类水滑石主体层板与客体CO2-3、H2O间的超分子作用

通过构建类水滑石双层计算模型,采用混合密度泛函B3LYP/6-31G(d)//B3LYP/3-21G方法计算类水滑石(LDHs-CO3-yH2O)的结构与能量,探讨LDHs限域空间中客体阴离子及水分子的分布形态以及主客体超分子作用.计算结果表明,客体阴离子与水分子以平行层板的方式存在于水滑石层间.主客体发生作用时,CO2-3的HOMO轨道向层板的LUMO轨道转移电子.所形成的LDHs-CO3主客体作用要强于LDHs-F以及LDHs-Cl.与其离子交换性能相一致.水滑石去水结构(LDHs-CO3)水合过程,氢键作用较静电作用更占优势,并且layer-water型氢键要强于anion-water型氢键.此外,水合能计算表明LDHs水合具有一定的饱和量.     

水相法合成二氯二甲茂钛与水杨酸类配合物

Ｃｐ2 ＴｉＣｌ2 具有很好的抗癌活性 ,已成为第三代抗癌药物[1 - 3] 。为了寻求活性更高的抗癌药物 ,探索抗癌机理 ,我们用 (ＭｅＣｐ) 2 ＴｉＣｌ2 、水杨酸或其衍生物 ,按水相法合成了甲茂钛的水杨酸类配合物。合成路线如下图所示 :其中 :Ⅰ为ｐＨ <4 ,Ｘ =Ｈ ,Ｙ =Ｈ的产物 ;Ⅱ为ｐＨ <4 ,Ｘ =Ｈ ,Ｙ =ＮＯ2 的产物 ;Ⅲ为ｐＨ >6 ,Ｘ =ＮＯ2 ,Ｙ =ＮＯ2 ,Ｚ =Ｏ的产物 ;Ⅳ为ｐＨ >6 ,Ｘ =Ｈ ,Ｙ =Ｈ ,Ｚ =Ｓ的产物。 (Ⅰ～Ⅳ为新化合物 )1　实验部分1 .1　仪器与试剂水杨酸、ＴｉＣｌ4,ＡＲ ;5 -硝基水杨酸、3,5 -二硝基水杨酸、5 -磺基…     

基于人工智能技术的光通信网络异流数据检测

为准确检测光通信网络异流数据,提出基于人工智能技术的光通信网络异流数据检测方法。基于K-means聚类分析光通信网络流数据特征类型,实现特征聚类,预处理去除聚类后的网络流数据特征样本中的冗余特征;将预处理后的特征样本作为识别样本,以识别异常网络流数据特征的形式,检测异流数据。实验结果验证：此方法对多种光通信网络异流数据的检测结果与实际情况一致,具有准确检测光通信网络异流数据能力。     

基于改进YOLOv3的避雷器红外图像故障检测方法

针对现有的金属氧化物避雷器（Metal Oxide Arrester,MOA）红外图像故障检测方法存在识别精度低、检测速度较慢的问题,提出一种基于改进YOLOv3的MOA红外图像故障检测方法。首先,以Darknet19网络代替YOLOv3原始的Darknet53网络,并在特征学习时针对样本中不同MOA长宽比例,通过K-means聚类算法对MOA图像中的目标帧进行分析,重新聚类样本中心锚点框,得到合适的锚框数目和大小。最后,利用改进YOLOv3模型完成MOA红外图像故障检测。实验结果表明,改进的YOLOv3模型识别精度达到96.3%,识别速度为6.75 ms。     

基于聚类和联合偏度与峰度指数的高光谱数据波段选择算法

高光谱数据的光谱分辨率高,数据量大,在提供丰富、详细的地物或目标信息的同时,不同光谱波段特别是相邻波段间有较强的相关性,导致光谱波段之间有大量冗余信息。针对这一问题,面向高光谱异常检测,提出了基于聚类和联合偏度与峰度指数的波段选择方法。首先利用虚拟维度进行估计,确定高光谱数据的本征维度,再结合最大-最小距离的思想进行聚类中心的更新,避免了随机选取的初始值可能导致距离太近的问题。然后,考虑到异常目标常常表现为不满足背景高斯分布的特点,使用联合偏度与峰度指数作为准则函数进行波段选择,有效选择出了重要波段。在三组代表性高光谱数据集上进行了实验,结果表明本文所提出的算法有效提升了高光谱异常检测的效果并降低了虚警率。     

