西南地区铅锌尾矿重金属与残留选矿药剂污染特征

铅锌矿是我国西南地区重要的矿产资源,伴随着铅锌矿山的开采,越来越多的尾矿排入尾矿库进入外环境,重金属和选矿药剂在尾矿库内逐渐累积,容易对周边环境产生威胁。通过分析西南地区三个不同类型尾矿中的重金属含量、重金属形态分布和选矿药剂含量差异,探究不同类型的铅锌尾矿库中重金属与选矿药剂污染特征。结果表明,硫化矿尾矿库与氧化矿尾矿库中重金属形态分布存在差异,尾矿库停用后,选矿药剂有深层迁移的趋势。铅锌尾矿库内重金属和选矿药剂的复合污染需要引起人们重视,本研究可为铅锌尾矿库污染防治提供参考。     

块对角子空间聚类中成对约束的主动式学习

针对块对角表示(block diagonal representation, BDR)子空间聚类算法在对子空间重叠的高维数据聚类时效果较差的问题,提出成对约束的块对角子空间聚类(constrained subspace clustering with block diagonal representation, CBDR)算法,设计主动式学习策略,获取用户提供的少量数据点成对信息,以改进BDR算法的性能,给出CBDR算法的目标函数和求解过程。在测试集上的试验结果表明,CBDR算法的聚类错误率和归一化互信息指标比BDR和SBDR(structured block diagonal representation)算法好,而且主动式选取点对方法优于随机选取点对方法,使用少于5‰的约束信息可降低BDR的聚类错误率达到5%以上。     

水热法制备WO3纳米棒阵列及其光催化性能

三氧化钨（WO₃）作为一种过渡金属氧化物半导体材料,具有良好的可见光响应能力,是理想的光催化材料之一. 然而,其光生电荷分离效率低的弊端始终阻碍其发展. 相比于WO₃,其水合形式（WO₃·nH₂O）由于具有更高的电荷转移分离效率而备受研究者的青睐. 本文针对近年来WO₃·nH₂O材料在光催化领域的应用与研究进展进行了系统的归纳整理. 首先介绍了WO₃·nH₂O光催化剂的晶体结构,接着从晶体结构、电子转移分离以及能带结构的角度分析了结晶水对WO₃的影响,并重点阐述了WO₃·nH₂O和WO₃·nH₂O基改性光催化剂的制备方法. 最后总结了WO₃·nH₂O及其所构建的复合材料在水分解析氢、CO₂还原和降解染料类污染物三个方面的应用,并对发展前景做出了展望. 本工作旨在为推动WO₃·nH₂O光催化体系发展提供有益参考.     

注意力增强和目标模型更新的红外目标跟踪算法

目的 多数以深度学习为基础的红外目标跟踪方法在对比度弱、噪声多的红外场景下,缺少对目标细节信息的利用,而且当跟踪场景中有相似目标且背景杂乱时,大部分跟踪器无法对跟踪的目标进行有效的更新,导致长期跟踪时鲁棒性较差。为解决这些问题,提出一种基于注意力和目标模型自适应更新的红外目标跟踪算法。方法 首先以无锚框算法为基础,加入针对红外跟踪场景设计的快速注意力增强模块以并行处理红外图像,在不损失原信息的前提下提高红外目标与背景的差异性并增强目标的细节信息,然后将提取的特征融合到主干网络的中间层,最后利用目标模型自适应更新网络,学习红外目标的特征变化趋势,同时对目标的中高层特征进行动态更新。结果 本文方法在 4 个红外目标跟踪评估基准上与其他先进算法进行了比较,在 LSOTB-TIR(large-scale thermalinfrared object tracking benchmark)数据集上的精度为 79.0%,归一化精度为 71.5%,成功率为 66.2%,较第 2 名在精度和成功率上分别高出 4.0%和 4.6%;在 PTB-TIR(thermal infrared pedestrian tracking benchmark)数据集上的精度为85.1%,成功率为 66.9%,较第 2 名分别高出 1.3% 和 3.6%;在 VOT-TIR2015(thermal infrared visual object tracking)和VOT-TIR2017 数据集上的期望平均重叠与精确度分别为 0.344、0.73 和 0.276、0.71,本文算法在前 3 个数据集的测评结果均达到最优。同时,在 LSOTB-TIR 数据集上的消融实验结果显示,本文方法对基线跟踪器有着明显的增益作用。结论 本文算法提高了对红外目标特征的捕捉能力,解决了红外目标跟踪易受干扰的问题,能够提升红外目标长期跟踪的精度和成功率。     

Extending SSD Lifespan with Comprehensive Non-Volatile Memory-Based Write Buffers

Journal of Computer Science and Technology - New non-volatile memory (NVM) technologies are expected to replace main memory DRAM (dynamic random access memory) in the near future. NAND flash...     

