基于CNN-SVM的地下目标形状识别

针对传统地下目标识别算法中特征提取方法的缺陷,鉴于深度学习中的卷积神经网络（CNN）能自动从数据中提取特征,但CNN自带的分类器不能很好的解决非线性分类问题,由于SVM具有良好的泛化分类能力,为此提出基于CNN-SVM的地下目标形状识别方法。本文首先在地表面光滑场景下,利用该方法对地下圆形和矩形目标识别,然后加大场景难度,在地表面粗糙场景下进行地下目标形状识别。实验结果表明,相比传统人工设计的特征分类方法,该算法利用CNN自动提取的特征联合SVM提高了CNN的分类准确率,并且在两种场景下都具有更高的地下目标识别精度。     

基于联合神经网络学习的中文电力计量命名实体识别

随着电力计量业务的不断扩展，迫切需要由业务信息、技术知识、行业标准及其内在联系所组成的电力计量知识图谱，为电网的决策和发展提供更为全面有效的支持。命名实体识别是构建知识图谱的基础。针对电力计量领域需要，结合中文分词技术特点，基于联合学习思想，提出了一种基于联合学习的中文电力计量命名实体识别技术。该技术联合CNN-BLSTM-CRF模型与整合词典知识的分词模型，使其共享实体类别和置信度；同时将2个模型的先后计算顺序改为并行计算，减少了识别误差累积。结果表明，在不需要人工构建特征的情况下，方法的正确率、召回率、F值等均显著优于以往方法。     

基于视觉辐条图案识别方法的蓝宝石引晶机制研究

工业生产蓝宝石晶体过程中,引晶步骤有着至关重要的地位。引晶必须在温度梯度较小,温度分布趋于稳定的条件下进行。目前,工业生产蓝宝石主要依靠人工经验操控籽晶杆实现引晶操作,但是人工引晶操作的准确性不高会导致成品品质不佳、资源浪费。为此,本文提出一种基于蓝宝石视觉辐条图案识别方法来检测蓝宝石熔体状态自由液面状态,从而实现一种高效率引晶的机制。此方法利用经典骨架化算法细化辐条图案,Harris算子实现特征信息的提取,提取的特征信息放入运动轨迹模型中判断熔体稳定性,分析液面温度分布稳定性从而实现引晶。结果表明,此算法具有有效性,蓝宝石晶体引晶效率大大提高,生产出的成品良率也有提升,可有效指导蓝宝石的工业生产。     

发光铱(Ⅲ)配合物抗肿瘤活性研究及应用

铱(Ⅲ)配合物因其发光量子产率高且波长易调控、发光寿命长和光稳定性好的特点,在发光材料领域备受关注。铱(Ⅲ)配合物细胞渗透能力强,能靶向多种细胞组织并影响其结构和功能,表现出独特的抗肿瘤活性,是目前金属抗肿瘤药物特别是PDT光敏剂方向的研究热点。本文重点关注铱(Ⅲ)配合物的结构对其发光性能与抗肿瘤性能的影响,综述了近期铱(Ⅲ)配合物在生物成像、探针与传感、抗肿瘤诊疗等领域的研究进展,并对目前研究中存在的问题及其应用前景进行探讨和展望。     

多模式离子推力器输入参数设计及工作特性研究

针对我国小行星探测任务对电推进系统离子推力器设计要求,基于等离子体基本理论建立了多模式离子推力器输入参数与输出特性关系,完成各工作点下屏栅电压、束电流、阳极电流、加速电压,流率等输入参数设计,采用试验研究和理论分析的方法研究了推力器工作特性.试验结果表明:在设计输入参数下,23个工作点推力最大误差小于3%,比冲最大误差小于4%,在功率为289—3106 W下,推力为9.7—117.6 mN,比冲为1220—3517 s,效率为23.4%—67.8%,电子返流极限电压随着推力增加单调减小,最小、最大推力下分别为-79.5 V和-137 V,放电损耗随着功率增大从359.7 W/A下降到210 W/A,并在886 W时存在明显拐点,效率随功率增大而上升,在1700 W后增速变缓并趋于稳定,在轨应用可综合推力器性能、任务剖面要求、寿命,合理设计输入参数区间,制定控制策略.     

