微波烧结钛酸锶钡陶瓷材料的介电性能

采用碳酸盐固相合成法制备Ba0.6Sr0.4TiO3(BST)粉体,应用微波烧结技术将粉体烧结成陶瓷。对样品的介电性能进行了测试,研究分析了材料的介电性能,并与传统制备工艺获得的样品进行了性能对比。结果表明:微波烧结成瓷温度和时间较传统制备工艺大大降低,分别为1 300℃和30 min,可以获得晶粒尺寸5μm以下的BST陶瓷;材料的εr变化不大,但tanδ大幅降低。     

基于对抗补丁的可泛化的Grad-CAM攻击方法

为了验证Grad-CAM解释方法的脆弱性,提出了一种基于对抗补丁的Grad-CAM攻击方法.通过在CNN分类损失函数后添加对Grad-CAM类激活图的约束项,可以针对性地优化出一个对抗补丁并合成对抗图像.该对抗图像可在分类结果保持不变的情况下,使Grad-CAM解释结果偏向补丁区域,实现对解释结果的攻击.同时,通过在数...     

一种复杂反射面的数控加工技术

数控刀具的选择和切削用量的确定是数控加工工艺中的重要内容。本文论述了解决一种复杂型面的数控加工的关键技术,并利用虚拟制造技术对加工进行仿真,给出了优化的数控加工程序。     

Bi1.5Zn1.0 Nb1.5O7栅绝缘层的SiO2修饰对ZnO-TFTs性能的影响

具有高介电常数的栅绝缘层材料存在某种极化及耦合作用,使得ZnO-TFTs具有高的界面费米能级钉扎效应、大的电容耦合效应和低的载流子迁移率.为了解决这些问题,本文提出了一种使用SiO₂修饰的Bi_1.5Zn_1.0Nb_1.5O₇作为栅绝缘层的ZnO-TFTs结构,分析了SiO₂修饰对栅绝缘层和ZnO-TFTs性能的影响.结果表明,使用SiO₂修饰后,栅绝缘层和ZnO-TFTs的性能得到显著提高,使得ZnO-TFTs在下一代显示领域中具有非常广泛的应用前景.栅绝缘层的漏电流密度从4.5×10^-5A/cm²降低到7.7×10^-7A/cm²,粗糙度从4.52nm降低到3.74nm,ZnO-TFTs的亚阈值摆幅从10V/dec降低到2.81V/dec,界面态密度从8×10¹³cm^-2降低到9×10¹²cm^-2,迁移率从0.001cm²/（V·s）升高到0.159cm²/（V·s）.     

基于Laplacian Eigenmap的图像变化检测虚警优化技术

对点目标的图像变化检测,现有的变化检测技术结果往往存在着虚警过大的问题。通过深入分析多个传统的变化检测方法的特点,利用各方法的互补性,提出了利用Laplacian Eigenmap对多个方法检测结果进行降维分类的优化技术。首先把各个方法对某个像素的检测结果用向量的形式进行表示,然后利用Laplacian Eigenmap对整个图像的数据流形在低维空间展开,最后利用模糊分类进行分类。该技术有两个优势：（1）在保证现有较高检测率的同时,大大降低了结果的虚警率;（2）它极大地降低了在传统方法中由于人为阈值取舍带来的偏差风险。但该技术的不足之处是增加了计算量。     

灌装操作重点区域洁净送风顶盖气流组织的优化设计

为了对灌装操作空间提供分区域的不同风速送风和保证单向的气流组织,本研究通过CFD数值模拟技术严格设计并验证了送风顶盖内的喉部和组合导流板的细节尺寸,使得送风顶盖具有较好的流量分配和气流引导作用.首先定量计算了多种喉部尺寸选型的分流效果,从而确定了喉部9-11-5mm的组合,使得三个区域的流量分配符合预设要求.之后又优化...     

一种移除所有皇冠的扩展NT算法

皇冠分解和NT算法长久以来被认V1为是在参数化点覆盖的求核问题中有着广泛应用的两种相互独立的方法。NT算法将给定的图分成V2,V1和V1／2三部分,将砜和V1移除从而完成图的分解。而皇冠分解则是找到尽可能多的皇冠结构,删除这些皇冠以降低图规模。最近的研究结果表明NT算法和皇冠分解存在很强的内在联系：NT算法中的砜,V1部分正好构成一个皇冠结构。本文进一步研究了皇冠分解和NT算法的内在联系,提出了严格皇冠和非严格皇冠的概念,提出了一般图中存在皇冠的判定定理,证明了NT算法可以移除一般图中存在的所有严格皇冠。论文还提出了一种扩展NT算法,能够移除图中的所有严格和非严格皇冠,即证明了用扩展NT算法处理过的图中将不会存在任何皇冠结构。     

面向距离查询的属性加权图聚集算法

图聚集技术是在保留原始图的结构和属性信息的同时,将一个大规模图聚集成简洁的小规模图的技术.随着图的规模不断增加使得图数据变得难以查询和存储,而基于距离的查询,例如最短路径查询,非常依赖图的规模大小.本文提出了面向距离查询的属性加权图聚集算法,在保证节点之间结构和属性相似的同时,保护了节点之间的距离,并有效地减小了图规模...     

基于非负矩阵分解的半监督动态社团检测

如何有效融合不同时刻的网络结构信息,是影响复杂网络中动态社团检测算法检测性能的关键和难点。基于此,提出了一种基于非负矩阵分解的半监督动态社团检测方法SDCD-NMF,该方法首先有效提取了历史时刻所包含的稳定结构单元,然后将其作为正则化监督项,指导当前时刻的网络社团检测。在真实网络数据集上的实验表明,所提方法与已有方法相比具备更高的社团划分质量,更有利于探索网络的演变与发展规律。     

基于深度学习的复杂沙漠背景SAR目标检测

SAR目标检测,因成像场景大、背景复杂多变而极具挑战。传统基于恒虚警率的SAR目标检测方法极易受背景干扰。针对上述问题,提出一种基于深度学习的复杂沙漠背景SAR目标端对端检测识别系统。即采用小规模沙漠背景下的SAR图像数据对Faster-RCNN网络进行迁移训练,一体化完成典型目标的检测与识别。基于合成数据集Desert-SAR的试验结果表明,与传统方法相比,该方法检测速度更快、准确率更高、鲁棒性更强。