基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题，提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性，提出基于快速神经网络架构搜索（neural architecture search，NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法，在预设的搜索空间中搜索最优网络结构，进行图像水印的高效嵌入与鲁棒提取。首先，将子网络中线性连接的全卷积层设置为独立的神经单元结构，并参数化表示结构单元内节点的连接，预先设定结构单元内每个神经元操作的搜索空间；其次，在完成一个批次的数据集训练后，依据神经元操作中的被采样次数和平均损失函数值动态更新概率；最后，重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上，大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑，本文算法具有较高的时间性能和较好的实验效果，在隐藏图像时，对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验，对比发现，本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著；在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著，特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

关于两个图的一类新连接图的谱

给定2个图G1和G2，设G1的边集E(G1)={e1,e2,?,em1}，则图G1⊙G2可由一个G1，m1个G2通过在G1对应的每条边外加一个孤立点，新增加的点记为U={u1,u2,?,um1}，将ui分别与第i个G2的所有点以及G1中的边ei的端点相连得到，其中i=?1,2,?,m1。得到：（i）当G1是正则图，G2是正则图或完全二部图时，确定了G1⊙G2的邻接谱（A-谱）。（ii）当G1是正则图，G2是任意图时，给出了G1⊙G2的拉普拉斯谱（L-谱）。（iii）当G1和G2都是正则图时，给出了G1⊙G2的无符号拉普拉斯谱（Q-谱）。作为以上结论的应用，构建了无限多对A-同谱图、L-同谱图和Q-同谱图；同时当G1是正则图时，确定了G1⊙G2支撑树的数量和Kirchhoff指数。     

基于PI法的门源MS6.4地震前震中附近地震热点图像异常变化研究

基于1980年以来青海省和甘肃省区域地震台网的定位地震目录，分析了研究区最小完备震级，选取空间网格尺度为0.2°×0.2°、地震活动异常学习时间段和预测时间段均为3 a，应用图像信息（PI）法，分析了门源M_S6.4地震发生前震中附近地震热点图像的异常变化过程。结果表明，在2013年1月1日至2016年1月1日的预测时间窗内，冷龙岭断裂和祁连山北缘断裂附近存在明显的地震热点，且地震热点图像颜色偏深，发震概率较高，向前滑动至2014年1月1日至2017年1月1日，2015年1月1日至2018年1月1日和2016年1月1日至2019年1月1日3个预测时间窗，此两断裂附近仍存在地震热点，地震热点图像颜色逐渐由深变浅，而门源M_S6.4地震就落在PI法得到的地震热点内。门源M_S6.4地震前存在明显的地震热点，且地震热点相对集中，地震热点图像颜色由深变浅，震后消失；在祁连山北缘断裂附近，地震热点持续存在，分布较集中，地震热点图像颜色也呈由深变浅的过程。未来需关注祁连山北缘断裂，附近有发生强震的可能。     

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。     

排序支持的交互数据分类算法及其应用

交互分类是解决数据复杂分类问题的主要手段之一。在现有的大多交互分类系统中，用户能准确识别数据类别，但在有些分类场景中,类别之间的顺序关系更容易被识别，为此，提出一种排序支持的交互数据分类算法。为提升交互分类精度，引入数据的顺序信息，为降低标记难度，提出候选样本推荐策略。另外,提出一种评估分类算法性能的可视化方法，用包含基本车况、交通违法记录、交通事故记录等信息的车辆数据集进行实验验证，将相关车辆分为高危车辆、中危车辆、低危车辆3类，算法的分类结果模型一致度达近98%，验证了方法的有效性。     

固体核磁共振结合密度泛函理论计算研究SSZ-39分子筛的钠离子落位与铝分布

具有AEI结构的SSZ-39分子筛的骨架外阳离子落位和铝分布对其催化性能影响显著.AEI笼中有三个结晶学不等价位，且铝取代T位具有一定的倾向性.本文结合固体核磁共振（NMR）技术（²⁷Al/²³Na MQ MAS NMR），以及密度泛函理论（DFT）计算，研究了不同硅铝比Na-SSZ-39分子筛中的Na⁺落位和铝分布.在孤立铝分布的情况下，铝原子优先占据于T3位，Na⁺主要落位于AEI笼中的SIIa0和SIII'a0位点上，其中SIII'a0位点的优先度较高，此外少部分Na⁺还落位于六棱柱内部的SIa0.当铝对存在时，AlSiSiAl分布的铝对占据六元环的对位（T3-T3），对应的Na⁺分别落位于SIIa1和SⅢ'a1位点.随着分子筛结构的部分破坏，游离的Na⁺可能形成明显的SIII'b位点.本文可加深对SSZ-39分子筛构效关系的理解，为更好地调控催化性能奠定基础.     

