基于加权熵的重要性不对等样本学习的知识约简

由于学习样本的分布特性和所反映的主观特性的不同,每一个样本相对于学习算法的重要性程度往往是不对等的,为了能够在知识约简过程中考虑到学习样本的不对等性,提出了基于加权熵的知识约简方法。针对各类别样本分布不均匀的样本重要性不对等情况,为了加强小类样本所蕴含的知识在知识约简中的体现,提出一种逆类概率加权的不对等样本加权方法,实验表明该方法能够明显提高小类样本的分类正确率,也验证了基于加权熵的知识约简方法能够将样本的不对等性体现在知识约简结果中。     

射孔套管剩余抗挤能力分析

套管射孔后其抗挤能力将有所降低。建立了射孔段套管弹性抗挤性能分析控制的一般方程 ,并利用摄动理论给出了射孔套管弹性抗挤能力系数的一般计算公式。利用弹塑性有限元方法确定了孔口附近塑性区随射孔套管的外压增加的变化规律 ,并给出了确定射孔套管抗挤能力的计算方法。研究结果表明 ,孔眼附近的应力集中所引起的塑性区的存在 ,明显影响了射孔套管的抗挤强度。与弹性分析结果比较 ,弹塑性分析结果更接近实验值。孔眼的形状对射孔套管抗挤能力有直接影响。长轴在环向的椭圆形孔眼的套管抗挤能力降低得最少 ,方形孔眼的降低得最多。在孔眼形状相同的情况下 ,孔眼面积增大 ,射孔套管的抗挤能力降低。当射孔密度小于 2 0孔 /m时 ,无论采用何种布孔方式 ,除方形孔眼外 ,套管抗挤能力的降低均不会超过 4 % ;大于 2 0孔 /m时 ,射孔参数对套管抗挤能力的影响明显增加     

氢原子的基态经典振子模型

根据量子力学关于氢原子基态角动量为零的预言，将基态氢原子处理成经典一维振子模型，利用一种带相位因子和斥力项的势函数，给出了基态氢原子的能量及电子振动轨道的解析式。     

校园安全评价方法初探

介绍了层次分析法、模糊综合评价法、灰色关联评价法的应用原理,探讨了其在校园安全评价工作中的应用研究,论述了已建立的校园安全评价指标体系,介绍了人工神经网络的概念及其在评价工作中的应用,展望了校园安全评价的发展前景。     

人工神经网络在化学中的应用进展

回顾了人工神经网络的发展历史,简要评述了近期在化学中的非线性校准、模式识别、定量结构／活性相关(QSARs)、优化、过程控制、传感器、建模、参数估计、预测预报等方面的应用。并展望了人工神经网络在化学计量中的应用前景．     

用元数据来控制数据仓库的信息质量

元数据管理和应用的重要性越来越被重视。文章首先对元数据管理和数据质量的依赖关系做了阐述,然后介绍了数据仓库设计时加入元数据来提高数据质量的几个应用实例。     

Ta/NiFe/Cu/NiFe/FeMn/Ta自旋阀多层膜中Cu的层间偏聚及其对磁性的影响

实验结果表明Ta/NiFe/FeMn/Ta多层膜的交换耦合场H^ex要大于Ta/NiFe/Cu/NiFe/FeMn/Ta自旋阀多层膜中的H^ex. 为了寻找其原因, 用X射线光电子能谱(XPS)研究了Ta(12 nm)/NiFe(7 nm), Ta(12 nm)/NiFe(7 nm)/Cu(4 nm)和Ta(12 nm)/NiFe(7 nm)/Cu(3 nm)/NiFe(5 nm) 3种样品, 研究结果表明前两种样品表面无任何来自下层的元素偏聚, 但在第3种样品最上层的NiFe表面上, 探测到从下层偏聚上来的Cu原子. 认为: Cu在NiFe/FeMn层间的存在是Ta/NiFe/Cu/NiFe/FeMn/Ta自旋阀多层膜的H^ex低于Ta/NiFe/FeMn/Ta多层膜H^ex的一个重要原因.     

纳米SiO2-Al2O3聚酰亚胺杂化薄膜的制备及表征

采用溶胶凝胶法制备了二氧化硅及三氧化二铝溶胶,将其掺入聚酰胺酸基体中,得到SiO2-Al2O3聚酰亚胺杂化薄膜,对膜的结构性能进行了研究和表征.结果表明,薄膜材料中SiO2和Al2O3粒子分散均匀,与有机相存在键合,材料热分解温度有所提高.     

浅谈新时期资产管理与预算管理相结合工作初探

当前一些单位财务部门资产管理与预算管理存在着认识模糊、跟踪监督不到位、编审机制不完善、预算安排信息不详实等突出问题，需要在实践中不断探索，从理念认识、机制创新等多方入手，实现资产配置编制预算更加科学，资产配置更加公平公正。     

深度人脸伪造与检测技术综述

由于现有深度人脸伪造软件通常是开源的或者被封装为APP免费分发，导致了虚假视频的泛滥。因此开展针对深度人脸伪造检测技术的研究就显得尤为重要。目前，深度人脸伪造及检测技术正处在快速发展时期，各种相应的算法也在不断更新迭代。本文首先介绍了深度人脸伪造和其检测技术的代表性算法并给出简要分析，其中深度人脸伪造技术包括身份替换、面部重演、属性编辑、人脸生成等，检测技术包括图像级伪造检测技术和视频级伪造检测技术。然后归纳总结了常用的深度人脸伪造与检测数据集及不同算法的评估结果，最后讨论了伪造技术及其检测技术目前面临的主要问题及发展方向。