PSY-g-PAA/Na-MMT复合高吸水性树脂的制备及其对Cu2+的吸附

以欧车前胶(PSY)、丙烯酸(AA)和钠基蒙脱土(Na-MMT)为原料,过硫酸铵(APS)为引发剂,N,N'-亚甲基双丙烯酰胺(MBA)为交联剂,采用水溶液聚合法制备了欧车前胶接枝聚丙烯酸/钠基蒙脱土(PSY-g-PAA/Na-MMT)复合高吸水性树脂.考察了Na-MMT质量分数对复合高吸水性树脂吸水能力和Cu2+吸附...     

高维空间L1范数约束的一类数据稀疏距离测度学习算法与应用

现有一类分类算法通常采用经典欧氏测度描述样本间相似关系,然而欧氏测度不能较好地反映一些数据集样本的内在分布结构,从而影响这些方法对数据的描述能力.提出一种用于改善一类分类器描述性能的高维空间一类数据距离测度学习算法,与已有距离测度学习算法相比,该算法只需提供目标类数据,通过引入样本先验分布正则化项和L1范数惩罚的距离测度稀疏性约束,能有效解决高维空间小样本情况下的一类数据距离测度学习问题,并通过采用分块协调下降算法高效的解决距离测度学习的优化问题.学习的距离测度能容易的嵌入到一类分类器中,仿真实验结果表明采用学习的距离测度能有效改善一类分类器的描述性能,特别能够改善SVDD的描述能力,从而使得一类分类器具有更强的推广能力.     

介电高弹聚合物理论

软材料受刺激会发生变形, 该变形会引起相应的功能, 这种材料称为活性软材料(soft active material, SAM). 本综述主要讨论介电高弹聚合物这一类活性软材料. 当介电高弹聚合物薄膜受到厚度方向的电压作用时, 薄膜厚度减小同时面积增大, 可导致超过100{\%}的应变. 介电高弹聚合物作为转换器被广泛应用, 包括柔性机器人、智能光学器件、盲文显示屏、发电机等. 本文综述了建立在连续介质力学和热力学框架内的、并且基于分子理论描述和经验观测的介电高弹聚合物理论. 该理论耦合了大变形和电势, 描述了非线性和非平衡行为, 如力电失稳和黏弹性. 采用该理论能够通过有限元方法模拟实际构型的转换器, 计算力电能量转换的效率, 给出电致大变形的可行途径. 该理论有助于材料和器件设计.     

高管异质性视角下企业金融化对技术创新的影响

高新技术企业进行金融化战略可以为技术创新活动提供资金支持,但是也有可能会挤占技术创新活动的投入资金,金融化如何影响高新技术企业的技术创新是一个需要解决的重大问题。本文以2009-2018年我国高科技上市企业为样本,实证考察了企业金融化、金融背景高管以及技术创新水平之间的作用关系。研究发现,企业金融化对高新技术企业当年以及未来的技术创新水平具有显著正相关,而金融背景高管对于高新技术企业的当年以及未来的技术创新水平则呈现显著负相关;更进一步的,企业金融化与金融背景的高管之间的协同作用对于高新技术企业以及未来的技术创新水平之间呈现出显著的负相关。通过本文的研究有助于企业有效选择企业经营战略,选拔任用高层管理人员。     

高管薪酬、股权性质与公司绩效相关性研究

随着市场经济的快速发展,高管在公司中的地位越来越重要,对高管实行有效激励会给公司带来更大效益;此外,随着公司股权性质的不同导致高管薪酬对公司绩效的影响也不同,本文以沪深两市A股上市公司2014～2018年相关数据为样本数据,实证分析我国上市公司高管薪酬与公司绩效之间的关系;对比分析了国有和非国有上市公司公司高管薪酬对公司绩效的影响.结果发现:我国上市公司公司高管薪酬与绩效之间存在显著正相关关系,且非国有上市公司高管薪酬对绩效有更显著的正向作用.而且根据结论提出通过完善公司的薪酬激励制度以及对公司监督、约束机制加强管理来有效提高公司的绩效.     

