飞秒激光光斑轮廓的傅里叶描述子重建及特征提取

在利用飞秒激光对单晶硅材料进行微尺度烧蚀时,衍生的等离子体发光光斑中蕴含着大量的加工信息。如何有效提取光斑图像的几何特征信息,对研究飞秒激光烧蚀加工工艺过程具有重要意义。轮廓特征是描述激光光斑最重要的特征之一,本文着重分析了等离子体光斑轮廓特征与光斑运动规律间的关系及光斑运动情况分类方法。首先,考虑到光斑微弱的特性,对光斑图像进行增强处理。其次,采用链码方法提取光斑轮廓特征,并利用傅里叶描述子低频特性,选取少量的描述子重建光斑图像轮廓特征,减少了复杂的计算量,有效提高了光斑图像分类的速度与质量。最后,运用Hu不变矩特征证明傅里叶描述子用于提取激光光斑对轮廓特征的有效性。     

Ni掺杂ZnO纳米棒阵列膜的增强紫外光电响应

研究以醋酸镍为Ni源,通过水热方法合成不同浓度Ni掺杂的ZnO纳米棒阵列膜,采用XRD、PL以及XPS等测试方法对掺杂的ZnO纳米棒阵列膜进行结构表征,通过自制的光电性能平台进行光电导性能的测试。研究结果表明,Ni的掺杂改变了ZnO晶格常数的大小。掺杂后的ZnO纳米棒阵列膜的光响应度很高,其中醋酸镍浓度为0.05 mol/L的ZnO纳米棒阵列膜的光响应度最高,可以达到3 112.1,是纯ZnO纳米棒阵列膜的光响应度的38倍。Ni的掺杂使得ZnO纳米棒的耗尽层宽度拓宽,降低了暗电导,从而使得光响应度增大。     

微量Zr对不对称轧制Al-0.8Mg-0.9Si合金板织构及性能的影响

本文研究了微量Zr对不对称轧制Al-0.8Mg-0.9Si合金板及其相继固溶处理后的微观结构及性能的影响。结果表明：微量Zr在Al-0.8Mg-0.9Si合金中形成Al3Zr相弥散分布在基体中,在不对称轧制过程中,该化合物相对Copper{112}<111>、Brass{011}<211>、S{123}<634>、E{111}<110>和F{111}<112>等形变织构无明显影响；在随后的固溶处理过程中,轧制板材发生的再结晶使得Copper、Brass、S等形变织构的取向密度降低,但不溶的细小Al3Zr相在一定程度上抑制了不连续再结晶行为,反而使轧制过程中形成的E、F剪切织构的取向密度增加。添加微量Zr所形成的上述结构使该合金板材在固溶后获得较好的综合性能,其抗拉强度、屈强比和延伸率分别可达230MPa、0.49和9.5%以上；塑性应变比r值从0.7提高至0.84,杯突值IE由8.94提高至9.84,各向异性度|Δr|由0.15降低至0.04。     

面向强连接网络图的无损压缩算法

幂图分析技术将所有具有相同邻居的节点集合汇聚成单个模块以大幅压缩网络图,被广泛地应用于网络图无损压缩与可视化中.然而获取最优的幂图是难点.针对此问题,提出面向强连接网络图的无损压缩算法.首先,证明了含有单个模块的最优幂图问题为NP难问题,进而扩展为一般地最优幂图问题为NP难问题;其次,在梳理现有整数线性规划模型和约束规划模型等问题的基础上,提出基于回溯策略的波束搜索算法,使有限的回溯策略提供启发信息,比已知启发式方法更快速地得到更优的结果.通过生成的随机无标度图,验证了该算法的有效性.     

面向智能客服的句子相似度计算方法

针对金融领域中智能客服的句子相似度计算方法进行了研究。利用基于词性的分词纠正模型减少中文歧义词、金融相关词汇的分词错误；通过词向量方法和循环神经网络分别提取词语级和句子级的语义特征，并且得到句子向量；用融合层计算出句子向量间的差异特征；对差异特征进行降维和归一化得到句子相似度计算结果。实验结果表明，该方法具有较高的准确率和[F1]值。     

含结构零的三维不完备列联表统计分析

根据三维不完备列联表的拟独立性原理,使用R语言中的loglin函数进行期望频数极大似然估计和拟独立性检验。针对各种拟独立性的估计与检验问题,调试出loglin函数中适合结构零情况的margin和start等参数的设置,实现了含结构零的三维不完备列联表数据的统计分析。     

基于平面不封闭图形切割的路径规划

在平面切割环节中，如何确定更短切割路径以减少加工成本、降低设备损耗和提升切割质量是工业应用和学术研究的重点。目前国内外对平面切割路径的研究主要集中于封闭图形，为此，针对在激光刀模行业中不封闭图形的问题，提出一种基于禁忌搜索的贪婪算法和贪婪准则的局部优化。首先使用构建型的贪婪算法和改进型的禁忌搜索算法相结合的方式对加工过程中的图元路径进行优化排序，随后提出贪婪准则的局部优化系数，削弱贪婪算法的“贪心”思想，解决加工路径的规划和优化问题。实验数据表明，禁忌搜索的贪婪算法和局部优化在对切割路径的规划和空行程优化上有显著效果，空行程减少50%以上，并且其优化性能和图元数量成正比，能有效地解决刀模行业以及其他激光雕刻行业中图形不封闭的切割难题。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。