稿件规范要求

<正>(2015年2月修订)文稿应依次包括以下内容:题名,作者姓名,作者单位,摘要,关键词,中图分类号,基金项目,第一作者简介,正文,参考文献,并将前5项翻译成英文排在文末。一、题名应简明、确切,不超过20字,一般不加副标题。作者单位包括单位全称、具体部门、城市名、邮政编码。     

高密度机载LiDAR数据中确定树冠覆盖方法

针对混交林植被参数提取相对纯林植被参数提取传统方法的局限性,提出一种从单棵树木的三维形状特征出发来确定树冠覆盖轮廓的方法.提出单棵树冠三维形状的模型假设,利用模型生成模拟点云数据进行试验,模拟结果直观展示出所提出方法的有效性;使用机载扫描的高密度混交林Li DAR点云数据进行实验.研究结果表明:该方法能对树冠覆盖范围有较准确的确定,为今后精细化的森林测绘和环境评估提供了技术上的参考.     

高中物理教学方法初探

在高中物理教学过程中，教师应当充分了解学生学情，克服学生学习的畏难心理，培养学生的学习兴趣，帮助学生了解高中阶段物理学习的特点，引导学生采取有针对性的学习方法，方能使教学取得好的效果。     

剖分-点联图和剖分-边联图的Kirchhoff指标

借助图的Laplacian矩阵的{1}-可逆矩阵,给出了剖分-点联图和剖分-边联图的Kirchhoff指标。同时给出了主要结果的两个简单的应用实例,验证了结果的正确性。     

目标边缘特征增强检测算法

针对分组角点检测网络在目标检测过程中,由于目标尺寸过小或同类目标空间距离较小而导致检测失效的问题,提出一种边缘特征增强的CornerNet目标检测算法OEC。该算法通过分离特征的高低频信息提取更多的高频信息,增强目标的边缘轮廓特征,解决关键点定位不准确的问题,提高目标的框定效果,进一步提升检测精度。仿真结果表明,该算法对行人、车辆等目标检测效果均有提高,在COCO数据集上的检测结果与CornerNet相比,mAP提高0.9%,可应用于无人驾驶与智能机器人等场景。     

Banach空间中寻求(α,β)-适度混合集值映像吸引点的一般迭代格式

引入（α，β）-适度混合集值映像与条件I^*的概念，提出了用于寻求（α，β）-适度混合集值映像吸引点的一般迭代法.在一致凸Banach空间中，利用条件I^*与半紧性质，建立了所提（α，β）-适度混合集值映像的迭代格式的强收敛性.结论改进与修正了之前文献中已发布的相应结果.     

L-半胱氨酸配位合成CdTe量子点的理论研究

本文利用密度泛函理论，研究了L-半胱氨酸及L-胱氨酸在CdTe上的吸附特征. 优化之后分别得到了四种稳定的吸附构型，计算了它们的吸附能、电荷密度、前沿分子轨道以及紫外可见吸收光谱等. 研究发现:L-半胱氨酸在CdTe上的吸附能较大、紫外可见光吸收较强，说明L-半胱氨酸在CdTe上的吸附较稳定，容易产生分子荧光，而L-半胱氨酸转化为L-胱氨酸之后，吸附稳定性降低、紫外可见光吸收强度减弱. 该研究为L-半胱氨酸配体合成的CdTe QDs荧光材料用于生物体内H2O2和葡萄糖的检测提供了理论支撑.     

基于源活度反演计算的γ辐射场数据重构方法

三维辐射场是反映核设施内真实外照射分布的重要数据库,可为核设施现场建立有效的屏蔽措施及确定合理的作业方案提供数据基础。为了重构出与实际较为相符的三维γ辐射场,结合点核积分理论,该文利用最小二乘法和Gauss-Seidel迭代算法,建立了基于源活度反演计算的γ辐射场重构方法,研究了所选取测量点位置对源活度反演结果的影响,并结合某核电现场的实地测量数据对该重建方法进行了实验验证与计算分析。结果表明:在现场实验中基于源活度反演算法重构出的γ辐射场数据与相对应的测量数据之间的偏差约为10%,能够满足核设施现场辐射防护的计算需要,可为其现场的辐射防护最优化提供技术支持。     

基于Kriging模型的多点加点准则和并行代理优化算法

针对并行仿真环境下复杂工程系统的优化设计问题,提出一种基于Kriging模型、多目标策略和聚类方法的并行代理优化算法.该算法的多点加点准则,以同时优化期望改进准则和可行性概率准则为目标,首先生成兼具目标响应改进和可行域边界刻画功能的备选试验点集;再利用聚类方法从备选点集中选取多个有代表性的新试验点.通过两个数值算例和一个工程算例,将所提并行优化算法与已有算法做比较,结果表明所提算法具有更高的优化精度、效率和稳健性.     

移动商务中融合签到位置与用户间相似性的兴趣点精准推荐

向位置频繁变化的移动用户进行精准推荐,如何提高推荐准确性,已经成为一个理论研究与实践中的热点与难点问题.针对于此,本文提出了面向移动社交商务的精准用户兴趣点推荐模型--MRGR.首先,利用用户的历史签到信息,通过改进核密度估计对兴趣点进行预测;其次,进一步考虑到用户间的签到相似性,使用信息熵定量表示用户移动的随机性和不确定性;最后,融合地理位置信息与用户间相似性,精准推荐用户兴趣点,并在Foursquare数据集上进行验证.实验结果表明:与传统模型相比,提出的模型在准确预测用户兴趣点的同时,可以有效缓解数据稀疏性和冷启动问题,并在准确率和召回率上都取得了显著的提高.成果将为移动商务中,如何更好满足企业的精准推送与用户个性化需求提供有力的技术支持和决策服务.