从蚕的生命到艺术：中国古代生命观的哲学表达

中国考古出土的蚕业实物及蚕的艺术形象比较丰富,蚕的艺术形象如蚕纹、陶蚕蛹、牙雕蚕、玉石蚕、铜蚕、金蚕等,可统称为"蚕的模拟形态"。对蚕的模拟形态的功用,已有的诸多解释都有待完善。研究表明,蚕的模拟形态或艺术形象表达的功用或为饰品,或为装饰图案,或有待进一步考究。但无论哪种功用,用"蚕"这一形象都蕴含了特有的用意。通过对中国古代生命观的考察,文章认为蚕的艺术形象折射出相应的中国古代哲学生命观,即中国古人追求的死而复生、生生不息、羽化成仙、长乐无极等观念。     

珠江口盆地珠一坳陷古近系高自然伽马砂岩形成机制及油气地质意义

运用放射性元素寻找油气是一种非常规油气勘探手段。近年来,在珠江口盆地珠一坳陷富烃凹陷周边古近系钻遇高自然伽马(GR)砂岩,其GR值(100~300 API)甚至大于同区泥岩的GR值(100~200 API)。为了弄清该特殊现象背后的地质意义,对珠江口盆地珠一坳陷古近系高自然伽马砂岩开展了铀(U)、钍(Th)、钾(K)等3种元素含量与GR值的相关趋势线分析,从井震特征、岩性特征及矿物成分特征等入手分析了砂岩GR值增高的主要原因及成因机制,探讨了放射性元素聚集的条件、运移通道、驱动力以及油气意义。结果表明:西江、惠州地区由U含量增高导致砂岩GR值偏高,恩平、番禺地区由K,Th含量增高导致砂岩GR值偏高;砂岩GR值增高有两大成因机制,一是地下流体带来的放射性元素离子U4+在氧化-还原面处富集后导致地层GR值偏高,这种特殊现象说明在具有连通基底大断裂旁的圈闭中,U4+的富集指示了曾经油气的存在,证实了研究区油气运移通道的有效性,对于油气藏的预测有着非常重要的指导性意义,二是地表流体带来的含放射性元素的矿物大量沉积后导致地层GR值偏高,含放射性元素矿物性质不稳定,可指示近源供给的存在,对于判断物源及沉积环境有着非常重要的意义。该研究成果为预测研究区油气成藏有利区带提供了依据。     

承插型盘扣式支撑架在地铁车辆段工程中的应用

盘扣式支撑架具有承载力强、方便安全、结实耐用等优点,被广泛应用于地铁施工。本文以广州市轨道交通十八号线万顷沙车辆段为例,对承插型盘扣式支撑架在地铁车辆段工程中的具体应用进行了详细说明,以期为同类工程提供参考。     

球形钛酸镍的制备及其电化学性能表征

钛酸镍(NiTiO3)是一种新型锂离子电池负极材料,采用溶胶.沉淀法可制备尺寸均匀、表面粗糙的球形NiTiO3颗粒.将制备的球形NiTiO3作为锂离子电池负极材料,具有良好的电化学性能,在0.1 C(50mA/g)时,其初始充电比容量约为375.6 mAh/g,库仑效率为52.1％;第二次充电比容量为331.3 mAh/g,库仑效率为90.9％;在1C时,其初始充电比容量为295.4mAh/g,经过前十次电池活化,循环20～100次的容量基本没有衰减,容量保持率高达99.7％.将球形NiTiO3与片状石墨复合,可提高首次库仑效率,改善循环性能,增加电子导电率,减小电池极化,有利于NiTiO3锂离子电池负极材料的工业应用.     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

大数据时代大学生个人隐私保护问题研究

伴随着互联网+的风生水起,信息量暴增的大数据时代应运而来,"网络原住民"大学生不可避免、理所当然地处于大数据洪流之中,但也为其个人隐私保护带来了极大挑战。文章针对大数据带来的安全隐私问题,指出大学生个人隐私泄露的可能原因,提出可以采取的个人隐私保护措施,给出大数据时代隐私保护几种技术,期望能给相关人士提供有效参考。     

抗冲ACR树脂的合成及其性能评价

采用种子乳液聚合法,以丙烯酸丁酯为核层单体、甲基丙烯酸甲酯为壳层单体、甲基丙烯酸烯丙酯为交联剂制备了抗冲ACR树脂。考察了不同加料方式对ACR乳液粒径及对PVC冲击性能的影响,结果表明:连续滴加方式可实现乳液粒径的稳定控制,并能得到性能优异的抗冲ACR树脂。     

高熵氧化物的制备及应用研究进展

高熵氧化物作为近几年发展起来的新型氧化物体系，打破了传统掺杂氧化物的设计理念，由五种及以上氧化物以等摩尔或近等摩尔构成，因其具有简单的结构和优异的性能等受到国内外研究人员的广泛关注。高熵氧化物由于多主元且主元之间混乱排列，易形成岩盐型、氟化钙型、尖晶石型或钙钛矿等固溶体结构，从而表现出优异的性能，尤其在能源存储材料和磁性材料方面有十分广阔的应用前景，但目前对高熵氧化物应用研究较少。本工作介绍了国内外高熵氧化物的制备方法，主要包括固相法、热解法、共沉淀法、水热合成法和液相燃烧合成法等，比较了各方法的优缺点和发展前景；归纳了高熵氧化物作为锂离子电极材料、巨介电材料、磁性材料和催化材料等方面的应用；指出了高熵氧化物目前研究存在的问题，讨论了解决措施，展望了高熵氧化物未来的发展趋势。     

针对多种处理痕迹的数字语音取证算法

现有的数字语音取证研究主要集中于对单一的某种操作进行检测，无法对不相关的操作进行判断。针对该问题，提出了一种能够同时检测经过变调、低通滤波、高通滤波和加噪这四种操作的数字语音取证方法。首先，计算语音的归一化梅尔频率倒谱系数（MFCC）统计矩特征；然后通过多个二分类器对特征进行训练，并组合投票得到多分类器；最后使用该多分类器对待测语音进行分类。在TIMIT以及UME语音库上的实验结果表明，归一化MFCC统计矩特征在库内实验中均达到了97%以上的检测率，且在对MP3压缩鲁棒性测试的实验中，检测率仍能保持在96%以上。     

基于特征选择和深度信念网络的文本情感分类算法

由于人类语言的复杂性，文本情感分类算法大多都存在因为冗余而造成的词汇量过大的问题。深度信念网络（DBN）通过学习输入语料中的有用信息以及它的几个隐藏层来解决这个问题。然而对于大型应用程序来说，DBN是一个耗时且计算代价昂贵的算法。针对这个问题，提出了一种半监督的情感分类算法，即基于特征选择和深度信念网络的文本情感分类算法（FSDBN）。首先使用特征选择方法（文档频率（DF）、信息增益（IG）、卡方统计（CHI）、互信息（MI））过滤掉一些不相关的特征从而使词汇表的复杂性降低；然后将特征选择的结果输入到DBN中，使得DBN的学习阶段更加高效。将所提算法应用到中文以及维吾尔语中，实验结果表明在酒店评论数据集上，FSDBN在准确率方面比DBN提高了1.6%，在训练时间上比DBN缩短一半。