成都平原典型地区水果-土壤重金属污染特征研究

为摸清成都平原土壤-水果系统中重金属污染水平和富集特征,通过对成都平原典型地区333个水果作物及其根部表层土壤中Hg、As、Pb、Cd、Cu、Cr和土壤理化指标的测定,结果表明：（1）研究区土壤养分整体呈现出有效磷和碱解氮较丰富,有机质和速效钾较缺乏的特征,可通过增施有机肥、地面覆草、施用绿肥等方式提升土壤肥力水平。（2）研究区土壤重金属存在部分点位超标,以Cd的超标率最高。土壤重金属单因子评价污染等级为清洁,土壤综合污染指数评价污染等级为中度污染,其主要贡献为Cd。研究区重金属存在一定程度的富集,Cd和Hg的污染指数高,潜在生态风险强,应重点关注土壤Cd污染和Hg含量水平的增加趋势,将Cd污染作为下一步土壤风险管控和修复治理的重点目标。（3）研究区水果Pb、Cd的超标率分别为5.7%、7.8%,不同水果Pb、Cd的超标率差异显著,草莓Cd的超标率最高。研究区水果中重金属未对成人构成非致癌健康风险,而水果中的As和Cu对儿童构成了非致癌健康风险,As和Cu对水果重金属非致癌总指数的贡献超过70%,应特别关注水果中As和Cu的管控,以免造成较大的食源性危害。（4）重金属在水果与土壤中的含量水平关联性较低,水果中重金属的含量与水果富集重金属的能力关联度极高,应进一步查明水果重金属与土壤重金属形态的关系,并结合调整水果种植结构、筛选重金属低积累水果品种等方式降低水果重金属的健康风险。     

基于可见光-红外模态下双向特征生成的行人重识别方法

为了提高可见光-红外跨模态行人重识别的检测准确度,提出一种基于可见光-红外模态双向特征生成的双流网络模型,相对现有算法,使用双向特征生成方法进行跨模态行人特征迁移,显著提高了跨模态特征表达,同时利用双流网络提取具有判别性双模态特征,并通过设计的粗细粒度损失融合的策略,提高了跨模态行人检索的准确度。实验结果表明,与最新方法相比,文章提出的方法提高了跨模态行人重识别的平均准确度,在RegDB数据集上取得92.91%,在SYSU-MM01数据集取得66.17%。     

带有记忆核的可拉伸时滞吊桥方程解的长时间行为（英文）

吊桥方程解的长期动力学行为已有许多经典结论,但关于时滞吊桥方程动力学行为的研究甚少.本文研究带有记忆核的可拉伸时滞吊桥方程解的长期动力学行为,利用压缩函数的方法,获得该时滞吊桥方程拉回吸引子的存在性.     

微分方程组(dX)/(dt)=AX+eαt∑mk=0Bktk特解结构定理及应用

对于常系数非齐线性微分方程组(dX)/(dt)=AX F(t),当强迫项F(t)=eαt∑mk=0Bktk时(这里Bk=(b1k,b2k,...,bnk)T∈Rn),给出了微分方程组(dX)/(dt)=AX F(t)特解(t)的结构定理和计算方法,使求特解(t)的积分运算转化为简单的代数运算.解决了计算机特解(t)的计算问题.     

公务员招聘问题的研究

建立了不符合度、失望度、不满意度等概念,将公务员招聘问题转化为求不满意度总和最小的0—1规划模型,很好地解决了在不考虑和考虑应聘人员意愿的两种情形下公务员招聘的问题.充分体现了录取的公平公正性和对人才的充分利用.     

地面目标红外特性及其隐身技术研究

随着红外搜索与制导技术的飞速发展,对于地面目标红外特征及其隐身技术的研究具有越来越重要的军事意义.在简化目标传热模型的基础之上,计算出目标的瞬时温度变化,并与背景的温度比较发现,目标与背景在一天之中均存在明显温差,最大温差可达10℃.从目标与背景的辐射对比度出发,分析了辐射对比度与目标表面发射率以及目标与背景温差的关系,发现了当目标与背景温差控制在±4℃之内时,采用固定发射率涂料可以使目标达到红外隐身的目的.     

矩阵方幂的特征多项式

给出四种方法,分别根据特征多项式的性质,多项式根与系数之间的关系以及对称多项式的知识,k次本原单位根,特征多项式的伴侣阵,可在矩阵的特征多项式已知的情况下确定其矩阵方幂的特征多项式.     

一类常系数线性非齐次方程特解的公式化求法

讨论一类常系数线性非齐次方程特解的一种公式化求解方法.为计算机解题提供依据.     

掺杂铕和铽的卤硼酸盐荧光体的制备及光谱特征

采用高温固相法在空气中合成了一系列掺杂稀土离子的卤硼酸盐荧光体, 研究了其发光性质和基质组成对稀土离子共掺杂的荧光体发光性质的影响. 研究结果表明, 在Eu3+和Tb3+共掺杂的体系中存在电子转移, 因此出现了Eu3+, Eu2+和 Tb3+共存于同一基质共同发射的现象. Ce3+对Eu2+和Tb3+具有敏化作用, 可增强其发射强度. 基质的组成对稀土离子的发射峰位和发射强度有明显影响.     

货车枕簧丢失故障动态图像识别方法

针对货车运行故障动态图像检测,提出无故障目标识别工作模式,解决货车枕簧丢失故障的自动识别问题。利用Haar特征提取枕簧特征信息,基于AdaBoost算法选取特征并构建层叠分类器,等比缩放搜索窗口检测货车图像,最终分选出无故障的枕簧图像,从而大大地减少了待识别图像的数量,显著地提高了人工识别效率。实验表明,该算法使用的特征简单,搜索策略高效,不受枕簧位置、缩放和旋转的影响,抗噪能力强,对分辨率低、局部遮挡、光照不足或过度曝光等质量较差的图像仍具有很强的适应性,所提出的方案能够满足全天候条件下的货车枕簧目标识别,为货车故障动态图像检测的工程化应用奠定了基础。