集值映射向量优化问题的严有效性

将严有效性概念推广到集值映射向量优化问题,并较为系统地研究了它的性质,获得了有关标量化、 Ｌａｇｒａｎｇｅ 乘子、 Ｌａｇｒａｎｇｅ 型对偶及严有效点集的连通性、稠密性等方面的几个结果     

隧道洞口段非均质及各向异性土质裂缝仰坡稳定性上限解

针对忽略岩土体非均质和各向异性将导致边坡稳定性评价产生误差的问题,应用极限分析上限理论及抗剪强度系数折减法,推导土体强度非均质和各向异性影响下隧道洞口含裂缝仰坡稳定性解析式,探究土体强度非均质和各向异性对仰坡稳定性系数、坡顶裂缝位置、隧道拱顶失稳范围及仰坡安全系数的影响。结果表明,裂缝深度及坡角越大,仰坡稳定性系数越小;非均质系数越大和各向异性系数越小,维持仰坡稳定的临界坡高越大;非均质系数及各向异性系数越大,裂缝距坡顶边缘越远,隧道拱顶失稳范围越大;非均质系数增大有利于仰坡稳定,而各向异性系数越大仰坡越易失稳。     

基于小波变换和PCA分析的人脸识别方法及实现

针对传统的特征脸对光线、角度、尺寸等因素比较敏感的问题,在二次小波变换的基础上,对人脸库进行主成分分析（PCA）,提取特征脸和代数特征,并用BP神经网络对人脸进行识别,该算法充分利用小波变换和神经网络的自适应特性,得到较好的识别效果．     

体单轴各向异性对双层铁磁薄膜中自旋波共振谱的影响

重点研究了双层铁磁薄膜系统在层间反铁磁耦合下,体单轴各向异性对自旋波色散关系和共振谱的影响.结果表明:随着体单轴各向异性常数的增加,各类型模之间相互转化;高能禁闭模共振减弱,低能禁闭模和界面模共振增强.     

Synthesis and Crystal Structure of 2,2- Pentamethylene-1,2,3,4-tetrahydroquinazolin-4-one

1INTRODUCTIONIntheearlyseventiesthreegroupsofinvesti-gators[1～3]establishedthatlow-valenttitaniumcanabstractoxygenfromketonesoraldehydes,leadingtotheformationofolefins.Avarietyofotherfunc-tionalgroupscanalsobereduced[4～7].However,thereactionof2-nitroben…     

改进的空间后方交会直接解法

经典的空间后方交会直接解法是,先解算出空间距离,求出各摄影光束的方向角,解算一个6阶方程,然后解算出外方位元素的方法,6阶方程中有18个三角函数,计算工作量较大,对此法进行改进,避免了三角函数计算,方程由6阶降为3阶,计算方便,快速计算。     

利用Delphi控制Excel完成数据导出

通过OLE技术实现应用程序之间的数据共享.本文讨论在Delphi下应用OLE技术控制Excel实现应用程序间的数据转换,从而实现功能强大、结构自由的报表.     

装配式空心板梁桥横向预应力加固方法研究

对于目前中小跨径的装配式空心板梁桥在服役阶段普遍出现的"单板受力"铰缝病害,许多学者通过有限元软件模拟的方法提出了施加横向预应力进行加固的方法,然而实际效果如何却不得而知,为了验证该加固方法的可行性,利用有机玻璃板桥模型做了相关试验,得到的结果与利用有限元软件模拟得到的结果非常吻合,从而通过试验的手段验证了该加固方法可显著地增强装配式空心板梁桥的横向整体性,减少"单板受力"病害的发生。     

ZBS改性剂对焦炭微观结构和热性能的影响

对安钢、昆钢的系列焦炭进行喷洒焦炭改性剂（ZBS）溶液实验,用扫描电镜、HY-4型全自动显微光度计对喷洒ZBS前后昆钢焦的微观结构进行检测分析．根据GB／T4000—1996测定焦炭反应性（Gin）和反应后强度（CSR）．结果表明：与没喷洒ZBS的焦样比,喷洒ZBS后焦炭孔隙相对小、少,焦炭气孔率P降低．在空隙的周围形成了亮白色的筋带——ZBS碳化物,与碳结合紧密,而且在气化反应2h后仍然存在,有利于反应后强度提高;ZBS能明显改善焦炭热性能,焦炭热性能越差的焦炭,ZBS对其改善的幅度越大．     

基于一维卷积神经网络的雌激素粉末拉曼光谱定性分类

拉曼光谱物质定性鉴别已被广泛应用于诸多行业和研究领域,但传统拉曼光谱分析过程中的预处理主要依赖人为经验,光谱特征提取虽然能够降低信号维度,同时也会造成部分光谱信息损失。特性相近物质本身光谱相似度较高,受到测量过程中环境干扰和分析过程中多种误差影响,导致最终分类效果并不理想。针对此问题,提出基于一维卷积神经网络（one-dimensional convolution neural network,1D-CNN）的拉曼光谱定性分类方法。实验采集雌酮（Estrone）、雌二醇（Estradiol）,雌三醇（Estriol）三种不同雌性激素粉末的拉曼光谱,设计随机平移、添加噪声和随机加权三种光谱数据增强方法,构建数量充足的拉曼光谱数据库用于神经网络模型训练与测试;基于拉曼光谱数据特点提出一维卷积神经网络分类模型,将光谱预处理、特征提取和定性分类的全过程融为一体。通过大量仿真实验,优化所提出的神经网络模型超参数和训练过程并测试分类效果,从预处理对光谱分类结果的影响和模型抗干扰性能两个方面与多种传统拉曼光谱分类算法对比,评价模型性能。实验结果表明,本文提出的一维卷积神经网络模型可实现三类雌性激素粉末拉曼光谱快速准确分类,分类正确率最高可达98.26%,分析过程中无需光谱预处理和特征提取步骤,简化了光谱分析流程,并能保留更多有效信息。同时,当模拟测量噪声强度达到60 dBW时,传统方法分类正确率均明显出现不同程度明显降低,卷积神经网络模型依然能够取得96.81%的分类正确率,说明相比对传统拉曼光谱分类方法,所提出方法受光谱测量噪声影响更小,鲁棒性更强,适用于分析更复杂现场测量的强噪声拉曼光谱信号。该研究结果表明深度学习方法在拉曼光谱的分析与处理领域具有很大的应用潜力和研究价值。