MBE生长InAs/GaSb Ⅱ类超晶格材料的界面控制方法分析

本文系统地介绍了MBE外延生长InAs/GaSb Ⅱ类超晶格材料的界面控制方法,主要包括生长中断法、表面迁移增强法、Ⅴ族元素浸润法和体材料生长法。短波（中波）InAs/GaSb超晶格材料界面采用混合（mixed-like）界面,控制方法以生长中断法为主;长波（甚长波）超晶格材料界面采用InSb-like界面,控制方法采用表面迁移增强法（migration-enhanced epitaxy, MEE）或Sb soak法及体材料生长相结合。讨论分析了InAs/GaSb超晶格材料界面类型选择的依据,简述了界面控制具体实施理论,以及相关研究机构对于不同红外探测波段的超晶格材料界面类型及控制方法的选择。通过界面结构外延生长工艺设计即在界面控制方法的基础上进行快门顺序实验设计,有效地提高界面层的应力补偿效果,这对于长波、甚长波及双色（甚至多色）超晶格材料的晶体质量优化和器件性能提升具有重要意义。     

InAs/GaSb超晶格和M结构超晶格能带结构研究

本文通过k·p方法研究了传统InAs/GaSb超晶格和M结构超晶格的能带结构。首先,计算了不同周期厚度的InAs/GaSb超晶格的能带结构,得到用于长波超晶格探测器吸收层的周期结构。然后,计算了用于超晶格长波探测器结构的M结构超晶格的能带结构,并给出长波InAs/GaSb超晶格与M结构超晶格之间的带阶。最后,基于能带结构,计算出长波超晶格与M结构超晶格的态密度,进而得出的载流子浓度（掺杂浓度）与费米能级的关系。这些材料参数可以为超晶格探测器结构设计提供基础。     

基于密集连接自逆生成对抗网络的MR图像生成方法

随着医学成像技术的快速发展,医学图像在临床检测及科研领域得到了广泛的应用。针对临床图像数据集不完备的情况,本文提出了基于密集连接的自逆生成对抗网络用于实现核磁共振T1加权图像和T2加权图像相互生成的模型。该模型在自逆循环对抗生成网络的生成器模块中引入密集连接块结构,并采用U-net的多尺度融合框架,实现了T1与T2加权图像的互相生成。实验采用BraTS 2018数据集进行验证,生成图像的峰值信噪比与结构相似度最高分别可以达到22.78和0.8。基于密集连接块的生成器与基于U-net及ResNet的生成器模型的对比实验结果表明,基于密集连接块的生成模型性能更优。本文提出的基于密集连接自逆生成对抗网络的MR图像生成方法可以较好地改善T1或T2加权像缺失的问题,为临床论断提供更多的信息。     

输电塔结构的拓扑优化设计方法

目的 为提出一种高效的输电塔结构拓扑优化方法和简单实用的用户操作界面.方法 在蚁群优化思想的基础上,采用逻辑变量表示节点间是否有杆件连接,将结构拓扑优化问题转换成为经典的旅行商问题,成功实现了输电塔结构在离散系统下的拓扑优化.基于MATLAB系统平台,编写了输电塔结构拓扑优化设计程序和用户界面.结果 通过对两个经典拓扑算例的演算,证明了蚁群算法在设计平面和空间输电塔桁架结构时具有很好的拓扑优化效果和工程实用价值.结论 笔者提出的基于蚁群算法的输电塔结构拓扑优化数值模拟结果,明显优于其他拓扑优化方法,程序实现了输入数据和输出结果规范化和可视化的要求.     