基于对比层级相关性传播的由粗到细的类激活映射算法研究

以卷积神经网络为代表的深度学习算法高度依赖于模型的非线性和调试技术,在实际应用过程中普遍存在黑箱属性,严重限制了其在安全敏感领域的进一步发展。为此,该文提出一种由粗到细的类激活映射算法(CF-CAM),用于对深度神经网络的决策行为进行诊断。该算法重新建立了特征图和模型决策之间的关系,利用对比层级相关性传播理论获取特征图中每个位置对网络决策的贡献生成空间级的相关性掩码,找到影响模型决策的重要性区域,再与经过模糊化操作的输入图像进行线性加权重新输入到网络中得到特征图的目标分数,从空间域和通道域实现对深度神经网络进行由粗到细的解释。实验结果表明,相较于其他方法该文提出的CF-CAM在忠实度和定位性能上具有显著提升。此外,该文将CF-CAM作为一种数据增强策略应用于鸟类细粒度分类任务,对困难样本进行学习,可以有效提高网络识别的准确率,进一步验证了CF-CAM算法的有效性和优越性。     

C波段高效率逆F类GaN MMIC功率放大器

为了解决晶体管寄生参数对逆F(F-1)类功率放大器效率的影响,采用了一种新型的输出谐波控制结构。首先,设计二次和三次谐波控制电路,同时将直流偏置电路加入二次谐波控制电路,降低了电路设计的复杂度。其次,为了解决寄生参数对F-1类功放本征漏极端阻抗的影响,采用一段串行微带线进行寄生补偿。最后,通过微带线和电容进行基波和负载之间的匹配。为验证方法的有效性,采用0.25 μm氮化镓高电子迁移率晶体管(GaN HEMT)工艺,设计了一款工作在5.7 GHz~6.3 GHz的F-1类微波集成电路功放。版图后仿真结果显示,F-1类功放的漏极效率DE为57.2%~62.3%,功率附加效率PAE为51.8%~57.4%,饱和输出功率为39.0 dBm~40.4 dBm,增益为9.0 dBm~10.4 dBm。版图面积为3.2×1.7 mm²。     

基于车载激光点云的铁路轨道检测

铁路轨道的局部变形直接影响火车的高速安全行驶。为实现铁路轨道的自动化巡查,提出一种从车载激光点云中提取轨面与枕木的方法。首先,利用基于高程约束的欧氏聚类对原始点云数据进行预处理,得到路基区域;然后,对路基区域进行网格划分,并对每个网格内的点云进行高程判断,从而提取出轨面点云;最后,利用枕木与砟石的几何形态差异,设计出一种面向轨道点云的动态阈值分割方法,以提取枕木点云。对多个路段的铁路轨道进行实验,结果表明,本文方法仅利用点云坐标信息就能实现不同区域的轨面与枕木的自动检测,平均提取质量分别达到97.8%和93.6%,验证了本文方法的可行性与有效性。     

基于异构数据的电力短期负荷大数据预测方案

随着多种可再生能源电力的接入,电力系统正在向更智能、更灵活、交互性更高的系统过渡。负荷预测,特别是针对单个电力客户的短期负荷预测在未来电网规划和运行中发挥着越来越重要的作用。提出了一个基于异构数据的电力短期负荷大数据预测方案,该方案收集来自智能电表和天气预报的数据,预处理后将其加载到非关系型数据库中进行存储并做进一步的异构数据处理;设计并实现了一个长短期记忆递归神经网络模型,用于确定负荷分布并预测未来24 h的住宅小区用电量;最后利用一个住宅小区的智能电表数据集对提出的短期负荷预测框架进行了测试,并使用均方根误差和平均绝对百分比误差两个指标,对比了预测模型与两种经典算法的性能,验证了所提模型的有效性。