用模拟退火法确定MgF2薄膜折射率和厚度

研究了确定单层MgF2薄膜的物理厚度及其在深紫外/真空紫外波段折射率的方法.首先,利用钼舟热蒸发工艺在B270基底上制备了单层MgF2薄膜.然后,依据MgF2单层膜在不同入射角下的反射光谱,采用模拟退火方法确定了MgF2薄膜在170～260 nm波段的折射率和物理厚度,并与由椭圆偏振法确定的薄膜参数进行了比较.实验显示,采用模拟退火和椭圆偏振两种方法确定的MgF2薄膜厚度分别为248.5 nm和249.5 nm,偏差为0.4％;而用上述两种方法在240～260 nm波段确定的单层MgF2薄膜的折射率偏差均小于0.003.得到的结果证实了依据不同入射角下的反射光谱,用模拟退火方法确定MgF2薄膜厚度和折射率的可靠性.     

葡萄酒评价

本文针对葡萄酒质量的分析,建立了线性回归模型和主成分分析模型,通过分析与讨论酿酒葡萄的理化指标,酿酒葡萄与葡萄酒质量之间的联系,得到对葡萄酒质量进行合理评价的标准。运用多元逐步回归的方法,分析葡萄酒理化指标与酿酒葡萄理化指标的关系,充分考虑各项指标之间的主次关系,使评分具有客观性。     

基于SimHash算法的SQL注入攻击检测方法

针对目前SQL注入攻击检测中存在的问题进行研究,提出一种基于SimHash算法的SQL注入检测方法,首先通过自学习过程将每一条SQL语句经过分词、散列、加权、合并,降维生成初始SimHash指纹库,然后基于SimHash利用初始指纹库构建具有索引结构的SimHash指纹库,再结合非黑即白的强白名单策略来判断每条SQL语句的合法性,从而降低黑客绕过防御体系的风险。实验结果表明,该检测方法对于SQL注入攻击具有很好的检测性能,并且具有抵御未知SQL注入攻击的能力,特别适用于中小型网站。     

政府扶持 企业携手 市场决定 中国数字音视频标准与产业论坛在京召开

12月20日,“中国数字音视频标准与产业论坛”在京召开。来自政界,学术界,企业界的国内外知名人士分别就中国数字音视频标准的政策、产业环境和标准的最新进展参与讨论,并回答了记者的提问。会初,AVS工作组宣布,备受业内关注的我国拥有自主知识产权的数字音视频编解码技术标准穴AVS雪,已完成了第一部分穴系统雪和第二部分穴视频雪的草案最终稿。目前AVS工作组已正式把草案提交给信息产业部和国家标准化委员会,经两部委审批后将有望成为行业标准和国家标准。政策引导企业参与在谈到有关AVS的相关政策时,国家标准化委员会宿忠民司长说,国…     

中国煤矿安全监测仪表

介绍了国内常用的便携式瓦斯检测仪、瓦斯报警矿灯、瓦斯遥测仪和断电仪、多参数矿井环境监测系统、煤与瓦斯突出预测仪、井下自然发火预测系统、探测含水地质构造和顶板动态的仪器和带式输送机火灾监控及自动灭火装置等安全监测仪器仪表的情况和典型产品的技术性能。     

提高可靠性是电致变色显示的当务之急

电致变色显示(ECD)不仅以其可视性好而且具有存储功能而被人所瞩目。ECD的存储功能在切断电源后数日显示仍不消失。因此,目前对其实用化的研调开发正在加速进行。有希望做成大面积显示如图所示,ECD是利用加上电压后所引起的无机或有机物的可逆电化学反应所伴随的颜色变化而制成的显示器件。     

VABE550型斗轮挖掘机铸铜件的离心铸造

介绍ＧＺ－ＣｕＳｎ１２合金的熔制及离心铸造过程，其中有合金成分的选择、合金在焦炭坩埚炉中的快速熔化及关于立式离心浇铸机铸型转速计算的经验。     

熔炼有色重金属及其合金的有心感应炉的改进(俄)

单相、两相、三相有心感应炉已成功地用于生产铜及铜合金铸件和铸锭。 感应炉的工作指标(首先是决定炉子生产率的有效功率),目前还受到熔沟炉衬寿命的限制,与熔池中的金属液相比熔沟中的金属液过热了200—350℃。通过在熔沟中形成一个定向的金属液流以减少熔沟中金属液的过热,可以增加由熔沟向熔池的热转移及质量转移。 从30年代开始,许多国家就开始了在有心     

界面粗糙度对真空紫外光学薄膜光谱性能影响研究

设计了193 nm窄角度和宽角度入射增透膜以及正入射高反膜,其中增透膜s和p偏振光透射率的最大偏差分别为0.17%和0.44%。结合标量散射理论和等效吸收层近似理论,多层膜间的粗糙界面等效为薄的吸收层,基于薄膜本征传输矩阵计算分析了不同界面粗糙度下的光谱性能。研究发现,薄膜光谱性能随着界面均方根粗糙度的增加而急剧退化,高反膜反射带宽也随之降低,达到4 nm时,宽角度入射增透膜和高反膜光谱性能在193 nm处分别退化2.04%和2.09%。界面粗糙度是影响高光谱性能真空紫外光学薄膜制备的重要因素。     

一种基于BiLSTM的低速率DDoS攻击检测方法

低速率分布式拒绝服务（Low-rate Distributed Denial of Service, LDDoS）攻击是一种新型的DDoS攻击方式,因其具有低速率、周期性和隐蔽性等特点,可躲避传统的DDoS攻击检测技术,更加难于检测和防御。本文提出一种基于特征选择和双向长短期记忆（Bidirectional Long Short Term Memory, BiLSTM）神经网络结合的LDDoS攻击检测方法。该方法使用分层交叉验证的递归特征消除（Recursive Feature Elimination CV, REFCV）特征选择算法挖掘双向流中最优的11个特征集合作为神经网络的输入,建立基于BiLSTM神经网络模型的LDDoS攻击检测分类器进行分类,达到LDDoS攻击检测的目的。实验结果表明该方法比卡尔曼滤波和NCAS算法有较高的检测率,误报率和漏报率都很低。