System size in relativistic heavy ion collisions

System size is more than a geometrical quantity in relativistic heavy ion collisions; it is closely related to evolution process, i.e. a different system size corresponds to a different evolution process, and whether QGP is produced depends on the system     

ACOA-RBF网络模型在短期负荷预测中的应用

为了进一步提高RBF神经网络的性能,实现准确、快速预测短期电力负荷的目的,将蚁群优化算法（ACOA）作为RBF神经网络的学习算法,建立了一种新的蚁群优化算法的RBF（ACOA-RBF）网络预测模型,利用山西某地区电网的历史数据进行短期负荷预测。仿真表明,这一算法与传统的RBF神经网络预测方法相比,能达到更好的预测效果。该优化算法改善了径向基神经网络的泛化能力,提高了山西电网短期负荷预测的精度,可有效用于电力系统的短期负荷预测。     

应用于转角传感器的Cu-DLC电阻体制备技术研究

采用双靶共溅的方法在陶瓷基底上制备了 Cu-DLC电阻体.该电阻体具有类金刚石镀膜的硬度,同时,因掺杂的Cu降低了类金刚石镀膜的电阻率,使其兼具耐磨性和电阻特性.文中对Cu-DLC电阻体薄膜的制备工艺进行了介绍,并对薄膜的表面形貌、膜的微观组成、力学性能以及功率对电阻率的影响展开了研究.研究结果表明,该方法制备的Cu-...     

一种基于图卷积网络的文本多标签学习方法

多标签学习广泛应用于文本分类、标签推荐、主题标注等.最近,基于深度学习技术的多标签学习受到广泛关注,针对如何在多标签学习中有效挖掘并利用高阶标签关系的问题,提出一种基于图卷积网络探究标签高阶关系的模型TMLLGCN.该模型采用GCN的映射函数从数据驱动的标签表示中生成对象分类器挖掘标签高阶关系.首先,采用深度学习方法提取文本特征,然后以数据驱动方式获得基础标签关联表示矩阵,为更好地建模高阶关系及提高模型效果,在基础标签关联表示矩阵上考虑未标记标签集对已知标签集的影响进行标签补全,并以此相关性矩阵指导GCN中标签节点之间的信息传播,最后将提取的文本特征应用到学习高阶标签关系的图卷积网络分类器进行端到端训练,综合标签关联和特征信息作为最终的预测结果.在实际多标签数据集上的实验结果表明,提出的模型能够有效建模标签高阶关系且提升了多标签学习的效果.     

光传送网故障诊断系统知识库设计与实现

首先介绍了光传送网故障诊断系统的结构,然后分析了知识库设计的三个关键性问题,即知识获取、知识表示和知识利用,重点研究了基于产生式规则的数据库知识表示法.最后利用Delphi 7.0和SQL Server 2005开发了光传送网故障诊断知识库系统,为光传送网故障诊断系统的开发和利用奠定了基础.     

基于深度学习的多标签生成研究进展

大数据时代,数据呈现维度高、数据量大和增长快等特点。如何有效利用其中蕴含的有价值信息,以实现数据的智能化处理,已成为当前理论和应用的研究热点。针对现实普遍存在的多义性对象,数据多标签被提出并被广泛应用于数据智能化组织。近年来,深度学习在数据特征提取方面呈现出高速、高精度等优异性,使基于深度学习的多标签生成得到广泛关注。文中分五大类别总结了最新研究成果,并进一步从数据、关系类型、应用场景、适应性及实验性能方面对其进行对比和分析,最后探讨了多标签生成面临的挑战和未来的研究方向。     

基于失真-扩展代价的JPEG图像可逆数据隐藏

兼顾含密JPEG图像的文件增量和视觉失真,提出一种基于失真-扩展代价的JPEG图像可逆数据隐藏算法.采用直方图平移实现秘密数据的可逆嵌入,重点研究如何根据嵌入容量自适应选择嵌入频率和图像块,以最小化含密JPEG图像的视觉失真和文件增量.分析讨论了通过模拟计算数据嵌入不同频率的单位文件增量确定频率嵌入顺序、根据图像块零交流系数个数和平滑度确定图像块嵌入顺序的合理性,数据嵌入时优先选取较小单位文件增量的频率和较平滑图像块;并分别定义单位文件增量、单位失真-增长比作为算法文件扩展、视觉质量与文件扩展关系的定量评价指标.实验结果表明：与现有同类算法相比,所提的算法可更好地兼顾含密JPEG图像文件增量和视觉质量,降低含密JPEG图像文件增量,相同嵌入容量下单位文件增量平均值降低0.15~0.25.     

