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。     

中空介孔SiO2纳米球的制备、改性及其对Al3+荧光识别研究

中空介孔SiO2由于中空多孔的结构而常用作功能材料的基底.将中空介孔SiO2进行官能团修饰,并应用为荧光传感材料是中空介孔SiO2一个重要的研究领域.本论文采用聚丙烯酸(PAA)为中空模板,聚醚F127为造孔剂,正硅酸乙酯(TEOS)为硅源,氨水为催化剂在乙醇体系中制备了中空介孔SiO2纳米球.系统研究了搅拌速度和聚醚F127引入量对中空介孔SiO2纳米球形貌及比表面积的影响.通过透射电镜、N2-等温吸附脱附曲线等表征说明该合成方法具有很好的普适性,通过调节F127的引入可以实现对比表面积的有效控制.通过氨基化、席夫碱反应进行荧光修饰,进一步研究表明荧光修饰后的中空介孔SiO2纳米球在水溶液中能够实现对Al3+的有效检测,检测限为1.19×10 -7M.     

基于DNA酶催化的卟啉金属化检测锌

利用G-四链体DNA（T30695）催化Zn²⁺插入到中卟啉IX（MPIX）中，引起荧光偏移的特点，建立了检测Zn²⁺的方法。在40μmol/L MPIX、0.6μmol/L Pb²⁺、5μmol/L T30695和1%Triton的最优实验条件下，该方法在Zn²⁺浓度为0.5～5μmol/L范围内呈现良好的线性关系，相关系数R²=0.95，检出限为73.5 nmol/L。离子选择性实验表明该方法对Zn²⁺具有较好的选择性，用于实际样品测定，回收率在94.7%～100.4%之间。     

气体压强对纳秒激光诱导空气等离子体特性的影响

环境气体的压强对激光诱导等离子体特性有重要影响.基于发射光谱法开展了气体压强对纳秒激光诱导空气等离子体特性影响的研究,探讨了气体压强对空气等离子体发射光谱强度、电子温度和电子密度的影响.实验结果表明,在10-100 kPa空气压强条件下,空气等离子体发射光谱中的线状光谱和连续光谱依赖于气体压强变化,且原子谱线和离子谱线强度随气体压强的变化有明显差别.随着空气压强增大,激光击穿作用区域的空气密度增加,造成激光诱导击穿空气几率升高,从而等离子体辐射光谱强度增大.空气等离子体膨胀区域空气的约束作用,增加了等离子体内粒子间的碰撞几率以及能量交换几率,并且使离子-电子-原子的三体复合几率增加,因此造成原子谱线OⅠ777.2 nm与NⅠ821.6 nm谱线强度随着气体压强增大而增大,在80 kPa时谱线强度最高,随后谱线强度缓慢降低.而离子谱线N Ⅱ 500.5 nm谱线强度在40 kPa时达到最大值,气体压强大于40 kPa后,谱线强度随压强增加而逐渐降低.空气等离子体电子密度均随压强升高而增大,在80 kPa后增长速度变缓.等离子体电子温度在30 kPa时达到最大值,气体压强大于30 kPa后,等离子体电子温度逐渐降低.研究结果可为不同海拔高度的激光诱导空气等离子体特性的研究提供重要实验基础,为今后激光大气传输、大气组成分析提供重要的技术支持.     

高维量子可积系统的精确解

量子多体问题或量子场论中有一类模型是可以精确求解的,这类模型称作量子可积模型.量子可积模型的主要特征是:系统的守恒量数目与系统自由度的数目相同(对于具有无限自由度的系统,守恒量的数目亦为无限),从而使系统的本征态、本征能谱及热力学量都可精确求得.自从1931年Bethe～[1]首次求得一维Heisenberg链的精确解后,许多一维量子多体物理模型或(1+1)维(一维空间加一维时间)量子场论模型都获得了精确解.这些精确解曾对于人们理解许多物理现象(如稀磁合金中的Kondo效应)起到了极为重要的作用.如何将这方面的理论推广到高维空间,即寻找并精…     

两纠缠原子之一与腔场相互作用过程的纠缠研究

使一对纠缠的二能级原子之一与单模真空腔场发生共振相互作用,通过选择不同的演化时间,对这个三体系统的其中之一做选择性测量,可调节另外两体的纠缠状态。在不做测量时,研究了在不同的初始状态下,三体纠缠及三体中两两纠缠的演化特性。结果表明,该体系纠缠都呈现周期性的振荡,特别是,通过选择合适的初始状态和演化时间可生成强壮纠缠态———W纠缠态;在特定演化时刻,可使两纠缠原子的纠缠信息完全转化到腔外原子和腔场中去。     

Speech emotion recognition based on statistical pitch model

A modified Parzen-window method, which keep high resolution in low frequencies and keep smoothness in high frequencies, is proposed to obtain statistical model. Then, a gender classification method utilizing the statistical model is proposed, which have a 98% accuracy of gender classification while long sentence is dealt with. By separation the male voice and female voice, the mean and standard deviation of speech training samples with different emotion are used to create the corresponding emotion models. Then the Bhattacharyya distance between the test sample and statistical models of pitch, are utilized for emotion recognition in speech. The normalization of pitch for the male voice and female voice are also considered, in order to illustrate them into a uniform space. Finally, the speech emotion recognition experiment based on K Nearest Neighbor shows that, the correct rate of 81% is achieved, where it is only 73.85% if the traditional parameters are utilized.     

模糊对向传播网络数据融合目标识别方法

重点研究了模糊对向传播网络 (FCPN)模型。针对数据融合和目标识别的特点 ,提出了基于模糊对向传播网络的融合目标识别方法和改进的模糊对向传播网络 (MFCPN)融合结构。利用仿真数据对网络的训练算法和融合结构进行了实验研究。结果表明 ,模糊对向传播网络较误差后向传播网络 (BPN)能够有效地实现融合识别 ;改进的模糊对向传播网络融合结构是可行的。同时还对FCPN和MFCPN应用于前视红外 (FLIR)和可见光摄像机目标跟踪系统进行了应用研究。     

纳米颗粒团聚物流化特性的数值研究

基于气固两相流体动力学理论,建立气体纳米颗粒团聚物两相流动双流体模型.模型中采用了Jung ＆ Gidaspow (2002)测量的固相应力模量和王垚等(2001)提出的聚团曳力系数计算模型.对纳米颗粒团聚物的流化过程进行了数值模拟,得到纳米颗粒团聚物的流化特性.模拟得出的床层膨胀比与文献中实验的结果较为接近.