(CuMnNi)100-xAlx高熵铜合金的显微组织、力学与摩擦学性能研究

针对工业领域对新型高强高耐磨金属材料的需求,制备了(CuMnNi)_100-xAl_x (x＝0, 5, 10, 15)系列高熵铜合金,研究了Al含量对高熵铜合金的物相组成、显微组织、力学性能和摩擦磨损性能的影响. 结果表明:CuMnNi高熵合金仅由面心立方结构(FCC)的高熵固溶体相组成,Al元素的添加对合金基体FCC相产生了强烈的固溶强化作用,并促进了体心立方(BCC)相形成. FCC相具有良好的塑性和韧性,而BCC相具有高强度和高硬度,两者共同作用使(CuMnNi)_100-xAl_x系列高熵铜合金的强度随Al含量增加而提高,而塑性和韧性不断降低. 其中,(CuMnNi)₉₀Al₁₀高熵铜合金中FCC相和BCC相的含量达到最佳匹配,使其具有优异的综合力学性能. 室温下,得益于优异的力学性能和硬质BCC相良好的抗磨作用,(CuMnNi)₉₀Al₁₀高熵铜合金的耐磨性优于常规耐磨铝青铜C6161,磨粒磨损为其主要磨损机制.      

基于I-BGLAM纹理和光谱融合的高光谱显微成像木材树种分类

为了提高木材树种分类的正确率,提出了一种基于I-BGLAM纹理特征和光谱特征融合的高光谱图像的木材树种分类方法。实验数据是利用SOC710VP高光谱成像仪获取的可见光/近红外（372.53~1 038.57 nm）范围内的高光谱图像。首先,利用基于OIF的特征波段选择方法降低高光谱图像的维数,选择出含有信息量大的波段。其次,对选择出的波段图像使用NSCT及NSCT逆变换得到融合图像,对得到的融合图像使用I-BGLAM提取其纹理特征。与此同时,对高光谱图像的全波段求取平均光谱并进行S-G（Savitzky-Golay）平滑得到光谱特征。最后,将得到的纹理特征和光谱特征融合后送进极限学习机（ELM）中进行分类。此外,还和基于灰度共生矩阵（GLCM）的木材识别的传统方法以及近几年木材树种识别领域内被提出的主流方法进行了比较。该研究主要创新点有两个：一是将强纹理提取器I-BGLAM用于高光谱图像中提取其纹理特征;二是提出一种新的特征融合的模型用于高光谱图像的分类。针对8个树种的实验结果表明,单独使用I-BGLAM提取的纹理特征来进行分类的正确率最高可到达88.54%,而使用GLCM提取纹理特征的传统方法正确率最高只有76.04%,该结果可以得出本文使用I-BGLAM在纹理特征提取方面要优于GLCM,这为后面建立的融合模型打下很好的基础,单独使用平均光谱特征来分类的正确率最高可以达到92.71%,使用所提出的特征融合方法所得到的分类正确率最高可达到100%,这说明使用所提出的融合模型来分类要比以前单独使用某一种特征的分类模型要好。此外,使用所提出的方法得到的分类正确率要高于本领域内其他两种主流的识别方法。因此,所提出的基于I-BGLAM纹理特征和光谱特征融合的方法能够提高木材树种分类的正确率,该方法在木材树种分类方面有着一定的利用价值。     

生成式对抗网络的土壤有机质高光谱估测模型

已有的土壤有机质含量估测模型大多以光谱特征波段、线性和非线性模型为基础,较少考虑通过拓展样本数据建模集来提高模型的估测能力。为进一步提高土壤有机质高光谱反演模型估测精度,提出利用生成式对抗网络(GAN)合成伪高光谱数据和有机质含量的动态估测模型。选取湖南省长沙市及周边区域的水稻田为研究对象,采集土样和实测高光谱数据(350~2 500 nm),室内化学测定有机质含量。以高光谱数据和有机质含量为基础,利用生成式对抗网络生成等量新数据, 结合原始数据建模集组成增强建模集。在GAN正式训练中,每轮训练完成后,设置4个观测点(对应增强建模集中含50,100,150和239个生成样本),动态构建交叉验证岭回归(RCV)、偏最小二乘回归(PLSR)和BP神经网络(BPNN)土壤有机质含量估测模型(分别简称GAN-RCV,GAN-PLSR和GAN-BPNN),并在相同测试集上实施模型评估。实验结果表明：(1)原始数据建模集上拟合的估测模型中,交叉验证岭回归表现最佳,决定系数(R2)和均方根误差(RMSE)分别为0.831 1和0.189 6;(2)GAN的150轮正式训练中,增强建模集上动态构建的GAN-RCV,GAN-PLSR和GAN-BPNN模型性能显著提高,具体表现为：GAN-RCV的R2取得最大值0.890 9(RMSE 0.153 7)、最小值0.850 5 (RMSE 0.18)与平均值0.868 7(RMSE 0.168 6),最大R2比建模集上拟合的RCV提高了7.2%(RMSE降低了18.9%),GAN-PLSR获得R2最大值0.855 4(RMSE 0.176 9)、最小值0.727 0 (RMSE 0.243 2)与平均值0.780 1 (RMSE 0.217 7),最大R2比建模集上拟合的PLSR提高了20.6%(RMSE降低了29.5%),GAN-BPNN表现最佳,R2取得最大值0.905 2(RMSE 0.143 3)、最小值0.801 7(RMSE 0.207 3)与平均值0.868 1(RMSE 0.168 6),最大R2比建模集上拟合的BPNN提高了30.8%(RMSE降低了44.5%);(3)随着增强建模集中生成样本数量增加,模型精度提升效果呈先升后降趋势,4个观测点中第3个观测点的模型性能提升最显著。充分的实验表明：基于GAN动态构建的有机质含量估测模型显著改善了模型预测性能。依据测试集上的评估结果,可择优使用最佳模型进行后续土壤有机质含量估测。     

