8-羟基喹啉偶氮苯衍生物应用于阴离子及阳离子的识别

研究了系列8-羟基喹啉偶氮苯衍生物与过渡金属离子如Ni2+,Co2+,Zn2+和Cu2+等离子间的相互作用,探讨了主体分子中的不同取代基对其光谱性质的影响及对阳离子识别选择性的影响。结果表明含有强吸电子基团-NO2或-CN的主体分子对阳离子的亲合力大于含有供电子基团-N(CH3)2或-CH3的     

液体的爆炸抛撒特征

针对液体爆炸抛撒过程设计了实验装置,利用高速摄像仪进行记录。通过研究不同中心装药量和 填充液体的抛撒过程,发现在壳体破裂后,液体沿裂缝处向外飞散。药量较小时,液体分散成树枝状形态,然 后破碎成液滴;药量较大时,则形成液体环状区。对于不同粘度的液体,环状区分别由小液滴及已雾化、汽化 的液体,或大液滴、液体丝及液膜等组成,抛撒过程中其宽度越来越大,大液滴、液体丝及液膜等也逐渐破碎成 细小的液滴。     

从二维视图识别三维目标的多网络融合方法

提出了一种从二维视图识别三维目标的多网络融合方法,基于单个网络分类的置信度概念,有效地结合多个网络的输出结果作出最终分类判决,应用三个多层前向网络（隐层神经元数,初始权值等取不同值）,设计了基于分类确认度的多网络融合结构,对四类车辆目标进行的识别实验表明,所提出的多网络融合方法明显优于单个网络的识别性能。     

碳笼烯(C60)在高分子领域中的研究进展

综述了碳笼烯（Ｃ６０）在高分子领域中的研究进展,包括碳笼烯的高分子化、与聚合物形成电荷转移复合物以及作为催化聚合反应的催化剂。     

协同式神经网络的识别性能分析

本文对一类全新的神经网络——协同式神经网络的性能进行了研究.在介绍了模式识别协同式神经网络原理的基础上,进一步分析了离散协同网络的识别稳定性及识别率,并与传统神经网络——Hopfield网络在汉字图像识别方面进行了性能比较,进而指出协同式神经网络在真实汉字图像识别性能上具有极大的优势.     

用可变形模板进行基于内容的图像分割算法

 本文提出一种采用可变形模板匹配技术进行基于内容的图像分割算法.通过预先计算出可变形模板沿着变形的正交曲线,并对模板曲线及正交曲线进行离散抽样,建立一基于正交曲线的二维(2-D)可变形模板,针对图像分割问题定义控制可变形模板进行变形的内、外部能量函数,本文采用遗传算法搜索能量函数最小的全局最优解.该新算法比传统的可变形模板匹配方法降低了搜索空间的维数,减少了算法对模板初始位置的敏感.对实际图像及模拟低信噪比图像处理的结果表明,新算法具有良好的分割精度及稳定性.     

偶氮喹啉-镍离子配合物应用于HSO-4识别研究

考察了5-(4'-氰基苯)偶氮-8-羟基喹啉(1)-镍配合物的光谱特性并将其应用于阴离子识别研究中.研究结果表明,1-Ni2+金属配合物可选择性识别不同的阴离子,并对HSO-4具有独特的光谱响应.化合物1在乙腈中为无色溶液,与Ni2+可形成稳定常数为9.2×10 6mol-1·L的1∶1型红色配合物,在此配合物中加入HSO-4后,红色的溶液逐渐褪色,而加入CH3CO-2,F-和H2PO-4却产生增色效应,Cl-和Br-加入后主体溶液无明显颜色和光谱变化,据此建立了选择性识别HSO-4新体系,并探讨其作用机理.     

烷基苯酚类化合物的气相色谱保留值与其结构参数的定量关系

计算了44个烷基苯酚类化合物的组成、拓扑、几何、静电和量子化学等结构参数,运用启发式方法对这些结构参数进行筛选,得到了含3个变量的化合物的定量结构与色谱保留值的线性关系模型,同时以这3个变量作为支持向量机模型的输入变量建立非线性回归模型。两种方法的相关系数(R2 )分别为0.98和0.92,相应的均方根误差分别是0.99和2.77。通过对两种模型的稳定性和预测能力的比较,发现线性模型能够更好地反映烷基苯酚的气相色谱保留值与其结构参数之间的定量关系。在已知烷基苯酚类化合物结构参数的情况下,线性回归模型更有助于它们的色谱分析。     

Gd2O3:(Ce3+,Eu3+)微晶中稀土离子间的级联能量传递

本文了纳米Gd2O3:(Ce^3 ,Eu^3 )的紫外与真空紫外（UV-VUV)激光谱及其选择激发下的荧光光谱,这些光谱实验表明,除Gd2O3基质与Ce^3 ,Eu^3 离子之间的能量传递外,还存在着Gd^3 与Ce^3 ,Eu^3 间的能量传递,即存在Gd^3 →Ce^3 →Eu^3 三种稀土离子间的级联传递。     

XeCl激光泵浦的ns染料激光器

报道了以XeCl准分子激光作泵浦源,通过所谓的“控制腔瞬态过程”的方法,直接获得ns染料激光脉冲的实验结果。与N_2光泵浦比较,XeCl激光泵浦可得到更短波长和更高阈值系统的激光振荡。