OX2(X=F，Cl，Br，I，At)中的离域π63键

本文在理论层面上研究了OX₂(X=F,Cl,Br,I,At)分子的电子结构,结果表明其中存在离域π⁶₃键,氧原子采取sp²杂化方式,与价层电子对互斥理论预测的结果不符. 提出了离域稳定化能衡量形成离域π⁶₃键对能量降低的贡献,证实离域π⁶₃键对分子结构起到了额外的稳定作用. 这些现象可以总结为一种配位效应.     

基于条件随机场的复杂背景图像文字分割

图像中的文字提取是处理文字信息的关键步骤。提出一种基于条件随机场（CRFs）的分割方法。针对背案复杂的情况,精心选择特征,设计分类器,计算在给定观测数据情况下,像素标签的条件概率分布。这样,有效地避免了计算联合分布所带来的问题（如马尔可夫随机场）。与传统的分类器相比,该方法更加注重像素以及标签之间互相影响程度以及合理性。试验结果表明,与其他方法相比,CRFs的文字分割结果有明显的提高。     

雷达自适应副瓣对消的FPGA工程实现

抗干扰能力已成为雷达电子对抗技术的重要指标.在众多抗干扰技术中,副瓣对消是其中一个重要手段,用于消除从天线副瓣进入的干扰信号.为了提高传统处理器的计算效率,介绍了一种自适应副瓣对消在可编程逻辑器件(Field Programmable Gate Array,FPGA)中的实现方法,具有更好的实时性.基于某相控阵雷达测试...     

镍促进电化学还原交叉偶联合成偕二氟烯烃（英文）

偕二氟烯烃是一类重要的含氟有机化合物,在有机合成化学和药物化学研究领域展现出独特的结构优势.例如,偕二氟烯基可以便利地转化为单氟烯基、二氟烷基、三氟甲基以及其他多种含氟结构.偕二氟烯基结构作为羰基理想的电子等排体在药物设计研究中也有广泛的应用.报道了一种镍促进的电化学还原交叉偶联反应合成功能化的偕二氟烯烃.该反应在非分隔电解槽中进行,在温和的电化学还原条件下,实现了三氟甲基烯烃烯丙基脱氟、氧化还原活性羧酸酯脱羧或者烷基卤化物脱卤素的有机结合.反应可有效避免使用化学计量的金属粉末或有机还原剂.该反应为含偕二氟烯基功能结构的生物活性分子提供了有效的合成途径.     

基于网络民族志的影视剧“考古”群体怀旧行为研究

现如今,打开社交媒体与短视频平台,就可以发现一场声势浩大的“考古潮”正席卷影视圈的各个角落。当人们认真观察当下的怀旧现象,会发现怀旧已经不再是单纯的对往日的追忆,而是在快速发展的互联网文化中,人们重塑过去与改造当下的现实手段。基于此,本文从怀旧的视角出发,以豆瓣小组“后宫·甄嬛传”群体为研究对象,运用网络民族志的考察方法,探究影视剧“考古”群体的怀旧行为,包括“考古”群体汇集的动机、在群体汇集过程中呈现出来怎样的结构与特征、群体之间的交往反映了哪些社会思潮。     

生鲜农产品多配送中心连续选址FCM-ISA算法及应用

本文对生鲜农产品多配送中心连续选址问题进行了研究,在建立考虑最小距离约束下连续选址模型的基础上,针对以往连续选址模型求解过程中采用随机方式生成初始解会造成算法搜索范围过大且易陷入局部最优的局限,创新性地提出了连续选址模型的模糊C均值聚类-改进模拟退火(FCM-ISA)算法,并以杭州市为例验证了所建模型及设计算法的有效性。计算结果表明,本文所建立的生鲜农产品多配送中心连续选址模型更符合实际选址情景,设计的FCM-ISA算法收敛速度快且全局寻优效果好,对科学地进行生鲜农产品多配送中心选址决策具有重要的指导意义。     

魔角旋转固体核磁共振探头中转子的研制

转子作为魔角旋转（MAS）探头一个至关重要的部件,是固体样品高速旋转的载体,被广泛应用于各种固体核磁共振（NMR）实验.但国内关于MAS转子的研究极少,以至其长期被国外市场垄断.本文通过对MAS转子的深入研究,设计了常规的4 mm MAS转子;并对MAS转子进行了流固耦合仿真,分析其应力应变大小;同时进行了模态仿真,确定了MAS转子的各阶振型及临界转速;最后制作了转子,进行了转速测试和固体NMR实验.结果表明,本文设计和制作的转子能在14 kHz转速下正常运行,并在4 kHz及12.5 kHz转速下采集了金刚烷标样的¹H NMR信号,结果表明该转子能满足常规固体NMR实验的需求.     

DRM在IPTV中的研究与应用

近年来互联网的迅猛发展有力地推动了数字商品,如书籍、音乐和图片等媒体内容电子版的销售。但数字商品可以在无任何品质损伤的情况下被轻易拷贝和再分发的特性又使互联网成为非法使用、传播有版权媒体内容的温床。因此,数字版权管理（Digital Rights Management,DRM）产业引起了人们高度的关注。文章介绍了DRM的基本原理,分析了现在流行的DRM的工作情况,针对DRM的缺点,提出了一种IPTV系统改进的DRM模型,论述了它的工作流程,并分析了它对比其他DRM模型的优越性。     

基于多维度特征遥感图像分类方法的研究北大核心CSCD

为了解决传统高光谱图像分类方法精度低、计算成本高及未能充分利用空-谱信息的问题,本文提出一种基于多维度并行卷积神经网络(multidimensional parallel convolutional neural network,3D-2D-1D PCNN)的高光谱图像分类方法。首先,该算法利用不同维度卷积神经网络(convolutional neural network,CNN)提取高光谱图像信息中的空-谱特征、空间特征及光谱特征;之后,采用相同并行卷积层将组合后的空-谱特征、空间特征及光谱特征进行特征融合;最后,通过线性分类器对高光谱图像信息进行精准分类。本文所提方法不仅可以提取高光谱图像中更深层次的空间特征和光谱特征信息,同时能够将光谱图像不同维度的特征进行融合,减小计算成本。在Indian Pines、Pavia Center和Pavia University数据集上对本文算法和4种传统算法进行对比实验,结果表明,本文算法均得到最优结果,分类精度分别达到了99.210%、99.755%和99.770%。     

基于改进YOLOv4的遥感图像目标检测

针对遥感图像在复杂背景下因特征提取和表达能力不足而存在漏检和检测效果不佳的问题,提出一种优化特征提取网络的YOLOv4算法模型。该改进模型引入了一种新的Dense-PANet结构以获取更高的分辨率特征,并通过在特征提取网络中嵌入注意力机制以适应遥感图像因视野范围大而导致复杂背景下小目标漏检和检测效果不佳的问题。为了证明本文所提方法的有效性,针对DIOR遥感数据源进行了对比实验,结果表明,本文算法平均准确率(mean average precision,mAP)为86.55%,相比原算法提高了2.52%,较YOLOv3、RetinaNet提高了6.58%、14.09%,验证了所改进算法的有效性。