(BN)_n团簇的结构和稳定性

用HF方法、密度泛函理论的B3LYP以及微扰理论的MP2方法 ,在 6 3 1G(d)基组水平上 ,对 (BN) n(n =1～ 16)团簇的各种可能结构进行了优化 .讨论了环状与笼状稳定团簇的几何构型、自然键轨道 (NBO)、振动频率、结合能、核独立化学位移 (NICS)和能量二次差分 ,得到了 (BN) n(n =1～ 16)团簇结构的稳定性信息 .比较了HF ,B3LYP以及MP2三种理论方法对(BN) n 团簇的适应性所表现出的差异 .     

对“运动的独立性”与“力的独立作用原理”的再认识——兼论“平抛运动”教学的逻辑

中学物理教学中对“运动的独立性”与“力的独立作用原理”一直存在模糊认识,本文从物理学科结构的视角,深入分析了其实质内涵.同时,探讨了与之紧密相关的“平抛运动”教学的逻辑问题.最后指出了理清这些关系对教学的启示.     

次线性期望下的一般中心极限定理

受Peng-中心极限定理的启发,本文主要应用G-正态分布的概念,放宽Peng-中心极限定理的条件,在次线性期望下得到形式更为一般的中心极限定理.首先,将均值条件E[X_n]=ε[X_n]=0放宽为|E[X_n]|+|ε[X_n]|=O(1/n);其次,应用随机变量截断的方法,放宽随机变量的2阶矩与2+δ阶矩条件;最后,将该定理的Peng-独立性条件进行放宽,得到卷积独立随机变量的中心极限定理.     

基于Deep-IndRNN的DGA域名检测方法

恶意服务常利用域名生成算法（DGA）逃避域名检测,针对DGA域名隐蔽性强、现有检测方法检测速度较慢、实用性不强等问题,采用深度学习技术,提出了一种基于Deep-IndRNN的DGA域名检测方法。方法运用词袋模型（BoW）将域名向量化,然后通过Deep-IndRNN提取域名字符间特征,并使用Sigmoid函数对域名分类检测。其主要特点在于:通过将Deep-IndRNN的多序列输入拼接为单向量输入,以单步处理代替循环处理,同时结合Deep-IndRNN能保存更长时间记忆的特点,可有效释放深度学习时占用的GPU、CPU等系统资源,且在保证高准确率和精确度的前提下提高训练、检测速度。实验结果表明,基于Deep-IndRNN的DGA域名检测方法在检测任务中具有较高的准确率和精确度,相比于DNN、CNN、LSTM、BiLSTM、CNN-LSTM-Concat等同类检测方法,能显著提高训练、检测速度,是有效可行的。     

The convergence on spectrum of sample covariance matrices for information-plus-noise type data

In this paper,we consider the limiting spectral distribution of the information-plusnoise type sample covariance matrices Cn =1/N (Rn + σXn) (Rn + σXn)*,under the assumption that the entries of Xn are ...     

基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化。首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别。通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5%以上,为火灾图像识别提供了一种新思路。     

Du Fort-Frankel格式及DFF-I并行格式的稳定性

 本文对抛物型方程的Du Fort-Frankel(DFF)格式以及基于该格式构造的并行差分格式(DFF-I)进行了稳定性分析。采用矩阵分析方法, 证明了其无条件(LR)稳定性, 给出了DFF格式的稳定性系数的最小值的上界估计, 结果表明其与网格比有关, 从而DFF格式并非绝对稳定。本文改进了并行差分格式(DFF-I)的稳定性分析结果, 证明了其增长矩阵的谱半径严格小于1, 从而具有长时间稳定性。数值算例验证了DFF-I格式具有空间二阶精度, 且有很好的稳定性。     

强亚正交矩阵及其性质

推广正交矩阵得到了强亚正交矩阵的概念并讨论了它的性质.     

LiNi0.5Co0.5O2体系的结构稳定化作用和独立充放电机理

为了解释锂离子二次电池正极材料LiNi_0.5Co_0.5O₂具有的优良充放电循环性能和高比容量特征，采用基于密度泛函理论(DFT)的第一性原理计算方法对LiNi_0.5Co_0.5O₂和LiNiO₂的相关特性进行了研究。结果表明LiNi_0.5Co_0.5O₂的结构稳定性优于LiNiO₂的原因在于充放电过程中体系中Ni、Co离子交替存在的价电子构型t_2g⁶e_g⁰。依据LiNi_0.5Co_0.5O₂体系中Ni离子和Co离子相互独立的电极反应提出了适用于LiNi_xCo_1-xO₂(0≤x≤1)体系的独立充放电机理(0.2C、3.0～4.2 V vs Li⁺/Li)，并得到实验的证实。     

红外、近红外光谱-簇类的独立软模式方法识别植物调和油脂

用IR,NIR光谱法结合簇类的独立软模式(SIMCA)识别方法对植物油脂进行分类识别,建立了识别二元、三元植物调和油脂的测定方法。应用NIRCal5.2软件的SIMCA技术,分别为所制备的植物调和油脂建立了IR和NIR识别模型,并讨论了光谱处理和数据处理方法来提高模型的分类识别效果。分别以各种植物调和油脂的IR和NIR光谱为变量,随机抽取2/3的样本作训练集,建立了各个调和油的主成分分析(Princi-pal component analysis,PCA)模型;1/3作验证集,对所建模型进行验证识别。用聚类分析-主成分分析(CLU-PCA)方法考察调和油的IR,NIR光谱信息与其纯油的主成分分布。结果显示,在4000～10000cm-1光谱范围内,SIMCA可以对15种二元调和油和2种三元调和油的NIR光谱分别聚类并识别;并对10种二元调和油和2种三元调和油的IR光谱分别聚类并识别。IR以4个波数1099,1119,1746与2855cm-1的吸收值作为分析基础,选择不同的主成分数及数据预处理方法。各种油脂的SIMCA分析的分类精度均为100%,调和油的验证识别准确率100%,最低识别比例为1%,且IR识别灵敏度高于NIR。