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。     

Holling-Ⅲ型食饵捕食系统的四个正周期解

通过使用一般连续理论和微分不等式技巧,研究带有收获项的Holling-Ⅲ型食饵捕食系统的动态特征,并获得带有收获项的Holling-Ⅲ型食饵捕食系统存在四个正周期解的充分条件.     

氧化石墨烯杂化Eu(DBM)3Phen配合物合成及发光性能

基于超声辅助溶剂热法合成了一种氧化石墨烯杂化铕(Ⅲ)-二苯甲酰甲烷-邻菲罗啉(Eu-DBM-Phen-GOs)光转换发光材料,采用元素分析、热重、红外光谱、X射线粉末衍射、扫描电镜、荧光光谱对结构和性能进行表征。结果确认GOs有效杂化,GOs通过参与配位成键和提供配合物沉积基底方式影响发光性能,适量掺杂有助于改善发光性能。掺杂量为0.015%wt时,分解温度达到250℃以上,具有良好的热稳定性,荧光激发和发射强度显著增强,量子产率23.6%,荧光寿命0.266ms,色坐标(0.643 2,0.338 8),红光性能品质得到一定提高。     

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.     

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。