水热法制备二氧化锡/钨酸铋复合光催化材料及其催化活性研究

本文用水热法制备了正交晶系的纳米球状结构的二氧化锡和正交晶系的由片状聚集成球状结构的钨酸铋,并且对二者进行了复合,制备出了二氧化锡/钨酸铋复合光催化材料。采用X射线衍射(XRD)、扫描电子显微镜(SEM)、比表面积测试仪(BET)、紫外可见分光光度计等技术对复合样品的结构、形貌、比表面积、孔容孔径和光学性质进行了表征。用碘钨灯模拟太阳光,分别以二氧化锡、钨酸铋和二氧化锡/钨酸铋复合材料为催化剂降解罗丹明B(RhB),研究所制备的二氧化锡/钨酸铋复合材料的光催化活性。光催化90 min时二氧化锡、钨酸铋和二氧化锡/钨酸铋对罗丹明B的降解率分别是9%、22%和30%。实验结果表明,在可见光下,二氧化锡/钨酸铋复合材料的光催化活性要高于单一的二氧化锡和钨酸铋。     

高居里温度铁电单晶PIN-PT的机电性能

弛豫铁电单晶Pb(In_1/2Nb_1/2)O₃-PbTiO₃(PIN-PT)相较于常用的Pb(Mg_1/3Nb_2/3)O₃-PbTiO₃(PMN-PT)具有更高的居里温度,在高稳定性、高性能的传感器、换能器方面具有应用前景。本工作采用谐振法研究了[001]方向极化的0.66PIN-0.34PT铁电单晶的全矩阵机电性能参数。0.66PIN-0.34PT 单晶的三方-四方相变温度(T_RT)约为160 ℃,居里温度(T_C)约为260 ℃,室温压电系数d₃₃、d₃₁、d₁₅分别为1 340 pC/N、-780 pC/N、321 pC/N,介电常数ε^T₃₃、ε^S₃₃、ε^T₁₁、ε^S₁₁分别为2 700、905、2 210、1 927,机电耦合系数 k₃₃、k₃₁、k₁₅、k_t分别为 87%、58%、38%、61%。其纵向压电常数(d₃₃)和纵向机电耦合系数(k₃₃)小于 PMN-PT 单晶,但是横向压电性能(d₃₁)和剪切压电性能(d₁₅)都略高于PMN-PT单晶。另外,研究了机电耦合性能随温度的变化趋势,发现0.66PIN-0.34PT单晶在150 ℃以下有较好的温度稳定性。     

全局优化问题的一个新的无参数填充函数

求全局最优化问题的填充函数算法被提出以来，参数的选取和调整一直是制约算法有效性的因素。如何在实际的计算过程中选取合适的参数，直接影响和决定了运算速度和效率。因此，构造不含参数的填充函数就显得极为重要。提出一个新的无参数的填充函数，对其理论性质进行了分析，并给出相应的填充函数算法，数值计算验证了算法的有效性。     

Best Proximity Point Theorems for p-Proximalα-η-β-Quasi Contractions in Metric Spaces with w0-Distance

In this paper,we propose a new class of non-self mappings called p-proximalα-η-β-quasi contraction,and introduce the concepts ofα-proximal admissible mapping with respect toηand(α,d)regular mapping with respect toη.Based on these new notions,we study the existence and uniqueness of best proximity point for this kind of new contractions in metric spaces with w;-distance and obtain a new theorem,which generalize and complement the results in[Ayari,M.I.et al.Fixed Point Theory Appl.,2017,2017:16]and[Ayari,M.I.et al.Fixed Point Theory Appl.,2019,2019:7].We give an example to show the validity of our main result.Moreover,we obtain several consequences concerning about best proximity point and common fixed point results for two mappings,and we present an application of a corollary to discuss the solutions to a class of systems of Volterra type integral equations.