云计算图书馆的大数据知识服务研究

梳理了云计算图书馆的大数据知识服务研究现状,概括了其主要特点,并对5G时代云图书馆大数据知识服务进行展望.     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

Controllability of Quantum Systems with SU(1, 1) Dynamical Symmetry

This paper presents sufficient and necessary conditions for the propagator controllability of a class of infinite-dimensional quantum systems with SU(1, 1) dynamical symmetry through the isomorphic mapping to the non-unitary representation of SU(1, 1). The authors prove that the elliptic condition of the total Hamiltonian is both necessary and sufficient for the controllability and strong controllability. The obtained results can be also extended to control systems with SO(2, 1) dynamical symmetry.     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。     

微生物肥料发展及作用机理综述

微生物肥料是一种具有特定功能的微生物活体制品,应用于农业生产,通过其中含微生物的生命活动,增加植物养分的供应量、促进植物生长、提高产量、改善农产品品质及农业生态环境。微生物肥料对改善化肥过量施用造成的土壤质地恶化、微生态环境失衡和农产品品质问题具有重要作用。本文就微生物肥料的发展历程及作用机理进行综述,总结了微生物肥料中功能微生物通过在土壤、植物根部定殖,对改变土壤微生物多样性、改善土壤中养分供应状况、释放植物促生长激素、提高土壤酶活性、增强植物系统抗性等方面的作用。分析了目前微生物肥料产业存在的问题,并对其发展方向进行展望,以期为我国微生物肥料的合理应用及产业发展提供依据和参考。     

云计算视角下可验证计算的分析研究

云计算能否在未来的各个领域中被广泛运用,决定因素在于其可信度。可验证计算在检测云计算结果的可信度方面具有其独特优势。利用可验证计算协议可验证云服务器端所返回的数据是否正确,它成为实现云计算可信度的重要保障。文中在阐述可验证计算基本内容和相关设计原则的基础上,分析了可验证计算协议的一般流程、设计原则及计算模型,并结合基于交互系统的可验证计算协议分析,探讨在云计算视角下可验证计算的研究展望。     

创新回报不确定性下的新技术采纳研究

考虑到企业在采纳新技术过程中的技术溢出以及新技术创新回报的不确定性,建立生产有差异化产品企业的两阶段博弈模型,以企业采纳时间为分界点分别得出在古诺竞争和伯特兰德竞争两种市场下各个阶段的期望均衡利润,进而对技术创新回报不确定性、企业的最优采纳时间、期望社会福利最大时的企业最优社会采纳时间进行了分析,结果表明,随着创新回报不确定性的增加,先采纳新技术企业的期望利润增加更多;企业间产品差异较大时,领先企业在古诺竞争下的最优采纳时间要比伯特兰德竞争下的最优采纳时间要早;企业间产品差异较小时,领先企业在古诺竞争下的最优采纳时间要晚于伯特兰德竞争下的最优采纳时间.跟随企业在古诺竞争下的最优采纳时间始终早于伯特兰德竞争下的最优采纳时间.