含氟烧结矿黏结相流动性的探讨

针对包钢含氟烧结矿黏结相的流动性进行了试验研究.通过改变黏结相的碱度(w(CaO)/w(SiO2))以及MgO,CaF2和FeO的含量并测得相应黏结相在熔融态下的黏度和表面张力,从而得出烧结矿黏结相物性的一般变化规律.结果表明,碱度为1.4时,黏结相的黏度最小和熔化性温度最低,但表面张力随碱度的升高而增大;适量的MgO能降低黏结相的黏度,而表面张力随MgO含量的增加而增大,当MgO质量分数为5%时,熔化性温度最低;添加CaF2能显著降低黏结相的黏度和表面张力;FeO含量增加,黏结相的黏度和表面张力变小.     

基于ECC的轻量级射频识别安全认证协议

针对基于椭圆曲线密码体制(ECC)的射频识别安全认证协议无法抵制服务器假冒攻击的的问题,对认证过程进行改进,设置用于实现标签对服务器认证的环节,提出基于ECC的轻量级射频识别安全认证协议.改进后的方案满足抗服务器假冒攻击、抗标签假冒攻击等各项射频识别认证协议的安全特性.计算及通信开销分析表明:该协议在提供更高的安全性的同时能很好地应用于资源受限的射频识别认证.     

产学研合作模式下的高校知识产权战略研究

随着产学研合作的发展,围绕知识产权发生的问题不断增加,成为产学研合作进一步深化的障碍。针对当前我国知识产权方面存在问题的原因,借鉴发达国家的经验,在此基础上构建产学研模式下知识产权、技术、市场三位一体的战略对完善高校的知识产权战略具有重大意义。     

低维量子XY模型的键算符平均理论

应用键算符表象方法,在平均场近似下研究了自旋1／2量子XY模型的基 态性质。模型建立在平面四方晶格上,形成纵列dimer结构、Dimer内两自旋之间的反铁磁相互作用为J,dimer之间的反铁磁相互作用在x方向和y方向上分别为J2和J1。给出了系统关于J2和J1的无序－有序转变相图,计算了无序相下系统的基态能、自旋隙,以及x方向和y方向上的相干长度。我们发现自旋隙出现在激发谱中的（0,π）点。一维XY链（J2－J,J1＝0）具有自旋隙,△＝0．165J,与利用自旋格林函数同阶退耦方法所得结果一致。要消除这一自旋隙,链之间的耦合强度至少为J1Cr=0.043J。一维链的相干长度为3．51,平均单自旋基态能为－0．321J。一维XY自旋梯（J1＝J,J2＝0）也同样具有自旋隙,△＝0．167J,比Heisenberg自旋梯的自旋隙0．5J小^1.3,当梯之间的人耦合强度达到J1Cr＝0．061J时,自旋隙消失。自旋梯的相干长度为5．97,平均单自旋基态能为－0．466J,比Heisenberg自旋梯的平均单自旋基态能－0．578J大^1.3。当J2＝J1时,系统开始无自旋隙的临界值为J1Cr=J2C=0．24J,比Heisenberg系统无自旋隙的临界值0．635J小。     

串级PID控制在水下机器人俯仰控制系统中的应用

针对水下复杂环境中水下机器人(ROV)俯仰角的控制问题,设计了串级PID控制器.分析了ROV水下受力情况,建立了ROV俯仰控制系统的运动学模型.复杂智能控制算法的实现(软件编程实现等)具有难度,而串级PID比传统PID控制器有更大的调节范围和更快的响应速度,在设计时有更大的灵活性,且可以处理实际中由非线性特性所带来的问题.Simulink仿真结果表明,对于ROV俯仰控制系统,串级PID控制器具有更好的控制性能.运用泳池测试验证了串级PID控制算法在ROV俯仰角控制中的可操作性.     

基于梯度惩罚生成对抗网络的过采样算法

在不平衡数据分类问题中，为了更注重学习原始样本的概率密度分布，提出基于梯度惩罚生成对抗网络的过采样算法（OGPG）。该算法首先引入生成对抗网络（GAN），有效地学习原始数据的概率分布；其次，采用梯度惩罚对判别器输入项的梯度二范数进行约束，降低了GAN易出现的过拟合和梯度消失，合理地生成新样本。实验部分，在14个公开数据集上运用k近邻和决策树分类器对比其他过采样算法，在评价指标上均有显著提升，并利用Wilcoxon符号秩检验验证了该算法与对比算法在统计学上的差异。结果表明该算法具有良好的有效性和通用性。     

基于一维倒残差轻量级网络的无人机个体识别方法

在无人机的个体识别问题中，针对传统的识别方法存在网络模型参数量大和算法时效性差等问题，提出基于一维倒残差轻量级神经网络(1D-IRLNN)的无人机个体识别方法。首先提取反映无人机个体间差异的I/Q包络一维特征作为无人机的浅层特征；其次将深度可分离卷积与倒残差结构等设计思想和一维神经网络模型相结合，设计出跳跃级联的一维倒残差轻量级神经网络；最后利用网络模型提取一维I/Q包络数据中的深层特征，从而实现对无人机个体的快速准确识别。实验结果表明，1D-IRLNN模型的计算量分别是同等体量的深度模型1D-CNN与1D-ResNet的305%和238%，网络模型规模分别是深度模型1D-CNN与1D-ResNet的387%和297%，所提方法相较于其他方法，在保持较高识别准确率的同时具有更快的识别速度且占内存更小。     

融合多尺度特征和子空间注意力的黏膜下肿瘤检测

计算机辅助检测工具可以帮助医生减少在临床检查中漏检误检的情况，从而提高诊断准确度，同时减轻医生的劳动强度。针对超声胃肠镜检查中黏膜下肿瘤的定位与分类问题，提出了一种融合多尺度特征和子空间注意力的黏膜下肿瘤检测算法(MFSA-YOLOv7t)。首先，移除小目标预测头，在保证精度下使网络轻量化；然后，基于浅层特征提出多尺度特征融合模块，提取肿瘤细节信息；其次，改进上采样结构，在保留上层信息的同时增强感受野；最后，引入子空间位置注意力模块，捕获肿瘤的位置和边界特征，进一步提升黏膜下肿瘤的检测性能。实验表明，MFSA-YOLOv7t在平均精度均值、敏感度以及准确度上分别达到97.32%，96.99%和96.24%，相比YOLOv7-tiny算法检测性能有较大的提升，分别提高了2.39%，2.75%和2.59%。MFSA-YOLOv7t为医生在临床检查中的辅助诊断提供更加可靠的肿瘤类型参考，同时为黏膜下肿瘤的检测提供了一个新的思路和研究方向。     

联合稀疏和低秩表示的医学超声图像去噪

为了保持超声图像的边缘和细节特征，同时去除图像中的噪声，提出了一种改进的低秩稀疏矩阵分解模型。首先，通过对数变换将乘性性质的斑点噪声转换为加性噪声；然后引入L1范数和改进的低秩正则项，以最小化保真项、正则项为目标函数，迭代恢复出去噪后的超声图像；最后使用指数变换从对数域中还原。将本模型应用于肿瘤超声图像，与一些经典的去噪算法进行比较，得出该模型对消化道粘膜下肿瘤超声图像去噪估计具有良好的适用性和实时性。