基于不同预处理高光谱信息的鸡肉滴水损失率快速预测研究

本文旨在通过挖掘不同预处理高光谱(900~1700 nm)信息构建鸡肉滴水损失率的快速预测模型。首先采集每个鸡肉样本高光谱图像并提取图像感兴趣区域内的平均光谱信息,经基线校正(BC)、标准正态变量校正(SNV)、多元散射校正(MSC)、高斯滤波平滑(GFS)、归一化校正(NC)等五种光谱不同预处理,利用偏最小二乘回归(Partial Least Squares Regression,PLSR)算法构建光谱信息与鸡肉滴水损失率之间的定量关系。然后分别基于回归系数法(Regression Coefficient,RC)、连续投影算法(Successive Projections Algorithm,SPA)和逐步回归算法(Stepwise)筛选出对模型精度影响较大的最优波长优化全波段PLS模型。结果显示,基于BC光谱的全波段PLSR模型(BC-PLSR)预测鸡肉滴水损失率效果更好(r_P=0.95,RMSEP=0.29%,RPD=3.07,ΔE=0.0024%)。利用Stepwise法从BC光谱中选取的14个最优波长(900.6、903.8、905.5、907.1、917.0、997.7、1162.2、1272.4、1354.8、1369.6、1410.8、1425.6、1584.1和1695.1 nm)建立的SW-BC-PLSR模型(r_P=0.97,RMSEP=0.24%,RPD=3.82,ΔE=0.0012%)和多元线性回归(Multiple Linear Regression,MLR)模型SW-BC-MLR(r_P=0.97、RMSEP=0.22%、RPD=4.19,ΔE=0.0036%)预测鸡肉滴水损失率效果均良好。本试验表明,基于近红外高光谱信息可潜在实现鸡肉滴水损失率的快速预测。     

有机硅-聚氨酯互穿网络致密膜对氯烃污染物的分离

油墨在材料包装中应用广泛,但溶剂型油墨在使用过程中存在着1,2-二氯乙烷（DCE）等挥发性有机化合物（VOCs）释放污染环境和损害人体健康的问题。在油墨生产过程中,使用分离膜可有效除去VOCs,以实现材料的绿色环保。以六甲基二硅氧烷（MM）作为封端剂,γ-甲基丙烯酰氧丙基三甲氧基硅氧烷（KH570）和正硅酸乙酯（TEOS）通过水解缩合得到有机硅树脂（MTQ）;利用异佛尔酮二异氰酸酯（IPDI）、羟丙基聚二甲基硅氧烷和丙烯酸羟乙酯（HEA）制备有机硅改性聚氨酯丙烯酸酯（SiPUA）;再通过紫外光固化合成了MTQ-SiPUA复合物,利用该复合物制备了新型互穿网络致密膜,并通过红外光谱、X射线衍射和热重分析对互穿网络致密膜的结构和性能进行了表征。结果发现,MTQ-SiPUA-32.5%互穿网络致密膜具有优异的热稳定性和力学性能,对1.33% 二氯甲烷（DCM）、0.84% DCE和0.44% 1,1,2-三氯乙烷（TCE）具有稳定的渗透通量,分别为0.161, 0.140, 0.0715 kg/(m2·h),对应的选择性分别为952.5、2012.9和13 255.8。     

具有氢键和二硫键的单宁酸基聚氨酯薄膜制备与性能

以单宁酸作为交联剂、蓖麻油作为聚氨酯的多元醇、异佛尔酮二异氰酸酯作为聚氨酯的多元异氰酸酯、双（2-羟乙基）二硫化物和1, 4-丁二醇作为聚氨酯的扩链剂,采用预聚体法制备单宁酸基聚氨酯,并研究单宁酸和双（2-羟乙基）二硫化物的用量对聚氨酯玻璃化转变温度、热稳定性及自修复性能的影响,同时采用基于脂肪酶的酶降解法评估单宁酸基聚氨酯薄膜的生物降解性能。研究表明,单宁酸用量增加会导致单宁酸基聚氨酯薄膜的玻璃化转变温度上升,并提升热稳定性,而双（2-羟乙基）二硫化物的增加对薄膜的玻璃化转变温度无影响,但薄膜的热稳定性降低;在特定条件下（80 ℃、3 h）,STPU4膜自修复率高达95%,此外,经脂肪酶酶解140 h后,STPU4膜的质量损失达68.3%。