基于密度等高线法的柔顺机构轮廓提取算法

利用连续的密度函数逼近柔顺机构拓扑优化结果,采用共轭梯度法优化密度误差,对不同等高线对应的机构轮廓进行分析,得到柔顺机构输出位移误差,用插值法获得最小误差值及其对应的等高线值.数值分析结果表明,轮廓提取后机构的输出位移误差得到较大改善,但轮廓的光滑性与加工要求之间仍然存在一定距离.     

中子星外壳比钢硬100亿倍

中子星是宇宙中除黑洞之外密度最大的天体,其每立方厘米的质量高达1亿吨。中子星不仅密度极大,而且其外壳还非常坚硬,其硬度超过钢铁的100亿倍。     

高血压、大肠癌等六类疾病遗传几率高

为什么有的人每天大鱼大肉也不见血压升高,有些人年纪轻轻就得了糖尿病？为什么有的人一辈子吸烟也没患肺部疾病。有些人烟龄不长却早早罹患肺癌？很显然．这是因为每个人疾病遗传倾向的不同。有的人易患这种疾病,有的人又对那种疾病易感。     

男性可通过5条指标自测患性功能障碍几率

1．你是否超重？2．你有以下疾病,如糖尿病、高胆固醇、高血压、动脉硬化、肾脏疾病吗？3．你有以下习惯,如吸烟、酗酒、吸食毒品吗？     

Au(Ⅰ)催化1,5-烯炔不对称环丙烷化及环异构化反应的密度泛函研究——Ⅰ.催化剂与烯炔形成的配合物的结构与性质

用密度泛函方法(DFT)研究了Au(Ⅰ)催化剂与3-羟基-1,5-烯炔的配位方式,以及所形成的配合物的结构与性质.在B3 LYP/6-31G*(Au分别采用Lan12dz和MHF赝势基组)水平上优化了稳定点的几何结构,所有结构都无虚频,表明它们均是势能面上的局域最低点.并在相同水平上对所有优化结构的成键特征进行了详细的自然键轨道(NBO)分析和频率计算,获得了零点能校正值.在以CH2Cl2为溶剂条件下用极化连续介质溶剂化模型进行了单点能计算,获得了溶剂化自由能△G<,sol>.结果表明在真空中上述配合物的形成都是放热的,共有7种配位方式,Au(Ⅰ)催化剂平行于烯炔平面并与炔基C-C三键配住形成的η<'1>-alkyne型配合物M1a放出的热量最多,在真空和CH2Cl2溶剂中都是最稳定的.对Au采用Lan12dz基组比采用MHF基组获得的半定量数据要好,与前人的研究结果一致.     

O/Au(111)表面水活化氧化CO机理的密度泛函研究

采用密度泛函的方法研究了水分子在氧覆盖Au表面活化氧化CO的机理. 水分子和表面吸附的氧原子相互作用, 生成OH_ads基团; 生成的OH_ads基团和CO_ads反应生成HOC_Oads; 最后HOCO_ads在水分子的帮助下解离生成CO₂. 整个总包反应方程式为1/2H₂O_ads + H₂O_ads + 1/2O_ads+ CO_ads→ H₃O_ads + CO₂, _gas, 即只需要1/2个氧原子就可以生成一个CO₂, 表明当表面有H₂O存在的时候, CO₂的产量要比只有O_ads时要多. 所有基元反应的反应能垒都很低, 从而保证反应可以在低温下进行, 此机理很好地解释了实验现象.     

含P—N结的石墨烯中的阿哈罗夫-玻姆效应

理论上讨论了含P-N结的石墨烯中的阿哈罗夫-玻姆效应.在石墨烯中的P-N结具有令电子发生负折射的性质,根据此一特性,考虑当四个P-N结组成一个封闭的路径并包围一个数值为ψ的磁通时电子运动的情形.分析表明,磁通将对电子的运动产生影响,使其局域流密度发生变化.     

N5H5的结构性能的量子化学研究

采用了密度泛函B3LYP方法在6-311++G**基组上对N5H5异构体进行了理论计算,得到7种稳定构型,应用自然键轨道理论(NBO)和分子中的原子理论(AIM)分析了这些异构体的成键特征、相对稳定性. N-N键的键长与键临界点的电荷密度存在线性关系,键临界点的电荷密度ρ越大,N-N键的键长就越短. N原子孤对电子与相邻的氮氮键之间的相互作用是影响氮氮键长变化的主要因素. 立体交换排斥能和离域化能是影响异构体相对稳定性的重要因素. G3MP2计算结果表明所有异构体的生成热均为正,环状异构体的能量和生成热高     

用于稀疏数据集的协作过滤算法

稀疏性问题是协作过滤算法应用中的一个突出问题,当系统中用户对资源的评分数据集很稀疏的条件下,算法的精度和覆盖率会显著降低。针对这一问题,该文通过分析影响基于资源的协作过滤算法中的相似性计算的因素,提出采用资源关系密度作为描述协作过滤评分矩阵的一个特征指标,分析并总结了资源关系密度对典型的基于资源的协作过滤算法的影响,进而提出一种虚拟用户填充算法。实验结果表明,虚拟用户填充法能够有效改善典型的基于资源的协作过滤算法在稀疏数据集上的精度和覆盖率。     

基于无迹粒子PHD滤波的序贯融合算法

针对在杂波、漏检和非线性情况下,粒子概率假设密度滤波（particle probability hypothesis density filter, P-PHDF）算法估计精度不高、滤波发散及粒子退化等问题,提出了一种基于无迹粒子概率假设密度滤波（unscented particle PHDF, UP-PHDF）的序贯融合算法。利用无迹粒子滤波（unscented particle filter, UPF）实现PHDF,由UKF算法得到更好更优的重要性密度函数并从中采样,使粒子的分布更接近多目标概率假设密度分布;另外,为进一步提高滤波算法的性能,实现基于雷达和红外传感器的UP-PHDF序贯融合算法,通过两传感器交替滤波保证目标状态的可观测性。在复杂环境下,仿真结果表明该算法的估计精度和稳定性明显优于单传感器P-PHDF算法。