浙皖种子植物新资料

在采集、整理和鉴定浙江、安徽种子植物标本的过程中,发现了浙江凤仙花Impatiens chekiangensis Y.L.Chen(凤仙花科Balsaminaceae)的2个新变种,菊科Asteraceae 2个新记录种:六耳铃Blumea sinuata(Lour.)Merr.和四川天名精Carpesium szechuanense F.H.Chen et C.M.Hu.苍南凤仙花(新变种)I.chekiangensis var.cangnanensis Y.L.Xu et X.F.Jin与模式变种的区别在于花梗基部苞片膜质,粉紫色,卵形,唇瓣口部近平展,宽约7mm;多花凤仙花(新变种)var.multiflora Y.L.Xu et X.F.Jin与模式变种的区别在总状花序具3~8朵花,唇瓣口部宽7~10mm.     

反相离子对高效液相色谱法分离乙醛酸衍生物机理的探讨

采用不同添加剂对高效液相色谱分离乙醛酸衍生物的保留行为的影响进行了考察。结果表明：分子中的各基团均可参与色谱过程的相互作用，色谱过程在一定程度上保持样品分子的离解形态；在同一色谱过程中，可同时存在不同的保留机制。     

Cr4＋∶YAG对于重复频率100Hz的二极管泵浦板条Nd∶YAG激光管的被动调Q

具有高峰值功率、脉宽在ｎｓ范围的激光器已广泛用于科学、军事和工业领域．调Ｑ的Ｎｄ∶ＹＡＧ激光器以及其它调Ｑ的固体激光器可以采用主动和被动调Ｑ元件实现，被动调Ｑ装置有优越于主动调Ｑ装置（如声光调Ｑ、电光调Ｑ）的地方，如工作时不需要另外的附加电源，装置简...     

浅谈初中体育教学中学生自主学习能力的培养

体育教师要转变教育观念,构建良好的教学环境.激发学生自主意识和学习积极性.丰富教学内容,教会学生科学的学习方法和自我评价方法,从而提高学生自主学习的能力,只有学生的自主学习能力提高了,我们的体育教学才能延伸到课外活动中去,为学生的终身体育意识的培养奠定良好的基础.     

塞曼效应实验中等高共轴调节问题探讨

借助带水准仪和三角支架的十字线激光器准确快捷调节塞曼效应实验系统中各光学元件等高共轴,观察到清晰的塞曼分裂图像,准确测量笔型汞灯处的磁场强度大小,大大减小了实验误差。     

基于二值化计算鬼成像的图像隐藏方法

图像隐藏技术在当今大数据时代扮演着重要角色,尤其在版权保护和保密通信等领域中有着巨大的应用价值。提出了一种基于计算鬼成像的图像隐藏方法,目标图像经过计算鬼成像系统加密,随机散斑作为系统密钥,将密文进行二值化后的结果采用最低有效位算法嵌入到宿主图像中,利用相应的水印提取规则和二阶相关算法恢复目标图像。仿真结果表明,该方法具有较好的隐蔽性,嵌入水印图像的峰值信噪比可以达到50 dB,授权用户可以用密钥获得目标图像,同时,所提方案有一定的容错能力,对椒盐噪声和图像裁剪具有一定的鲁棒性。     

强散射过程与双随机相位加密过程的等价性分析

薄层强散射介质的散射系统只会引起入射光波的振幅和相位分布变化,但不会导致总能量的衰减.这一过程可以看成光波被散射系统编码的过程,与双随机加密系统极为相似.本文首先证明了载有目标信息的光波在通过薄层强散射介质的散射系统时所产生散斑的分布特性,与双随机加密系统加密同一明文目标所得到的密文分布特性具有高度的相似性.然后,本文将该散射系统视为一个双随机加密系统,并利用相位恢复算法精确地计算出该散射系统所对应的两块随机相位密钥,同时证明了这两块密钥板还可以成功地从该散射系统所得到的其他任何散斑中恢复出对应的原始图像.最后,为了进一步证明二者的等价性,本文使用一种适用于双随机加密系统的唯密文攻击方法,成功地破解了薄层强散射介质的散射系统,得到了较好结果.     

钢筋混凝土板三维非线性有限元分析

在非线性有限元分析理论基础上,编写了钢筋混凝土双向板非线性分析的程序。程序中采用带钢筋膜的八结点六面体单元,应用初应力法避免非线性分析中每次组装和分解总刚,使计算较快收敛,计算结果能全过程分析钢筋混凝土双向板的受力至破坏过程。与实验结果吻合较好。     

基于QR码和算术编码的图像加密无损恢复方法

将QR码作为数据容器引入光学图像加密系统,可以移除光学系统在解密图像时产生的散斑噪声,使得解密图像无损恢复,是一种非常理想和实用的去除噪声的方法。但由于QR码的存储容量有限,只能存储一些字母和简短的句子或者一幅尺寸很小（32×32像素）的灰度图像,严重制约了该技术的进一步应用。为了将一幅更大的灰度图像存入到QR码中,提出一种基于算术编码的图像无损压缩方法。首先将灰度图像以文件的形式读取为二进制数据,然后转换成十进制数据并利用算术编码的方法压缩为二进制数据,最后再转换成十进制数据。实验结果表明,此方法具有较高的压缩效率,能够成功将一幅64×64像素的具有丰富灰度值的图像存入到一张31版QR码中进行加密和解密。     

基于联合对抗训练的鲁棒度量迁移

迁移度量学习旨在从强大且可靠的距离度量中迁移知识来改善目标度量的效果,这些度量往往来自于学习目标相关的任务.现有的迁移度量学习算法仅关注于如何迁移知识,而这些知识容易过拟合到源域中.首先研究如何在源域中训练一个适合于迁移的源域度量,然后设计了一种通用的深度异质迁移算法来进行高效的迁移学习.值得注意的是,将源域度量以联合对抗学习的方式进行训练,再以深度神经网络的方式将其参数化表示并对其进行迁移.迁移中通过表征模仿的方式来学习源域度量中的知识,这种方式允许源域和目标域中的知识来自于异质域.此外,严格限制目标度量网络的大小,使得目标网络更够进行高效的推理计算.在人脸识别数据集上的实验展现了本方法的有效性.