层间隔震框架结构地震反应动力分析

地震给人们带来的生命安全以及财产的损失是不可估量的。想要减少这种损失,需要发展抗震结构的建筑,减地震发生时带来的损失。而层间隔震框架结构就是最新发展起来的一种隔震结构。它和普通的抗震结构比起来减震性能比较好,有着较大的优越性。本文通过建立模型,利用ANSYS建立起普通的抗震结构以及层间隔离结构然后进行动力特性以及地震相应的分析,通过比较了解层间隔震框架结构相对于普通隔震体系的优异性。     

自监督学习下小样本遥感图像场景分类

目的 卷积神经网络(convolutional neural network, CNN)在遥感场景图像分类中广泛应用,但缺乏训练数据依然是不容忽视的问题。小样本遥感场景分类是指模型只需利用少量样本训练即可完成遥感场景图像分类任务。虽然现有基于元学习的小样本遥感场景图像分类方法可以摆脱大数据训练的依赖,但模型的泛化能力依然较弱。为了解决这一问题,本文提出一种基于自监督学习的小样本遥感场景图像分类方法来增加模型的泛化能力。方法 本文方法分为两个阶段。首先,使用元学习训练老师网络直到收敛;然后,双学生网络和老师网络对同一个输入进行预测。老师网络的预测结果会通过蒸馏损失指导双学生网络的训练。另外,在图像特征进入分类器之前,自监督对比学习通过度量同类样本的类中心距离,使模型学习到更明确的类间边界。两种自监督机制能够使模型学习到更丰富的类间关系,从而提高模型的泛化能力。结果 本文在NWPU-RESISC45(North Western Polytechnical University-remote sensing image scene classification)、AID(aerial ima...     

基于稀疏激光点云数据和单帧图像融合的三维重构算法

由于激光雷达获取的深度数据非常稀疏,为了能够将深度数据与图像数据重构出稠密三维深度图,本文提出了基于稀疏激光点云数据和单帧图像融合的三维重构算法。该方法首先使用点直方图特征有效地选择对应于目标的点数据并消除体素中的非相似点;然后,使用高斯过程回归对局部深度数据建模,并通过插值获得三维深度数据,本文算法获得的三维深度点更接近基准值,并保持了目标的局部形状特征;最后,利用马尔科夫随机场对图像灰度数据和三维插值点进行融合来构建三维深度图。仿真实验结果表明:相比现有基于激光雷达数据和单目图像数据的三维重建算法,本文提出的算法将大大提升算法的鲁棒性与重构的准确度,可辅助用于复杂的城市场景中车辆的无人驾驶。     

黏性液体中单个上升气泡的流体动力学行为(英文)

The rising behavior of single bubbles has been investigated in six systems with different viscosity and Morton number(Mo) from 3.21×10-11 to 163. Bubbles with maximum equivalent diameter of up to 16 mm were investigated. The bubble Reynolds number(Re) ranged from 0.02 to 1200 covering 3 regimes in which two func-tions are obtained relating the drag coefficient,CD,with Re and Mo. It has been found that in the high Reynolds number regime the drag coefficient increases until the Reynolds number of about 1200. The classic expression of Jamialahmadi(1994) is improved and extended to high viscosity liquids. A new relationship for the aspect ratio of deformed bubbles in terms of Re,the Etvs number and Mo,applicable to a wide range of system properties,espe-cially in high viscosity liquids,is also suggested.     

基于高程分段的黄河源区NDVI和水热条件空间分布格局

以黄河源区植被为研究对象,应用MODIS13Q1遥感数据、DEM数据、气象数据以及土地利用类型图,采用基于高程分段的研究方法对研究区NDVI(归一化植被指数)与水热条件空间分布特征进行深入探究。根据NDVI随高程分布特征,将研究区划分为高程段Ⅰ(3 400m),高程段Ⅱ(3 400～4 200m)和高程段Ⅲ(4 200m)。在各高程段内分析植被分布格局、NDVI与水热条件分布特征、NDVI与水热因子响应关系。结果表明:黄河源区内主要植被类型为草地,其面积占源区总面积75%,林地面积占比为7%,农田面积仅占1%。高程段Ⅰ内主要植被类型为农田和草地,高程段Ⅱ内主要植被类型为林地和草地,高程段Ⅲ内基本只有草地。3种不同类型植被NDVI平均值大小为林地草地农田。气温表现为梯度递减的空间分布格局,降水量呈现从东南向西北递减的趋势。高程段Ⅰ属干旱区域,高程段Ⅱ属湿热区域,高程段Ⅲ属干冷区域。3个高程段内水热组合条件最好的是高程段Ⅱ,高程段Ⅲ水热条件较差。植被NDVI在不同高程段内受水热因子的驱动作用不同。高程段Ⅰ和高程段Ⅲ内降水量较低,NDVI主要驱动因子是降水量,高程段Ⅱ的降水量丰沛,影响NDVI的主要因子是气温。