Reduction zero-knowledge

The nature of zero-knowledge is re-examined and the evidence for the following belief is shown:the classic simulation based definitions of zero-knowledge(simulation zero-knowledge)may be somewhat too strong to include some "nice" protocols in which the malicious verifier seems to learn nothing but we do not know how to construct a zero-knowledge simulator for it.To overcome this problem a new relaxation of zero-knowledge,reduction zero-knowledge,is introduced.It is shown that reduction zero-knowledge just lies between simulation zero-knowledge and witness indistinguishability.Under the assumption of existence of one-way permutations a 4-round public-coin reduction zero-knowledge proof system for NP is presented and in practice this protocol works in 3 rounds since the first verifier's message can be fixed once and for all.     

分子水氧化催化剂及其光电催化分解水研究进展

 总结了近年来基于不同第一过渡系列金属的分子水氧化催化剂，包括贵金属分子水氧化催化剂和非金属分子水氧化催化剂；以及常用的氧化物半导体电极材料，例如α-Fe₂O₃、WO₃和BiVO₄等。概述了目前分子水氧化催化剂在电极表面的负载方式，包括物理吸附方式、共价键结合方式、分子催化剂修饰吸附基团方式、静电作用和π-π堆积作用等。提出构建高效稳定的光致水分解分子器件需要解决的问题，从而实现利用太阳能大规模裂解水制备清洁能源的设想。     

广州市住宅室内、外PM2. 5 中碳污染来源解析

旨在对大气PM2.5中碳污染来源进行解析,以寻求科学合理的预防与污染控制对策.在广州市9个居民住宅的室内、室外同步采集了PM2.5样品,对PM2.5中有机碳(OC)、元素碳(EC)组分采用热光反射分析法(TOR)分析.IMPROVE-TOR法分析OC、EC的过程中,根据固定的温度梯级将OC和EC区分为8个组分(OC1、OC2、OC3、OC4、EC1、EC2、EC3和OPC). 分析了广州市9个采样住宅夏、冬季室内和室外PM2.5中8个碳组分占总碳(TC)的平均丰度及其规律和启示.采用因子分析法对PM2.5中碳污染主要来源的定量贡献进行解析,找出广州市PM2.5中碳污染主要来源及其贡献率.采用简化模型,对室内OC、EC源对室内总碳的相对贡献率,室外OC、EC源对室内总碳的相对贡献率进行了定量化研究.     

用于手写签名识别的演化超网络

手写签名作为易被大众所接受的生物特征身份认证方式,已成为模式识别领域一个重要研究热点.针对现有手写签名存在易模仿难鉴定的问题,提出一种结合演化超网络模型的手写签名认证方法.为了平滑噪声,构造出可读性强的笔迹特征集,采用向量化和平滑采集点的方法对手写签名样本进行预处理,从而提取出位置和方向特征属性,采用演化超网络模型对签名进行学习和鉴定.为验证该方法的有效性,对20个签名用户分别采集了40个真实签名和20个伪造签名数据进行实验.实验结果表明,该方法对用户签名的误拒率(false rejection rate,FRR)为4.75％,误纳率(false acceptance rate,FAR)为3.75％,识别率(verification accuracy,VA)为95.75％.同时和其他传统的识别算法相比,具有更高的识别率.     

加料顺序对白炭黑胶料性能的影响

通过改变含有白炭黑胶料中,防老剂、氧化锌的加入顺序来研究胶料的硫化特性和物理机械性能。研究表明,防老剂和氧化锌在第一段加入的情况下,大大延长了胶料的正硫化时间,并且降低了胶料的定伸应力和拉伸强度。     

基于信任度分配的小脑模型节点控制器改进算法及其收敛性分析

针对传统小脑模型节点控制器(CMAC)算法中的学习干扰现象,给出了一种基于信任度分配的CMAC改进算法(CA-CMAC).该算法将每个存储单元被激活次数的倒数作为该单元的信任度,误差的分配与该单元的信任度成正比.然后提出了信任度矩阵和信任度关联矩阵的概念,并根据线性方程组迭代理论,证明了改进算法在增量学习时的收敛性,给出了收敛条件并进行了验证.通过二自由度平面机器人臂逆动力学求解的仿真,比较了CA-CMAC与传统CMAC的性能,结果表明,CA-CMAC具有更快的收敛速度.     

大青杨PuZFP 103基因的序列特征及逆境胁迫的表达分析

[目的]通过研究大青杨(Populus ussuriensis)PuZFP 103基因的序列特征及其在不同组织部位、激素处理与胁迫应答中的表达特性,为揭示PuZFP 103在大青杨生长发育中的功能提供依据.[方法]利用各种生物信息学方法对PuZFP 103基因进行分析,采用实时荧光定量PCR(real time qua...