深度优先局部聚合哈希

已有的深度监督哈希方法不能有效地利用提取到的卷积特征,同时,也忽视了数据对之间相似性信息分布对于哈希网络的作用,最终导致学到的哈希编码之间的区分性不足.为了解决该问题,提出了一种新颖的深度监督哈希方法,称之为深度优先局部聚合哈希(Deep Priority Local Aggregated Hashing,DPLAH).DPLAH将局部聚合描述子向量嵌入到哈希网络中,提高网络对同类数据的表达能力,并且通过在数据对之间施加不同权重,从而减少相似性信息分布倾斜对哈希网络的影响.利用Pytorch深度框架进行DPLAH实验,使用NetVLAD层对Resnet18网络模型输出的卷积特征进行聚合,将聚合得到的特征进行哈希编码学习.在CI-FAR-10和NUS-WIDE数据集上的图像检索实验表明,与使用手工特征和卷积神经网络特征的非深度哈希学习算法的最好结果相比,DPLAH的平均准确率均值要高出11％,同时,DPLAH的平均准确率均值比非对称深度监督哈希方法高出2％.     

从局部到全局的规则模型：粒聚合研究

顾名思义,多视图模型是从不同的视角捕捉现实界系统的模型,通常包含本地可用的特性(如属性、输入变量)。综合考虑时,必须对一群多视图模型进行聚合。当建立一个包含所有属性的整体模型不可行且不能通过合理的计算实现时,多视图模型也会出现在包含大量变量的数据中。基于模糊规则体系结构,考虑和讨论2种情形。在构建多视图模型的聚合时,一个重要的任务是为整个全局模型设置一个可靠的质量度量,使用该度量可以有效地评估由规则模型生成的单个结果的相关性。提倡用输出的信息粒来量化结果的质量,而不是一个单一的数字结果。在上述2个情形中,使用合理粒度增强原理(粒计算的基础之一)聚合了一系列多视图模型产生的结果。认为多视图模型传递的结果多样性可以通过生成结果的粒度形式进行捕获和量化。最后,讨论了相关的优化准则和优化过程。     

硝酸改性碳微球的制备及电化学性能

为了提高碳电极材料的比容量,将悬浮聚合法合成的聚苯乙烯微球经高温碳化后,再通过浓HNO₃液相处理制备改性碳微球电极材料.通过场发射扫描电子显微镜、透射电子显微镜、N₂ 吸附解吸仪和傅里叶红外光谱表征所合成碳微球和改性碳微球的形貌和微观结构,以及循环伏安法和恒流充放电法测试改性碳微球电极材料的电化学性能,结果表明:在0.625 A/g的电流密度下改性后碳微球比容量达到246 F/g,且在12.5 A/g的大电流密度下仍然具有比未改性碳微球明显高的比容量.     

新型烯烃聚合催化剂研究进展

由于过渡金属催化剂在烯烃聚合方面具有高活性和良好的分子剪裁性，通过调节催化荆的微结构或温度、压力等聚合环境的变化，可以在分子层次上实现烯烃聚合物的分子设计与组装，实现聚合物物理性质的调控，最近引起了人们的广泛关注。本文介绍了过渡金属催化荆的合成及其负载化，水相烯烃聚合及活性聚合等方面的研究进展。     

Pd/C的制备条件对丙二烯磷酸选择加氢催化性能的影响

利用浸渍法制备Pd／C催化剂，通过正交试验确定了催化剂的最佳制备条件：浸渍吸附温度313K，吸附时间6．0h，还原剂量10倍于理论用量，还原温度353K，还原介质pH值为8．0，还原时间2．0h．所得催化剂在温度328K、压力0．3MPa、反应时间2．0h的情况下，丙二烯磷酸转化为丙烯磷酸的转化率为52．58％，工业用Pd／C催化剂在同样的反应条件下测得转化率为48．96％．通过正交试验制备的最佳催化剂表现出较好的催化活性，并对催化剂进行了XRD、H2-TPR和比表面测定，初步解释了催化剂活性与结构之间的关系．     

腈纶聚合釜同步开车法的研究

在二步法腈纶生产过程中，聚合釜是腈纶生产的关键装置。为了聚合釜开车平稳、高效、安全，本操作是在长期开车试验而总结的聚合釜同步开车法。