高光谱成像的机采籽棉杂质分类检测

机采籽棉杂质分类检测为调整棉花清理机械加工参数和工序提供参考依据,对提升皮棉品质具有重要意义。但由于籽棉棉层分布不均匀,使得图像检测难度增大,使用传统的检测方法无法有效检测各类杂质。采用高光谱成像方法对机采籽棉中的棉叶、棉枝、地膜和铃壳（内外）五种杂质进行分类判别检测。首先采集120个机采籽棉样本的高光谱图像,选取感兴趣区域获取平均光谱曲线。发现由于物质构成的差异,不同杂质体现出不同的吸收和反射特性,不同种类物质之间的光谱差异大于同类物质。对提取的平均光谱曲线进行主成分分析（PCA）,结果显示棉花、残膜和铃壳外与其他三类相比,有较好的聚集性和可分性,但是棉叶、铃壳内和棉枝三类相互叠加在一起,空间分布存在严重交叉重叠。以提取的平均光谱曲线为训练样本,选择线性判别分析（LDA）、支持向量机（SVM）和神经网络（ANN）三种分类判别算法,对算法参数进行寻优,并建立机采籽棉杂质分类判别模型。其中,经过LDA模型降维后的样本空间较PCA表现出了更好的聚集性和可分性,采用正则化防止过拟合,得到训练集准确率为86.4%,测试集准确率为86.2%;SVM模型的参数寻优结果为C=105,g=0.1,其训练集准确率为83.42%,测试集准确率为83.40%;ANN模型参数寻优得到隐含层数和神经元个数分别为2和17,训练集准确率为82.9%,测试集准确率为81.8%。对三种模型的分类效果和检测用时进行比较,LDA模型结果最优。通过对高光谱图像进行像素等级分类判别,结果显示棉花识别效果较好,植物性杂质都被有效检测,但是地膜和棉花存在误识别,分类效果与杂质光谱的分类判别模型结果一致。因此,采用高光谱成像技术可以快速、无损的检测和识别籽棉杂质,为棉花加工装备提供反馈参数,对棉花加工机械化和智能化有重要意义。     

高光谱数据的刚竹毒蛾虫害程度检测

刚竹毒蛾虫害检测对毛竹的生长和竹业的发展起着至关重要的作用。根据高光谱冠层光谱信息与刚竹毒蛾虫害程度之间的关系,提取冠层光谱中与虫害紧密相关的特征波长、指数以及光谱参数等,利用Fisher判别分析法建立刚竹毒蛾虫害程度检测模型。分别以原始光谱的400～508,586～693和724～900 nm处的波长、包络线去除光谱的400～756 nm之间的特征波长、9种冠层光谱植被指数和7种冠层特征光谱参数作为Fisher判别函数自变量,构建判别函数。收集300组毛竹叶片虫害样本数据,随机划分为210组建模集与90组验证集,根据检测精度、Kappa系数以及判定系数R2作为检验标准,对建立的判别函数进行效果评价与对比。结果表明,以原始光谱、去包络线光谱、冠层指数、光谱参数为自变量建立的Fisher判别函数的检验精度分别为：84.4%,81.1%,79.7%,78.7%;Kappa系数分别为：0.79,0.74,0.74,0.76;R2分别为：0.89,0.88,0.88和0.85。由此可知,Fisher判别分析模型建立的函数具备很好的刚竹毒蛾虫害程度检测能力,而且基于冠层原始光谱建立的判别函数检测效果最佳。根据高光谱数据的冠层原始光谱建立的判别函数对福建省顺昌县大干镇武坊村的洋门和土垅村的上湖竹林进行刚竹毒蛾虫害程度检测。检测结果为：上湖两个样区的竹林以健康为主。洋门两个样区虫害程度以中度和重度为主。因此基于无人机高光谱遥感对于刚竹毒蛾虫害的大面积检测具有可行性,该方法可为虫害检测的探究提供参考,为基于冠层遥感虫害检测贡献理论支撑。