FeCl_3-GIC的结构稳定性与热稳定性研究

采用 XRD和 TG- DTA等分析方法 ,考察了混合法制备的纯一阶、二阶、三阶和四阶 Fe Cl3- GIC在空气中和某些液体介质中的结构稳定性及其热稳定性。实验结果表明 :选择适宜的 C/Fe Cl3摩尔比 ,调节反应温度和保温时间 ,采用混合法可以制备出纯一阶到纯四阶的 Fe Cl3- GIC。上述各阶 Fe Cl3- GIC在空气中相当稳定 ,在水和酸性液体介质中的稳定性较高 ,但在碱性介质和某些有机溶剂中的稳定性较差。其热分解温度约为 330℃。     

对某工业厂房钢结构变形的分析和处理

要确保屋架结构的安全 ,就必须使其具有足够的强度、刚度和稳定性。屋盖体系的可靠非仅屋架本身的可靠就能保证 ,支撑的合理设置、屋架杆件的强度和刚度等构造均需满足规范要求 ,尤其对有吊车的厂房。为此 ,通过对一起工业厂房钢屋架变形质量的调查分析 ,阐述了对屋架的加固和对屋盖体系的改造。     

物理网络拓扑发现算法的研究与改进

介绍了一种可以在单个机器上实现物理拓扑发现的算法,并针对提供信息不足的情况, 对原有算法进行改进,提出一种新的算法. 经过实际环境的检测, 本算法可以实现较好的发现信息不充分条件下的物理网络.     

基于CPCRLB的隐身目标协同检测与跟踪

针对雷达组网对隐身目标协同检测与跟踪时的动态分配问题,将条件后验克拉美罗下界(CPCRLB)用作系统跟踪性能的度量,结合改进二值粒子群优化(NBPSO)和粒子滤波,提出了一种基于CPCRLB的隐身目标协同检测与跟踪算法。该算法将雷达的动态分配问题转化成组合优化问题,根据新生目标的隐身特性对雷达分配方案的约束,借助分布在边界的检测粒子计算不同的雷达分配方案对新生目标的检测概率,并以已跟踪目标的CPCRLB 衡量跟踪精度,采用NBPSO全局搜索最优分配方案,最后进行粒子滤波与协方差交集融合。     

基于DRGAN和支持向量机的合成孔径雷达图像目标识别

为解决SAR图像目标识别中样本缺乏和方位角敏感问题,提出了一种基于DRGAN和SVM的SAR图像目标识别算法。首先,采用多尺度分形特征对SAR图像进行增强,经过分割得到目标二值图像,基于Hu二阶矩估计目标的方位角。然后对估计得到的目标方位角进行量化编码,结合原始图像作为输入,对设计的DRGAN模型参数进行训练与优化。由于DRGAN中的深度生成模型将目标姿态与外观表示进行解耦设计,故可利用该模型将SAR图像样本变换到同一方位角区间。基于变换后的训练样本分别提取归一化灰度特征,利用SVM训练分类器。采用MSTAR数据集在多个不同操作条件下对提出的算法进行测试,实验结果表明,在带变体的标准操作条件下,能够达到97.97%的分类精度,优于部分基于CNN模型的分类精度,在4种扩展操作条件下的分类精度分别为97.83%,91.77%,97.11%和97.04%,均优于传统方法的分类精度。在SAR图像目标方位角估计存在一定误差的情况下,训练得到的GAN模型作为SAR图像目标旋转估计器,能够使得在不进行复杂样本预处理的前提下,仍然取得较高的SAR图像目标识别精度。     

基于核心节点逐层扩展的标签传播社区发现方法

随着社交媒体的快速兴起,计算效率较高的标签传播算法已经得到广泛的使用。然而,现有的标签传播算法在节点初始化时未能考虑节点之间存在的差异性,存在随机性高、稳定性低的缺陷。因此,论文给出了一种基于核心节点逐层扩展的标签传播算法。将LeaderRank算法模型融入到本方法模型中,在此基础上计算出节点重要性;进而以重要性作为衡量标准,将其中重要度较高的核心节点筛选出来形成传播初始源,以减少标签传播过程中的时间损耗;最后,依据改进了节点重要度的更新方法实现了节点标签的逐层更新。多个数据集上的实验结果表明,与现有的标签传播算法相比,该算法更加稳定有效地实现了社区发现。     

PREPARATION OF NANOPOROUS Cu COATINGS WITH HIGH SPECIFIC SURFACE AREA

采用激光加工在中碳钢基体表面制备了成形良好、稀释率低、组织细密的Mn-Cu合金涂层. 对合金涂层进行了电解腐蚀处理, 涂层中的Mn原子被电解液溶解, Cu原子经扩散、团聚、生长并形成了纳米多孔Cu涂层. 涂层的孔洞尺寸为30-50 nm, 具有高比表面积. Mn-Cu合金涂层的初始成分对纳米多孔Cu涂层的微观形貌有较大的影响.     

安全审计中频率敏感的异常检测算法

传统使用系统调用序列的异常检测算法主要关注切分的长度,忽略了各个系统调用序列的发生频率对整个检测结果的重要性。该文提出一种对序列发生频率敏感的基于支持向量描述异常检测算法,利用发生频率定义样本的重要性,使分类器更加倾向于这些重要的样本。采用国际标准数据集进行测试,讨论了核参数对分类结果的影响。实验结果表明,与传统检测模型相比,基于序列发生频率的检测模型具有较低的误警率。     

基于随机子空间法的多Agent分布式入侵检测

提出了一种基于随机子空间的多Agent分布式入侵检测方法。该方法把支持向量机作为检测Agent的核心检测算法,通过引入随机子空间生成具有知识互补特性的多个Agent,将其分布于网络的各个检测节点,用集成的思想把各Agent的结论进行合成。采用这种多Agent的分布式检测可以有效地提高系统的鲁棒性。实验表明这种方法的检测精度高于单个SVM和Bagging方法。     

基于二维元胞自动机的双向触发并行加密模型

根据二维触发元胞自动机的特性,提出了一种二维元胞自动机双触发并行加//解密模型。仿真实验表明:与一维耦合触发元胞自动机相比,二维元胞自动机双触发并行加密模型在适度减慢加/解密速度的情况下,大大提高了密钥空间,具有极高的时间换空间的效率,很好地提高了健壮性和实用性。