测原型系统,通过对多个恶意 Android 程序分析和检测,完成了对该系统的实验验证。实验结果表明,利用该方法提取的特征能够有效对抗各类 Android 程序中的混淆变形技术,具有抗干扰能力强等特点,基于此特征的检测对恶意代码具有较好地识别能力。     

基于混合纠缠态的概率超密编码

在理想的超密编码方案中,发送方凭借一个和接收方共享的最大纠缠纯态,可用传送一量子比特来实现传送两经典比特的信息.本文提出了一个凭借混合纠缠态的超密编码方案,并分析了该方案成功传送信息的概率上界.进一步讨论了该类超密编码的通信容量.     

基于2,4,4'-联苯三羧酸及菲咯啉的锰(Ⅱ)和镍(Ⅱ)双核配合物的合成、晶体结构及磁性质

通过水热方法,用2,4,4''-联苯三羧酸(H₃btc)和菲咯啉(phen)分别与MnCl₂·4H₂O和NiCl₂·6H₂O反应,合成了2个具有双核结构的配合物[Mn₂(Hbtc)₂(phen)₄]·5H₂O (1)和[Ni₂(Hbtc)₂(phen)₄]·2H₃btc·4H₂O (2),并对其结构和磁性质进行了研究。结构分析结果表明2个配合物的晶体都属于三斜晶系,P1空间群。配合物1和2均为双核结构,通过分子间的O-H…O氢键作用,双核的分子被进一步连接成了三维超分子框架。研究表明,双核分子中相邻金属离子间存在反铁磁相互作用。     

基于枸杞红外光谱人工神经网络的产地鉴别

应用红外光谱技术,快速鉴别枸杞药材产地。利用傅里叶变换红外光谱, 测定了45个来自青海省不同产地的枸杞样品的红外光谱。以常规预处理方法和小波变换对红外光谱原始数据进行了预处理。对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正, 小波变换是一种有效实用的光谱预处理方法。为了提高神经网络的训练速度, 在利用人工神经网络建立模型之前, 通过小波变换的方法对光谱变量进行了压缩, 同时对建立的模型的相关参数进行了详细的讨论。结果表明,红外光谱数据压缩到原来的1/8,其分析精度与原始光谱数据基本相当。以压缩了的光谱数据作为反向传播(BP)网络的输入变量,产地类别作为神经网络的输出变量,建立3层人工神经网络。其中隐含层神经元个数为5个,输出层神经元个数为1个。隐层的传递函数是tansig,输出层传递函数是purelin,网络训练函数trainlm,权阈值的学习函数是learngdm。net.trainParam.epochs=1 000,net.trainParam.goal=0.001。对10个未知枸杞产地类别进行了预测,预测结果准确率达100%。实验表明, 建立的模型能够正确地对枸杞样品快速地进行产地鉴别。红外光谱法结合人工神经网络可作为中药材产地分类鉴别的一种新的现代化方法。     

基于符号检测辅助的干扰对齐算法

干扰对齐(interference alignment,IA)是一种有效的干扰处理方法.通过预编码技术在接收端的特定维度上重叠干扰信号,进而完全消除干扰信号对所需信号的影响,而且能够提高信道的空间利用自由度.在干扰对齐中,通过在相同原理的相互不同网络上的预编码器和组合器的迭代计算来检测复杂符号.本文在传统的最小二乘法(least squares,LS)、最大信干噪比(maximum signal to interference plus noise ratio,MAX-SINR)算法的基础上,提出了基于符号检测辅助的最小二乘法(symbol detection aided least squares,SDA-LS)、符号检测辅助的最大信干噪比(symbol detection aided maximum signal to interference plus noise ratio,SDA-MAX-SINR)干扰对齐迭代算法.并且根据前者性能较差、复杂度低;后者复杂度高、性能优的特点,提出了一种基于符号检测辅助的最小二乘法和最大信干噪比相结合(symbol detection aided least squares combined with maximum signal to interference and noise ratio,SDA-LS+MAX-SINR)的干扰对齐迭代算法.通过计算机仿真,文中所提出的符号检测辅助算法比传统算法有更好的性能.