Synthesis and Characterization of Highly Dispersed Antimony-Doped Stannic Hydroxide Nanoparticles: Effects of the Azeotropic Solvents to Remove Water on the Properties and Microstructures of the Nanoparticles

Highly dispersed antimony (Sb)-doped stannic hydroxide nanoparticles have been successfully prepared using the solution chemistry method. The properties and microstructures of the nanoparticles are investigated in detail by means of infrared, transmission electron microscope, X-ray diffractometer, and Brunauer-Emmett-Teller nitrogen surface area measurements. The results indicate that the properties and microstructures of the nanoparticles strongly depend on the azeotropic solvents used to remove water at the drying stage. Various azeotropic solvents are screened to investigate their effects on the size and dispersivity of dried Sb-doped stannic hydroxide. Three empirical rules are drawn for selecting an effective azeotropic solvent: (1) the solvent molecule should contain at least one atom such as oxygen as the hydrogen (H)-bond acceptor to form H bonds with the surface –OH (acting as an H-bond donor) of polymer particle; (2) the H-bond acceptor should locate in the middle of the alkane chain rather than on the terminal so that the alkane chain can stretch out and cover more surface area, improving the dispersivity of the dried product; and (3) the solvent should have a higher boiling point (∼140°C) to reduce the time of azeotropic distillation for removing water and maintain a lower residual amount of azeotropic agent. Based on the empirical rules, it is discovered that iso-amyl acetate is the most effective azeotropic solvent.     

新型非氧化型的水不溶杀菌剂的合成及应用试验

将自行研制的非氧化型的水不溶杀菌剂尼龙6树脂载体高分子季胺盐杀菌剂和强酸型阳离子树脂载体高分子季胺盐杀菌剂应用于锦州石化公司工业循环冷却水,对其进行杀菌处理试验,结果表明这两种杀菌剂在30℃时、作用30 min对工业循环冷却水中异养菌、氨化细菌、反硝化细菌的杀菌率在90%以上,真菌的杀菌率在80%以上。有望应用于工业循环冷却水处理。     

基于深度学习的恶意文档可视化检测

为了更加准确、快速地检测恶意PDF与DOCX格式文档,提出一种基于深度学习的恶意文档可视化检测方法。该方法通过马尔可夫模型将文档的字节序列转化为三通道的彩色图,从而获取更能区分恶意文档和良性文档的视觉表征,并采用当前主流的EfficientNet-B0模型对提取的可视化特征进行分类。结合迁移学习领域中的微调技术,将ImageNet上的分类权重应用到EfficientNet-B0模型的训练中,加快检测模型的收敛速度,缩短模型的训练时间。实验证明,在两个数据集上,模型的收敛速度快于随机初始化权重的预训练,且模型对恶意PDF文档和恶意DOCX文档的检测准确率分别达到了99.80%和98.14%,优于ResNet34、MobileNetV2等模型。与主流的恶意文档检测工具Wepawet和PJScan相比,所提出的方法具有更优的综合检测性能,进一步验证了所提出方法对恶意文档检测的有效性。     

一种多核处理器直连接口QoS的设计与验证

多核处理器直接互连构建多路并行系统,一直是提高高性能计算机并行性的主要方式。主要研究多核处理器直连接口的QoS设计,通过直连接口完成跨芯片的Cache一致性报文有效、可靠传输,实现共享主存的SMP系统。详细阐述了直连接口各个协议层的QoS设计的关键技术,基于UVM方法学构建了可重用验证平台,模拟验证了QoS设计的正确性,移植到FPGA原型验证平台,顺利通过了测试。深入研究和实现处理器芯片直连技术,是提升高性能多路服务器的主流方向,具有良好的应用和研究前景。     

面向中文关系抽取的句子结构获取方法

在关系抽取中,神经网络模型是目前最常用的技术之一,然而现有神经网络模型很少考虑句子中两个实体之间的结构特征。该文针对关系抽取任务的特点,提出了基于神经网络模型的句子结构获取方法。该方法通过对关系实例中两个实体的位置进行特殊标记,使神经网络模型能够有效捕获句子中关于实体的结构信息。为了验证方法的有效性,分别采用两种主流的神经网络模型进行对比实验,实验结果表明,该方法在ACE 2005中文关系抽取数据集上的抽取性能得到显著提升,超出对比工作约11个百分点,表明该方法能有效提升关系抽取任务的性能。     

