院市合作助力创新型城市的建设与发展——中科院佛山产业技术创新与育成中心的建设探索

2009年,中科院与佛山市人民政府共建佛山产业技术创新与育成中心,院市双方开启战略合作,全面推动中科院的技术和成果在佛山地区转移转化。经过多年实践和探索,着力开展了具有佛山特色的应用研究、产业技术工程化研发、科技成果产业化等工作,提升了地方相关产业的创新能力,加快推进了高新技术成果在佛山市产业化,推动了佛山市产业结构调整,有力地促进了佛山市产业结构优化升级与核心竞争力提升,为佛山市建设和发展创新型城市作出了实质性的贡献。     

墨西哥Perdido带上Wilcox组油藏富集模式分析

为了明确Perdido带上Wilcox组油藏富集控制因素，以上Wilcox组油藏为研究对象，通过有效供烃范围、油输导方式、圈闭形成与生排烃期匹配关系及保存条件对比分析，探讨了Perdido带上Wilcox组油藏富集控制因素及成藏模式。研究认为，供烃区规模对油藏规模控制作用明显；上Wilcox组油藏存在顺源式、向源式和背源式3种垂向运移方式，其中，顺源式和向源式运移有利于油藏富集；圈闭形成与生排烃期匹配较好的油藏，供烃充足，油藏规模大；保存是油藏富集的必要条件，遭受严重破坏的油藏规模小；建立了Perdido带上Wilcox组3种油藏成藏模式，其中，“双侧供烃-顺源输导”和“单侧供烃-向源输导”有利于油藏富集，是该区寻找规模性油藏的有利模式。     

NSD序列部分和乘积的渐近分布

设{X_n, n≥1}是同分布正的负超可加相依(NSD)序列, 利用NSD序列加权和的中心极限定理和大数定律, 在适当的条件下证明当n→∞时, 并讨论严平稳条件下的类似结论.     

微观剩余油赋存状态的矿物学机制探讨——以鄂尔多斯盆地中部中‒低渗砂岩储层为例

针对现阶段微观剩余油研究中可视化精度低、微观剩余油与矿物之间的依存关系不明确以及形态分类描述不完善等问题, 利用岩芯观察、铸体薄片分析、X射线衍射分析等手段, 以场发射环境扫描电子显微镜(FE-SEM)图像为基础资料, 联合能谱(EDS)分析资料, 研究鄂尔多斯盆地中部长2油层组和长9油层组的微观剩余油分布规律, 并探讨剩余油赋存状态的矿物学机制。结果表明, 微观剩余油的赋存状态由孔隙的大小和形态以及与孔隙相接触的边缘矿物的性质共同决定, 不同类型孔隙对剩余油的赋存能力取决于孔隙边缘矿物的形态、表面粗糙程度、比重和润湿性等物理化学性质。据此, 可将微观剩余油分为残留油团、半自由油岛、半自由油雾、半自由微油团和束缚油5个类型。     

融合量子密钥的内网文件加密系统

随着量子计算技术快速发展，基于计算复杂性的加密技术正面临着巨大的威胁，单一的防火墙技术无法完全阻止黑客的侵入和发自内网的攻击。采用防火墙与量子保密通信技术相结合的策略，能够有效解决上述问题。文中设计了一种基于量子密钥的局域网内文件安全系统，使用量子密钥并结合"一次一密"的方式对局域网内部隐私文件进行加密，能够有效防范文件失窃带来的损失。系统包括2个部分：以文件处理单元为核心的客户端软件，以加/解密信息管理模块为核心部件的服务器。为了增加密文的复杂性、密钥的存储安全性、计算可行性，提出了密文混合拼接、弱口令错位置乱、密钥智能匹配3种密钥处理方法，有效提高了系统的整体安全性。经系统功能测试与网络仿真分析，验证了系统的有效性、安全性及可行性。     

基于VGGNet改进网络结构的多尺度大熊猫面部检测

大熊猫个体识别对研究大熊猫的种群数量非常重要，大熊猫面部检测是基于面部图像的大熊猫个体识别方法中的首要关键步骤。针对现有的大熊猫面部检测方法精确度不高的问题，提出基于VGGNet-16改进网络结构的多尺度大熊猫面部检测方法。首先，以VGGNet-16网络结构为基础，通过增加残差结构与BN层，降低卷积层通道数，并采用LeakyRelu激活函数等改进，构建一个新的特征提取主干网络。其次，将一个3尺度的特征金字塔网络结构与SPP结构结合用于目标检测。最后，使用深度分离卷积结构替代常规卷积结构。实验结果表明，提出的大熊猫面部检测方法在测试集上能够达到99.48%的mAP，检测性能优于YOLOv4。     

大数据营销:综述与展望

随着追踪消费者足迹能力的增强,营销科学正经历着一场大数据的革命.为了了解大数据背景下消费者行为和营销战略的改变,此项研究结合近十余年大数据营销的有关文献,梳理了大数据营销的相关概念,类型及分析方法,并提炼出搜索、移动、口碑、数字化、APP和社会媒体等50个大数据营销的热门主题.在此基础之上,分别从互联网、社会网络、移动互联网、大数据和人工智能等四个阶段对大数据营销的研究进展进行回顾,最后围绕客户旅程,营销活动的量化评估和营销分析技术的开发三个方面对大数据营销的未来研究方向进行展望.     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法，通常采用先特征提取、再进行目标分类的两步识别算法，这种算法存在识别率难以提高和方法泛化性不足的问题，对此，提出一种增强条件生成对抗网络（strengthening condition generative adversarial network，SCGAN）+卷积神经网络（convolutional neural network，CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征，无需特征提取，实现对目标的一步识别。为进一步提高小样本条件下的识别效果，基于CGAN理论来提高样本在特征空间的覆盖程度，并对CGAN的判别器进行改进，在损失函数中增加混叠惩戒项，通过SCGAN生成不混叠的生成样本来更好地训练CNN，提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性，以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

基于中继选择的星地协作传输系统性能分析

由于星地混合协作网络（hybrid satellite-terrestrial cooperative network，HSTCN）能显著提升卫星通信的服务质量，近年来受到了国内外学者的广泛关注，分析了基于中继选择的星地协作传输系统的性能。首先，在卫星和地面用户之间存在直达链路，并且所有中继节点在采用门限判断译码转发协议辅助卫星通信的情况下，得到用户端经过最大比合并后的输出信噪比（signal-to-noise ratio，SNR）表达式。其次，针对卫星信道服从阴影莱斯分布，而地面信道服从Nakagami-m分布，推导出随机选择和最佳选择两种中继选择策略下系统的中断概率闭合表达式。接着，进一步得到高信噪比条件下中断概率的近似表达式，为分析各种参数对系统性能的影响提供了更加便捷的方法。最后，计算机仿真不仅验证了理论推导的正确性，而且定量分析了协作传输带来的好处，从而为HSTCN技术的实际应用提供理论依据。     

基于故障风险标尺的复杂装备健康状态分类模型

针对复杂装备故障呈现出多重性、相关性及模糊性的特点,本文分析了装备健康状态演化规律,利用自适应模糊神经网络、故障模式、影响及危害性分析构建故障风险标尺,实现了对复杂装备故障风险程度的定量化描述及装备健康状态的分类。通过实验分析,本文提出的模型相比于传统的故障预测以及故障风险程度定量方法具有显著优势,实现了对装备从设计生产、部署使用以及退役报废全寿命周期的动态反馈,对提高复杂装备综合保障能力具有重要意义。