分段常数变量反馈控制Logistic模型的吸引性

研究了一类具有分段常数变量与多时滞线性反馈控制Logistic模型正平衡点的全局吸引性,利用Barbalat引理证明了该模型解的一致有界与连续性,利用构造Lyapunov泛函方法得到了该模型全局吸引性的充分条件.     

208Pb中单粒子共振态的赝自旋对称性

在相对论平均场理论框架下,用耦合常数的解析延拓方法研究了原子核的单粒子共振态,通过计算和比较208Pb单粒子束缚态和共振态的能级和宽度,发现208Pb的束缚态和共振态都具有较好的赝自旋对称性.     

RLC串联电路暂态过程和τ值的修正

对RLC串联电路暂态进行研究并提出一种测量方法,较好的解决了时间常数τ的测量值与计算值偏离较大的问题.     

SiCl_4制备正硅酸乙酯的工艺研究

为寻找一条工序简单、耗价低、易于工业放大路线,实现多晶硅副产物四氯化硅(SiCl4)废物资源化制备正硅酸乙酯(TEOS),本文以多晶硅副产物SiCl4和无水乙醇为原料制备TEOS,在半连续化生产工艺的基础上研究了SiCl4与乙醇的摩尔比、反应温度、反应时间等因素对TEOS产率及纯度的影响。正交实验优化结果表明:15℃下,以恒定速率滴加14.21 g无水乙醇于15 g四氯化硅中,反应35 min,补加8.12 g无水乙醇;55℃下恒温40 min,经减压蒸馏,除去低沸点的乙醇和氯化氢,TEOS产率达到86.61%。对正交实验优水平下制得的产物进行红外光谱(IR)和气相色谱(GC)分析,结果表明:产物中TEOS结构正确,其纯度大于99.0%,达到市售分析纯纯度。     

2005～2017年快速城市化背景下洱海流域不透水表面时空格局分析

近年来随着我国经济建设的不断加快以及城市化的快速发展,工业和人口的大规模聚集造成了不透水表面的快速扩张,这对城市生态环境产生了严重的影响。作为城市化水平的关键指示因子,不透水表面已经被广泛应用在城市生态环境评估中。为了定量的分析洱海流域不透水表面拓展的时空动态特征规律,本文以大理市所在的洱海流域为研究对象,利用2005年至2017年的大理市Landsat 5、Landsat 8遥感影像,提取归一化水体指数(MNDWI)和归一化差值不透水表面指数(NDISI)对洱海流域的城市、道路进行空间分析并提取出不透水表面信息进行空间格局分析。研究结果表明：2005~2017年间,随着城市化的快速发展,洱海流域的植被覆盖率和水体等自然地物覆盖率处于下降状态,而不透水覆盖率从11.6%上升到19.8%,呈现快速持续上升趋势。由洱海水质和其流域内不透水覆盖率线性拟合结果可以得到两者具有一定的负相关性。可以预见洱海水质未来发展中随着不透水覆盖率的增长而下降。因此,在城市发展的同时,应该注重对洱海的综合治理,不能任水质自行调节。本研究结果为洱海流域内城市规划管理和流域(水)环境治理提供参考信息,具有重要的现实意义。     

老挝政治外交领域本体术语集构建研究

政治外交领域本体术语的获取是构建相关领域本体的关键,也是进行信息抽取、信息检索的重要组成部分。文章首先利用现有资源构建了基础术语集,然后利用Word2Vec的新词推荐功能在此基础上进行扩展,最后以融合知网和同义词词林的方法进行词语语义相似度计算,筛选出合格的本体术语构建扩展术语集。由此建立起老挝政治外交领域本体术语集。     

有界复形的 Modi ed Ringel Hall 代数的结构常数

设k是有限域.A是k上的满足一定有限性条件的本质小的遗传阿贝尔范畴.本文研究了有界复形范畴的modified Ringel—Hall 代数MH(A)中零微分复形乘积的结构常数，给出了它们与A的Ringel-Hall 代数H(A)的Hall数之间的关系.     

基于图注意力网络的案件罪名预测方法:CP-GAT

案件罪名预测任务是基于文本数据去预测案件所属罪名.针对现有方法在相似罪名和长尾数据集上表现不佳的问题，提出了一种基于图注意力网络的案件罪名预测方法CP-GAT(charge prediction based on graph attention network).该方法首先使用司法文书数据集中的案例事件描述文本和案例对应的法条信息建立异质图结构数据，构建后的异质图包含两种类型的节点(词节点、案例节点)，两种类型的边(词节点与词节点相连的边，词节点与案例节点相连的边).在基于法律文本构建后的异质图上使用图注意力网络进行图特征提取，最后将得到的特征向量输入到罪名预测的分类器中，得到案例所属的罪名.在CAIL2018法律数据集上的实验结果表明，基于图注意力网络的罪名预测方法优于对比实验使用的方法，准确率和宏观F1值分别达到了95.2%和66.1，验证了提出的方法有利于提升案件罪名预测任务的性能.     

一种基于四叉树划分的改进ORB算法

原ORB （oriented FAST and rotated BRIEF）算法提取的图像特征点经常出现“扎堆重叠”现象，其分布较为密集且缺乏尺度不变性，因而容易造成图像特征点误匹配的问题。为了解决该问题，提出了一种基于四叉树划分的图像特征点提取算法。首先对图像建立尺度金字塔，然后使用四叉树划分图像并限制划分深度。用加速分段测试的特征（features fromaccelerated segment test，FAST）算法通过多个检测阈值对划分后的图像进行特征点检测。检测完毕后，根据划分出的子块总数和提取的特征点总数对划分出来的各个子块设置自适应阈值，提取ORB特征点。操作完成后通过采取非极大值抑制的方法筛选最佳特征点，并使用改良后的二元鲁棒独立基本特征（binary robust independent elementary features，BRIEF）算法计算得出特征点的描述符，最后进行特征点匹配。实验结果表明，本文算法提取的图像特征点较原ORB算法提取的效果在均匀程度上得到了明显地提升，冗余重叠的特征点数量减少，且在特征点提取速度方面较原ORB算法的提取速度提高了30%以上。     

基于深度残差适配网络的通信辐射源个体识别

为解决通信辐射源识别中传统的人工特征提取方法鲁棒性不足和深度学习方法需要大量带标签目标域数据的问题, 提出一种基于深度残差适配网络的通信辐射源个体识别方法。应用深度学习技术实现从源域到目标域上的迁移识别, 只需要将带标签的源域数据和无标签的目标域数据进行训练。原始通信辐射源信号经过预处理后输入网络训练, 将源域和目标域的分布差异和网络的损失函数作为优化目标, 反复迭代得到最终模型。在实际采集的通信辐射源数据集上的实验结果证明了该方法的可行性和有效性。