激光诱导击穿光谱技术在录井岩性识别中的应用

采用激光诱导击穿光谱技术,结合主成分分析、偏最小二乘判别分析和对向传播人工神经网络非线性模型,对录井中的岩屑岩性进行识别.研究结果表明使用对向传播人工神经网络非线性模型对玄武岩、安山岩、泥岩、砂岩、灰岩的识别正确率均在70%以上,平均正确识别率达88%,实现了5种岩屑岩性的有效识别.     

节点面晶体的拓扑特性

提出了实现节点面晶体的冷原子晶格方案, 讨论了节点面晶体的拓扑特性.通过调节激光参数, 系统可以实现3种不同相(拓扑节点面金属相, 拓扑平庸的金属相以及拓扑平庸的能带绝缘相)之间的相变.分别讨论了系统处于不同相态下,其节点面、能带、表面态和态密度的变化情况.结果表明:当系统处于节点面半金属相时, 晶体中存在拓扑保护的边缘流;而相变后系统为拓扑平庸态.通过研究不同晶面讨论了这种三维拓扑金属在不同截面的变化特性, 结合表面态和电子态密度, 可以更好地反映系统的拓扑特性.     

一种深度自编码器面部表情识别新方法

为解决面部表情特征维度高的问题,该文提出了一种基于深度学习自编码器的表情识别新方法,该方法利用深度自编码器在多层隐层上进行特征选择,能够在较低维度上表示高维度的面部特征.首先采用定向梯度直方图从面部表情的选定区域提取特征,然后在多个层面上使用深度自编码器,得到最优编码特征,降低特征维度,最后使用支持向量机模型对降维特征进行分类.实验表明,与其他现有特征选择和降维技术相比,该文方法提取的特征优于其他特征,并能够有效实现面部表情识别.     

基于灰度图像二维Gabor滤波的目标识别

提出了一种基于灰度图像的Gabor滤波器识别方法.该方法首先采用Gabor小波滤波器组处理灰度目标图像,并在此基础上采用主元分析法(PCA)提取图像特征,然后结合支持向量(SVM)方法将区域内图像匹配问题转化为分类问题来识别目标物体.仿真实验结果表明,该算法能使移动机器人达到92%以上的识别率,并可满足约8 fps的实时图像处理要求.     

CO和Cl2在TiO2(110)表面的吸附行为

采用基于密度泛函理论（DFT）的第一性原理方法研究了CO和Cl₂分子在TiO₂（110）面上的吸附反应,通过计算体系的吸附结构、吸附能、电荷密度和态密度等性质,揭示了CO和Cl₂共同吸附在TiO₂（110）表面的行为机制。CO和Cl₂在TiO₂（110）面上的吸附存在相互促进的关系,共同吸附时其平均吸附能为-1.367 4 eV,Cl₂能够被表面Ti原子捕获,表面Ti （5c）原子发生sd³轨道杂化,吸附发生时表面形成CO→TiO₂（110）→Cl流向的瞬时电子流,态密度的分布显示TiO₂（110）表面的Ti-O键强度被削弱,说明CO的存在对TiO₂的氯化有促进作用,同时表面O原子被激活,其随着CO从表面解离形成CO₂分子平均释放1.418 6 eV的能量,使得TiO₂（110）结构被破坏,同时也为下一个Cl₂分子提供了良好的吸附位。     

团簇Ni3CoP电子性质与磁性研究

设计团簇Ni_3CoP模型对非晶态合金Ni-Co-P进行局域结构的模拟,基于密度泛函理论(DFT)并在B3LYP/Lanl2dz水平下运用Gaussian 09程序对其进行结构优化以及有关电子性质与磁性的计算,对所得到的理论数据进行分析.结果表明:团簇Ni_3CoP费米能级左侧的最高峰由Ni-d、Co-d、P-p共振产生,形成了d-d-p杂化的成键轨道,并主要由Ni-d轨道贡献;对于团簇Ni_3CoP内部的电子转移,以P原子提供电子的能力最强,Co原子次之,Ni原子则整体以接受电子为主.团簇Ni_3CoP 3重态下的构型具有磁性,且Ni原子磁矩对团簇总磁矩的贡献较大.分析d轨道的电子自旋态密度图,发现其对称性最不好,这说明其上的成单电子最多,是团簇磁性的主要来源.同时,研究还发现p轨道对团簇磁性的贡献同样不可忽略.     

基于栈式稀疏自编码多特征融合的快速手势识别方法

针对复杂背景下手势分割提取效果不佳、图像识别率不高、识别困难等问题,研究多特征融合的快速手势识别方法.利用YCbCr颜色空间模型,构建肤色分布模型,从复杂背景中去除大部分非肤色的干扰,从而实现手势分割;接着采用5层栈式稀疏自编码网络框架,分别提取手势感兴趣区域（region of interest,ROI）的纹理图像、形状图像和显著视觉图像作为自编码网络输入,将提取到的不同类型的特征进行线性融合;最后使用基于径向基核函数（radial basis function,RBF）的支持向量机（support vector machine,SVM）分类器进行融合特征数据分类,从而实现不同类型的手势识别.实验结果表明,相比其他手势识别方法,本文方法识别率较高,提取特征更具有代表性,平均识别率可达95.05%.      

多梁式桥梁检测的叠加曲率模态差变化率方法

鉴于应用曲率模态的桥梁损伤识别研究大多以一维单梁式结构为研究对象,提出利用G-M法的思想并基于薄板振动理论将多梁式结构转化为正交异性板后,类比梁弯曲理论得到该结构两正交方向曲率表达式,通过分析采用单阶曲率模态差指标进行桥梁损伤识别的不足,考虑利用多阶曲率模态变化率叠加指标进行损伤识别,最后采用有限元软件Ansys建立桥梁模型计算单位置、多位置不同损伤程度的多种工况。Matlab绘图结果表明:沿桥梁纵向叠加指标识别更为精确,对未损伤位置数据扰动更小,指标独立性高,可利用该指标进行多梁式结构的损伤定位。     

基于深度学习的网络流量分类识别研究

目前互联网上会存在海量的网络流量数据信息,这些海量的网络流量数据信息还未得到充分性的利用,如果有效的采取一些必要的方法或者手段,分析整个的网络流量挖掘信息对于后期的网络发展趋势,挖掘网络当中所存在的异常状态并且有采取针对性的措施,这对于后期的网络应急响应能力的增强、抵御网络不法攻击行为、快速的维护网络空间安全等方面都具有非常重大的价值及意义.本文基于网络流量识别的基本需求,分析了深度学习经典模型-CNN的基本原理,在此基础上将原始流量进行分层处理,并建立了基于注意力机制的改进的CNN算法的网络流量识别模型,最后在国际标准数据集上进行仿真分析.实验测试结果表明,该模型可以实现对各类网络流量有效识别.