环境温度影响下基于结构连续位移曲率组合的损伤识别方法

目的寻找对环境温度不敏感的损伤特征指标,消除环境因素在结构健康监测和损伤识别方法应用过程中的影响,准确识别损伤发生和定位损伤位置．方法对静力作用下的结构位移进行中心差分求取结构各节点的位移曲率,将任意相邻三个节点间静位移曲率进行线性组合构建新的损伤指标．利用北京一年的实测温度数据模拟环境温度变化,通过一个简支钢梁的仿真算例验证方法的有效性．结果算例中梁上各节点损伤指标不随温度的变化而变化,在损伤单元相邻两节点处出现正向跳跃,与损伤单元相邻的左右两单元的外侧节点处出现负向跳跃,而更远处的未损伤单元节点处的损伤指标则始终保持在0值附近波动,据此损伤单元得到准确定位．结论利用结构连续位移曲率组合的损伤识别方法可以有效消除环境因素的影响,准确识别损伤发生和定位损伤位置,无需结构健康状态基准数据,具有一定的噪声鲁棒性．     

基于移动定位数据的出行OD获取技术研究

城市居民出行OD获取已成为智能交通建设重要基础数据之一。传统的出行调查方式主要依赖于人工操作的方式,因此在应用上存在较大局限。随着移动通信技术的发展,基于移动定位技术的出行OD获取已成为智能交通领域的研究热点之一。在移动通信网络和定位技术的基础上,挖掘整理出行者的历史手机移动定位数据,对采样数据进行概率统计,提取不同概率的定位小区,并结合K-OPSA算法获取最优运动轨迹,以建立出行OD矩阵及获得出行者的出行起止点位置。实验表明该方法可以有效地获取出行者的OD。     

虚拟计算环境中的覆盖网技术

互联网资源的成长、自治和多样等特性给资源的有效聚合带来了巨大挑战.通过覆盖网动态组织互联网资源并支持资源的高效搜索,是虚拟计算环境中资源按需聚合的重要途径之一.文中概述了虚拟计算环境中覆盖网技术的研究进展.针对互联网资源的成长性和自治性等特点,阐述了基于Kautz图的高效覆盖网拓扑构造方法,进而给出了适用于任意正则图的通用覆盖网拓扑构造方法;针对互联网资源的多样性等特点,提出了支持分组的覆盖网拓扑构造方法;在此基础上,阐述了基于覆盖网的高效区间搜索技术,并对覆盖网拓扑的优化方法及其它复杂搜索技术进行探讨.     

集中计费中欠费和预存对账分析及探讨

集中计费全省集中后,内控中要求了对集中计费中欠费和预存的对账,济宁分公司根据在本地网计费中的对账经验,建立模型方案,实现对账的无差异。并以某月数据举例验证方案及模型的正确性。     

高压侧计量检测技术在智能电网环境下的革新

在不改变二次硬件系统配置的情况下,通过充分利用智能电网布置的变电所大数据系统和私有云系统,实现对数据的充分挖掘,从而在1s采样频率下获得高精度的高压侧计量检测技术。通过分析,使用正弦非线性回归法获得电压电流的波形数据,使用线性回归法和杜邦线性回归法,配合神经网络支持的机器学习法进行数据分析,最终实现技术革新目的。     

基于样本权重更新的不平衡数据集成学习方法

不平衡数据的问题普遍存在于大数据、机器学习的各个应用领域,如医疗诊断、异常检测等。研究者提出或采用了多种方法来进行不平衡数据的学习,比如数据采样(如SMOTE)或者集成学习(如EasyEnsemble)的方法。数据采样中的过采样方法可能存在过拟合或边界样本分类准确率较低等问题,而欠采样方法则可能导致欠拟合。文中将SMOTE,Bagging,Boosting等算法的基本思想进行融合,提出了Rotation SMOTE算法。该算法通过在Boosting过程中根据基分类器的预测结果对少数类样本进行SMOTE来间接地增大少数类样本的权重,并借鉴Focal Loss的基本思想提出了根据基分类器预测结果直接优化AdaBoost权重更新策略的FocalBoost算法。对不同应用领域共11个不平衡数据集的多个评价指标进行实验测试,结果表明,相比于其他不平衡数据算法(包括SMOTEBoost算法和EasyEnsemble算法),Rotation SMOTE算法在所有数据集上具有最高的召回率,并且在大多数数据集上具有最佳或者次佳的G-mean以及F1Score;而相比于原始的AdaBoost,FocalBoost则在其中9个不平衡数据集上都获得了更优的性能指标。