武汉城市圈城市经济关联及优化研究

基于城市间相互作用强度模型和城市流强度模型,以武汉城市圈为研究区域,对武汉城市圈城市相互作用强度,各城市的区位商、外向功能量、城市流强度以及中心性进行分析与验证.结果表明:武汉城市圈内各城市经济关联强度较弱,城市间经济发展不平衡;武汉市中心地位突出,经济发展呈现"一城独大"格局;武汉城市圈外向型服务功能落后,城市间服务功能不协调;武汉城市圈经济集聚与辐射功能总体较弱,区域一体化尚处于初级阶段.建议:分类引导,提升武汉城市圈城市总体实力;完善交通,强化武汉城市圈网络化结构;明确分工,实现武汉城市圈功能互补;协调发展,增强武汉城市圈城市流强度.     

镉系量子点的细胞毒性——镉离子之辩

量子点是一种具有卓越荧光性能的新型纳米材料,在生物医学领域具有广泛的应用前景,故其生物安全性引起了人们的广泛关注.本文阐述了镉系量子点的细胞毒性机制的相关研究进展,重点关注镉离子的释放在镉系量子点的细胞毒性发挥的作用,以及相关的研究方法.     

关联规则挖掘算法的优化

Apriori算法是关联规则挖掘的经典算法,该算法在处理规模巨大的候选项目集时存在耗时长和效率低的问题,提出了采用分割法对数据进行分片的优化算法.实验证明该算法不仅能减少数据挖掘对系统资源的占用,而且解决了数据库中数据分割下局部频繁项目序列集产生和全局频繁项目序列集的转换问题.     

金融视阙下国际石油价格波动分析

国际油价波动逐渐成为制约我国经济发展的不稳定因素,在期货投机和美元汇率因素的推动下,石油背后的金融属性将会对国际石油价格波动起着越来越重要的作用,从金融因素关注石油价格的波动也就具有重要的现实意义.基于此,从金融因素研究石油价格波动问题,深入阐述石油作为特殊商品及金融属性的个性特点.针对2002年前后油价脱离传统面的波动进行灰色关联分析,从定量的角度证实了金融因素是近期国际石油价格波动的主导因素.     

掺杂Gd对铕配合物Eu_xGd_(1-x)(TTA)_3(TPPO)_2绝对量子效率和荧光寿命的影响

掺杂不同比例的Gd到铕配合物中得到一系列共发光稀土配合物EuxGd1-x(TTA)3(TPPO)2。这些稀土配合物相似的红外光谱表明掺杂Gd前后的稀土配合物具有类似的分子结构。激发光谱表明所有稀土配合物的最大激发波长都在366 nm附近。绝对量子效率和荧光寿命随着Gd含量的变化呈准周期性变化,同时绝对量子效率和荧光寿命的变化趋势恰好相反,说明了稀土配合物吸收能量后尽快地将能量转化为光能释放出去有利于绝对量子效率的提高。     

点迹-曲线关联算法的旋转对称群目标分辨

基于微多普勒效应分析的弹道目标识别得到了广泛研究,然而传统的微多普勒特征提取技术大都难以解决空间群目标的分辨与识别。针对这一问题,提出了一种基于点迹-曲线关联算法的空间群目标分辨方法。在以旋转对称群目标为研究对象的前提下,建立了具有滑动散射特性的目标模型并分析推导了散射点的微动表达式,利用点迹凝聚处理抑制了一维距离像旁瓣,在此基础上,提出了点迹-曲线关联算法分离出混叠的群目标微多普勒曲线,通过各曲线的极值包络特性差异实现了旋转对称群目标分辨。实验仿真验证了本方法的正确性和可行性。     

一类二阶线性常微分方程两点边值问题的数值解

采用有限差分法,将一类二阶线性常微分方程两点边值问题转化为绝对值方程,并给出了一个迭代算法,证明了算法的收敛性.数值实验结果表明,该方法迭代次数少、精度高.     

近红外高分散球形CdTe量子点合成及光学性质

以十六胺(HDA)为表面修饰剂,通过快速简单的溶剂热法制备近红外发光球形CdTe量子点。通过X线衍射仪(XRD)、傅里叶变换红外光谱仪(FT-IR)、透射电子显微镜(TEM)等表征方法对试样的形貌及结构进行研究。使用紫外-可见吸收光谱(UV-Vis)和荧光光谱(PL)研究CdTe量子点的光学性质。结果表明:制得的均匀球形CdTe量子点为立方闪锌矿结构相,具有高结晶度及高分散性,并且量子点的粒径分布较窄。随反应时间延长量子点尺寸变大,吸收峰与荧光发射峰红移,两者的斯托克位移较大,且均具有优良的近红外荧光性能。     

基于划分和压缩数据库的改进Apriori算法

针对Apriori算法在面对大规模数据时效率较低的问题,提出了一种基于划分和压缩数据库的改进方法。该方法首先依据特征数据出现的频率将数据按照升序存储在临时数组中;然后将原始事务数据库分为几个互不相交的事务数据库,使得子数据库能够容纳在内存中;最后根据每个子数据库计算出的频繁项集计算整个数据库的频繁项集,从而消除了不必要的冗余数据。通过改进可以将大规模数据集进行有效的划分和压缩,对子数据库进行关联规则挖掘。实验结果表明,改进的Apriori算法在针对海量数据挖掘的执行速度和效率都有很大提高。     

基于QPSO-RBF神经网络的交通流量预测方法

提出一种粒子群优化神经网络的预测方法,首先基于改进的量子行为粒子群算法对神经网络进行训练,以保证各权值和阈值能得到最优解,同时对训练样本进行了基于聚类算法的优选.最后进行了仿真验证,证明本文方法用于短时交通流量预测可以获得较高的精度并且误差稳定,为交通流量预测的实际应用提供了一种参考.