单壁碳纳米管的SERS研究

本文通过改进实验方法,将单壁碳纳米管的乙醇溶液与金胶混合并制作成固体薄膜,使单壁碳纳米管夹裹在金纳米粒子之间,保证了吸附的紧密性,获得了高质量的单壁碳纳米管SERS光谱。不但观测到文献中报道的径向呼吸振动模(RBM)和C-C正切拉伸模(GM)的增强,还在1100-1500cm-1区域观测到一组新峰,其峰形完整并有相当的强度。这些峰在现有的文献中几乎没有报导。文章对这组新峰的出现进行了初步的分析。     

激发相干态下双模介观传输线的量子效应

将介观无损耗传输线中的驻波场看成作相对运动的两列同频率的行波的叠加，此电路量子化后成为两个频率相同、不同模的光子场。计算和分析了激发相干态下电压和电流梯度的量子涨落，指出了双模传输线与一般的LC电路、双模传输线与单模传输线量子涨落的异同之处。     

Applying a Mode Selector to Improve the Pulse-Compression Performance of Asymmetric-Coupled-Waveguide-Based Dispersion Compensators

An InGaAsP slab-type asymmetric-coupled-waveguide-based dispersion compensator with a mode selector has been designed and fabricated. The mode selector is necessary to select either a symmetric [with a positive group-velocity dispersion (GVD)] or antisymmetric (with a negative GVD) supermode. These supermodes exist simultaneously in the dispersion-compensation region of the device. Pulse-compression experiments were used to test the dispersion compensator, evaluating the function of the mode selector. A theoretical study of the experimental results shows that the mode selector obtains a very strong selectivity (nearly 100%) for the antisymmetric supermode.     

CRP复合材料板复合型裂纹扩展方向预测理论研究

本文对碳纤维增强的复合材料板裂纹扩展方向预测理论进行了研究。介绍了最新发展起来的复合材料Z断裂理论 ,并通过试验证明了新理论的正确性     

数字用户环路倍增设备用户开关电源的动态分析

介绍了数字用户环路倍增设备用户开关电源的动态分析方法。在功率级和补偿网络拓扑给定时，应用最优控制理论，以动态误差平方积分最小为优化目标，建立非线性动态优化设计分析模型，用非线性不等式约束条件的最优化算法求出补偿网络的最优参数，并应用ＣＡＤ辅助分析进行校核分析，以保证系统大、小信号的性能要求     

Sniffer在Windows 2000下的实现方法

介绍了网络嗅探器（Sniffer）的基本原理，并阐述了Windows2000下Sniffer的基本实现，重点阐述了Windows2000下新的实现方法。     

蠕动式步行机器人研究

提出了一种可在复杂地面环境下行走的需蠕动式步行机器人本体结构。该结构采用一种地面被动态适应技术，使得腿部可根据地面情况自动调整伸缩长度，以获得较为稳定的支撑。机器人依靠本体变形及被动适应地面的方法产生步行，在很大程度上简化了步行过程中复杂的动作协调控制问题。根据机器人的结构特点，给出了两种步态规划方式。仿真试验表明，该机器人控制简单，运动灵活，具有较广的应用前景。     

教师的创造性人格及培养模式

创造性的人格特征是教师素质的重要方面,在教师创造活动中起着动力、导向、调节作用.教师的创造性人格特征,一方面为创造型教师的成长提供帮助,另一方面也为教师培养学生的创造精神、创造能力提供重要手段.本文在阐述教师创造性人格的基础上,论述教师创造性人格特征的培养模式,即认知切入、情境陶冶、活动交往、体验反思.     

基于B/S模式的年度考核管理系统的设计与实现

本文阐述了新疆师范大学年度考核管理系统的功能、设计与实现。     

Improved customer choice predictions using ensemble methods

In this paper various ensemble learning methods from machine learning and statistics are considered and applied to the customer choice modeling problem. The application of ensemble learning usually improves the prediction quality of flexible models like decision trees and thus leads to improved predictions. We give experimental results for two real-life marketing datasets using decision trees, ensemble versions of decision trees and the logistic regression model, which is a standard approach for this problem. The ensemble models are found to improve upon individual decision trees and outperform logistic regression.