晶须对碳碳复合材料组织和力学性能的影响

添加硅灰石(CaO·SiO₂)晶须制备碳纤维预制体, 并在980 ℃下进行化学气相沉积, 高温石墨化处理后制备得到CaO·SiO₂晶须改性的C/C复合材料。利用SEM、金相显微偏光分析以及力学实验等方法研究了预制体结构对基体微观结构、物理性能和力学性能的影响。实验结果表明: 添加CaO·SiO₂晶须会诱导热解炭呈锥形生长, 同时在石墨化过程中会诱导热解炭的组织结构发生有序性转变, 与基体反应生成SiC二次纤维。添加CaO·SiO₂晶须使得复合材料的石墨化度由31.6%提升至41.1%, 导热和导电性能相比于未添加晶须时分别增加了71.7%和14.3%, 复合材料的弯曲强度相比于未添加晶须时提升了5%。     

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。     

多特征融合的兴趣点推荐算法

基于位置社交网络的兴趣点推荐越来越受到工业界和学术界的关注。由于用户签到数据集的稀疏性以及签到地理位置的聚集性，使得目前的推荐算法效率普遍不高，特别是当用户外出到新的地点时，推荐效果更是急剧下降。因此本文提出了一种基于用户-区域-内容主题的多特征联合推荐算法（UCRTM），以隐主题模型为基础，在统一的框架下利用隐含因子关联性融合了用户的偏好、兴趣点的内容以及兴趣点所属地理区域主题等信息来进行推荐，使得用户无论身处何地，都能获得理想的推荐服务。本文在两种真实的数据集上进行了实验，结果表明该方法不仅能够克服数据的稀疏性以及弱语义性等问题，而且与其他方法相比具有更高的推荐准确率。