固相萃取-液相色谱-串联质谱法测定尿液中四氢大麻酚和Δ9-四氢大麻酸的含量

提出了固相萃取-液相色谱-串联质谱法测定尿液中四氢大麻酚(THC)和Δ⁹-四氢大麻酸(THC-COOH)含量的方法。取尿液样品1 mL,加入1 mol·L^-1 NaOH溶液1 mL,于60℃加热15 min后过活化好的MAX混合阴离子固相萃取柱。用1 mL 2%(体积分数)氨水溶液固定目标物,用1 mL 80%(体积分数)甲醇溶液进行淋洗,最后用1 mL含5%(体积分数)甲酸的甲醇溶液进行洗脱,收集洗脱液,按照仪器工作条件进行测定。以Agilent Poroshell HPH-C₁₈色谱柱(50 mm×4.6 mm, 4μm)为固定相,以不同体积比的5 mmol·L^-1乙酸铵溶液-甲醇混合液为流动相进行梯度洗脱;分离后的THC和THC-COOH经电喷雾离子源负离子模式扫描,多反应监测模式检测。结果表明：THC和THC-COOH的质量浓度在一定范围内与对应的峰面积呈线性关系,检出限(3S/N)分别为0.003,0.05μg·L^-1;按照标准加入法对空白样品进行加标回收试验,回收率...     

Si内标-X射线衍射法定量测定铁矿中Fe3O4、Fe2O3和SiO2

铁矿物相的准确定量对矿物价值评价及选冶工艺研究有重要作用,现有化学法流程复杂效率低,X射线衍射全谱拟合法可溯源性差,结果准确性难以评价和验证。本研究建立了以Si为内标,以Cu靶X射线为辐射光源,步进扫描方式获得衍射谱图,以待测相含量为横坐标,待测相与内标相峰面积比值为纵坐标建立校准曲线,以曲线对铁矿中Fe3O4、Fe2O3和SiO2物相进行定量的方法。试验对制样条件、扫描参数、内标物选择、积分方式、重叠峰校正等进行了优化选择,结果表明,试样全部通过45 μm标准筛,Si内标比例为10%,步进长度0.01°,步进时间30S,选择对Fe3O4（311）、Fe2O3（104）、SiO2（011）和Si（111）的衍射峰进行积分强度计算,可获得最优结果。在选定工作条件下,Fe3O4在1.07～100%范围内线性相关系数(R2)为0.9953,相对标准偏差(RSD)1.1%～13.2% (n=6),加标回收率99.7 %~114.8 %,检出限(LOD)4.29%;Fe2O3在1.51～100%范围内线性相关系数(R2)为0.9991,相对标准偏差(RSD)2.8%～10.6% (n=6),加标回收率87.1%~112.2%,检出限(LOD)2.56%;SiO2在0.79～29.72 %范围内线性相关系数(R2)为0.9957,相对标准偏差(RSD)3.2%～10.3% (n=6),加标回收率86.6%~98.9%,检出限(LOD)0.68%。方法易溯源、准确性易评价和验证,适合开展标准化检测和应用。     

固相萃取净化-离子色谱测定不同生长期新鲜烟叶中的7种无机阴离子

目的 为了研究不同生长期新鲜烟叶中无机阴离子的含量和变换规律,建立了一种固相萃取净化/离子色谱方法测定新鲜烟叶中的7种无机阴离子（F-,Cl-,Br-,NO2-,NO3-,SO42-,PO43-）。方法 样品经0.1 mol/L NaOH水溶液超声提取,萃取液经RP1.0cc固相萃取柱净化后,使用AS11-HC（4 mm×250 mm）色谱柱进行分离,以KOH为流动相,梯度洗脱。 结果 7种无机阴离子在0.10-5.0 μg/mL范围内具有较好的线性（r>0.996）,检出限在0.01-0.04 μg/mL之间,定量限在0.04-0.14 μg/mL之间,加标回收率为96.3%～102.1%,相对标准偏差（RSD%）在2.7%~4.8%之间。结论 方法前处理操作简单,7种无机阴离子分离好,检测灵敏准确,可用于不同生长时期新鲜烟叶样品中多种无机阴离子含量的检测分析。