自适应多模态特征融合胶质瘤分级网络

目的 胶质瘤的准确分级是辅助制定个性化治疗方案的主要手段,但现有研究大多数集中在基于肿瘤区域的分级预测上,需要事先勾画感兴趣区域,无法满足临床智能辅助诊断的实时性需求。因此,本文提出一种自适应多模态特征融合网络（adaptive multi-modal fusion net,AMMFNet）,在不需要勾画肿瘤区域的情况下,实现原始采集图像到胶质瘤级别的端到端准确预测。方法 AMMFNet方法采用4个同构异义网络分支提取不同模态的多尺度图像特征;利用自适应多模态特征融合模块和降维模块进行特征融合;结合交叉熵分类损失和特征嵌入损失提高胶质瘤的分类精度。为了验证模型性能,本文采用MICCAI （Medical Image Computing and Computer Assisted Intervention Society）2018公开数据集进行训练和测试,与前沿深度学习模型和最新的胶质瘤分类模型进行对比,并采用精度以及受试者曲线下面积（area under curve,AUC）等指标进行定量分析。结果 在无需勾画肿瘤区域的情况下,本文模型预测胶质瘤分级的AUC为0.965;在使用肿瘤区域时,其AUC高达0.997,精度为0.982,比目前最好的胶质瘤分类模型——多任务卷积神经网络同比提高1.2%。结论 本文提出的自适应多模态特征融合网络,通过结合多模态、多语义级别特征,可以在未勾画肿瘤区域的前提下,准确地实现胶质瘤分级预测。     

Removal of Methyl Orange from Aqueous Solution by Mineral-based Porous Granulated Material

Sodium bentonite, graphite, light calcium carbonate and diatomite were used as parent minerals for the mineral-based porous granulated material(MPGM) which was tested for the removal of methyl orange(MO), a cationic dye, from aqueous solution. The adsorption capacity was evaluated under the conditions of varied initial p H, adsorbent dosage, dye concentration, temperature, reaction time, and static regeneration. Experimental results showed that the maximum capacity of MPGM adsorbing MO was more than 80 mg·g-1. The adsorption equilibrium and kinetics of MPGM followed typical pseudo-first-order and Langmuir adsorption models respectively. The thermodynamic parameters of ΔGo, ΔHo and ΔSo showed that the adsorption was an endothermic and spontaneous process without remarkable change. The spent MPGM was regenerated 5 times and probable pathway for the efficient and re-utilizing adsorbent has been proposed. The results indicate that MPGM has a structure of silicon-aluminium-calcium-carbon, and could be employed as porous, low density, and large specific surface area alternatives for the removal of cations dyes from industrial wastewater.     

基于MLS点云模型特征的提取算法

针对以往特征提取算法提取边界特征效果不理想和特征识别时间较长的问题,提出了一种改进的点云模型特征边界线提取算法.该算法以移动最小二乘法为基础,在对已有的边界特征提取方法研究的基础上,结合研究对象棱角分明的特点,提取点云模型边界特征点集,利用双向搜索方法快速生成模型的特征边界线,并对得到的特征边界线进行特征修复,从而得到较为稳定的点云模型的特征边界线.实验结果表明,该算法能快速地提取点云模型的特征边界线,为后续基于特征边界的建模节约了大量时间.     

地质矿产资源勘查问题及对策

为了适应我国当前社会发展的需要,地质矿产资源的利用率越来越高。我国拥有大量的矿产资源,但由于长期不合理的勘探、开发和出口,使矿产企业遭受了巨大的损失。要促进我国矿产资源产业的发展及转型,就必须加强地质矿产勘察力度,同时保证合理开发。     

工作记忆及语言水平对英语学习者隐喻理解的影响

本研究旨在探讨工作记忆广度和语言水平差异在中国英语学习者对隐喻句这一特定句型理解的影响。通过英语工作记忆广 度、英语语言水平及英语隐喻理解的研究测试发现,中国英语学习者的英语工作记忆广度、英语语言水平与其隐喻理解能力高度 相关,工作记忆和语言水平高低两组t 检验结果均呈显著性差异。工作记忆广度及语言水平是影响中国英语学习者隐喻理解的两 大因素,故英语学习者可以通过知识面拓展及工作记忆训练来提高自己的隐喻理解能力。