基于不平衡数据的公司破产预测研究

整合创新数据预处理技术与集成算法利用不平衡数据探讨了公司破产预测问题。首先，运用冗余信息处理方法、不同抽样方法等对不平衡数据进行预处理。其次，以5.0分类器（Classifier 5.0,C5.0）决策树和单隐层前馈神经网络作为基分类器，分别与三类重抽样数据预处理技术结合，择出最优抽样法。再次，结合自助汇聚法提升分类效果，并运用十折交叉验证的受试者操作特征曲线的下方面积进行评价，对比了两基分类器的集成模型。最后，运用加利福尼亚大学尔湾分校数据库中一万多家波兰制造业公司的实际数据进行实验验证。实验结果表明：欠抽样或人工少数类过采样法与神经网络结合的集成模型分类效果最优，为企业实施破产预测提供积极支撑。     

水热法制备不同形貌纳米片状MoS_2的光催化性能

二硫化钼是类似于石墨烯的二维层状材料,其优异的磁学性能、电学性能、催化性能和光学性能受到了科研人员的广泛关注.通过水热法制备出4种不同形貌的二硫化钼纳米片.对二硫化钼样品进行扫描电子显微镜测试,以200 W钨丝灯为光源,在暗箱中进行甲基橙溶液的降解测试.通过紫外可见光分光光度计对测试样品溶液进行吸光度测试,得出纳米片状的二硫化钼光催化降解甲基橙溶液降解率最高.     

基于Unity3D 的电机拖动仿真系统

为解决电机拖动实验的仿真现实问题，基于虚拟仿真的思想，利用Unity3D 技术，实现了基于Unity3D 的电机拖动仿真系统。通过实验证明，该系统可准确模拟各种电器设备在不同的连接部署情况下电动机的反应情况。用户能通过该系统达到对电机拖动实验的学习、模拟等初步体验，系统可完成不受时空限制的一些实验，有助于提高科学研究效率、准确率以及实验的安全性，降低了实验成本。     

基于三维点云的岩体结构面自动分类与参数计算

结构面间距是岩体稳定性和力学特性分析中的一个重要参数，在岩石力学、采矿工程、边坡监测等领域的数值计算中广泛应用.本文以岩体边坡露头为研究对象，基于非接触测量获得的三维点云数据，提出一种基于密度聚类的结构面细化分类方法；在结构面粗略分组提取的基础上，通过投影变换、散乱点拟合等算法，求得结构面间距和岩体体积节理数.设计开发了结构面细化分类及间距等参数计算与分析原型系统，实际案例分析表明，本文方法可有效实现结构面的自动细化分类，并能够计算出间距等相关参数，可为岩体质量分级和岩体稳定性分析等提供方法支撑.     

哈密翼龙及其3D胚胎化石研究

 翼龙是地球上第一类飞向天空也是唯一绝灭的飞行脊椎动物，人类对其产卵繁殖、生长发育和生活习性等方面的了解还十分有限。本文介绍了一件超过200枚哈密翼龙蛋、胚胎和骨骼化石三位一体保存的重要标本，包括16枚翼龙蛋含有三维立体的胚胎化石。针对这件全世界首次发现的3D翼龙胚胎，研究提出哈密翼龙具有相对早熟的胚胎发育模式，其后肢发育速度较前肢快，孵化之后只能走不能飞；胚胎发育期间牙齿尚未萌出，出生后还需要父母照料；从胚胎到亚成年都具有快速生长的骨骼结构；显示哈密翼龙具有群居的生活习性，白垩纪的湖泊风暴导致其集群死亡并快速埋藏。     

(3+1)维Korteweg-de Vries (KdV)方程的高阶怪波解和多波浪解

基于Hirota双线性形式，一个新的（3+1）维Korteweg-de Vries（KdV）方程的高阶怪波解和多波浪解被得到.通过作图，更直观地展示和讨论了高阶怪波解和多波浪解的动力学性质.     

团簇Co3FeP异构化反应的热力学与动力学研究

为了寻找团簇Co₃FeP的稳定性、结构和内部作用力等规律，利用密度泛函理论，在B3LYP/Lanl2dz的量化水平下对团簇Co₃FeP进行理论计算，得到5种优化构型，并从化学反应热力学与动力学的角度对其异构化反应中的反应物、过渡态和生成物进行了讨论分析。结果表明，所有构型均为C1对称且构型的空间结构对其熵值有影响；构型的稳定性主要由金属原子与非金属原子所决定，并且在常温常压下构型1^（3）、2^（3）和3^（3）可以稳定存在，是大部分异构化反应的最终产物。因此，在实际材料的开发中，不仅需要注意金属原子与非金属原子之间的作用力以确保构型的稳定性，还应首先考虑对稳定构型1^（3）、2^（3）和3^（3）进行相关研究。     

条件故障下3-元n-立方体的容错分析

研究了条件边故障下3-元n-立方体中较大连通分支点的数目，进而证明了3-元n-立方体是(4n－6)-条件边故障强Menger边连通的。最后通过一个反例说明该结果是最优的。     

基于密度自适应深度网络的点云场景语义分割算法

由于传感器噪声干扰，点云密度不均匀，场景复杂多样以及物体之间存在遮挡现象等问题，使得三维点云场景语义分割问题的研究工作极具挑战性。针对三维点云数据采样密度不均匀以及图卷积网络深度有限的问题，提出一种密度自适应的方法。该方法通过多层感知器学习一个权重函数，利用核密度估计学习一个密度函数，对非均匀采样的点云数据进行卷积操作。同时，受深度学习在图像领域的启发，引入残差连接、空洞卷积等结构，训练更深层的点云分割网络。该算法在多个点云分割的标准数据集上取得了优秀的性能。