基于ASTER数据的烃蚀变信息增强与提取

烃类微渗漏蚀变信息是地下深部油气藏储层在地表和近地表的直观证据,通过遥感图像进行烃蚀变解译是遥感油气勘探中的一项高效、快速和安全的新技术。该研究采用ASTER近红外数据,以烃渗漏蚀变产生的碳酸盐矿物为目标,采用主成分分析、密度分割和假彩色合成等信息增强和提取方法,获得了1589-PC3、1689-PC3、1348-PC3和5689-PC2等四个对碳酸盐具有较好增强效果的主成分因子,以X+2σ为阈值,从4幅主成分因子图像上提取了碳酸盐区域,并根据叠合结果划分为一级富集区和二级富集区。结果显示碳酸盐富集与展布结果与该区的地层分布紧密相关,与已有研究的解译结果较为一致。     

4-巯基苯甲酸-Ag20表面增强拉曼散射的化学增强电荷转移机理研究（英文）

采用含时密度泛函理论(TD-DFT)和多维可视化技术研究了4-巯基苯甲酸(4-MBA)-Ag20复合物的表面增强拉曼散射(SERS)的化学增强机理.通过对比和分析4-MBA与4-MBA-Ag20分子在基态与激发态的性质,发现在4-MBA-Ag20中的4-MBA与Ag20之间存在分子间电荷转移过程,这使该复合物的拉曼振动模式得到显著增强.该结论有助于进一步研究在SERS检测技术中吸附物与吸附衬底之间的相互作用机制.     

表面增强拉曼光谱技术在食品安全检测领域的研究进展

表面增强拉曼光谱(SERS)是一种具有广阔发展前景的光谱技术,具有高灵敏性、原位取样、无损检测以及操作简便等优点,故在食品品质安全检测中广泛应用.本文介绍了表面增强拉曼光谱技术在食品安全检测领域的研究进展,综述了表面增强拉曼光谱技术在食品中防腐剂、色素以及药物残留等方面快速检测的最新研究进展,并提出了当前存在的一些弊端...     

基于AR的移动端无机化学实验预习软件设计

增强现实(AR)是一种将虚拟与现实联系起来的技术,可以提供一种新型的教学方式,打破传统教育方法的局限性,促进传统的实验教学.通过使用3Ds Max及Unity3D软件开发出一款应用于Android平台的AR软件,为用户构建了一个三维虚拟无机化学实验环境,提供了一种新的预习方式,涵盖实验基本介绍、实验流程、仿真实验、实验...     

纤维增强橡胶支座力学性能与应用

为了充分掌握纤维增强橡胶支座的发展现状,回顾总结了20年来国内外纤维增强橡胶支座的研究进展.根据支座形式,从无黏结、有黏结与其他形式等3个方面,系统概括了纤维增强橡胶支座力学性能的理论推导、试验与数值模拟研究,并且进一步综述了目前纤维增强橡胶支座在液体储罐、建筑结构、桥梁结构中的工程应用研究成果.研究结果表明,纤维增强橡胶支座具有足够的竖向刚度、较低的水平刚度以及优异的滞回耗能能力,将其应用于工程结构中可取得良好的减隔震效率.最后,根据支座现有的研究基础,提出了有关纤维增强橡胶支座水平刚度的理论推导、抗老化性能、防火性能以及支座标准化生产与设计方法等需要继续探索的若干问题.     

增强与治疗之间——人类增强技术的应用困境

毋庸置疑,有两项技术将会主导21世纪的发展,决定人类未来的走向。一项是人工智能,另一项当属新兴的NBIC增强技术。如基因编辑技术和神经增强技术越来越多地应用到实践之中,很多学者已经注意到了这个趋势,他们深入探讨了各类增强技术及其伦理风险。但他们忽略了一个基础性议题,即如何区分增强和治疗的界限。目前各种划界尝试均有缺陷,主要源于"正常"标准的流变性和文化相对性的影响。人类增强技术可能会引发不可控的风险,破坏个人同一性,甚至会成为通向超人类主义和后人类主义的门户,消解生而为人之意义。     

基于SUSAN算子的边缘增强低比特率图像压缩

提出一种新的低比特率图像压缩算法,该算法首先利用SUSAN算子检测出输入图像的边缘信息,然后利用边缘增强方法对边缘信息进行增强,最后将增强后的边缘信息和解码后的输入图像相加形成最终的压缩图像.实验结果表明,和基于小波的传统编码方法相比,在低比特率下,该算法能减少图像的边缘模糊,提高压缩图像的识别度和峰值信噪比.     

适用于历史文化景观游览的AR三维注册技术

随着智能手机等移动显示设备的高度普及,AR技术迎来了大规模发展的契机。本文通过历史文化景观游览中的主要AR应用分析,提出了相关的三维注册技术要求,并在对三维注册技术进行分类研究的基础上,提炼出更适用于历史文化景观游览的AR系统三维注册技术和应用场景。     

基于数据增强和字词融合特征的实体槽位识别

针对传统的基于字级表示的实体槽位识别模型无法很好利用词语信息,以及信息技术(IT)运维领域缺少足够数量公开数据集的问题,提出一种基于BERT＿Word2vec＿BiLSTM＿CRF模型的实体槽位识别方法,并通过数据增强对模型的训练数据集进行扩展．该模型将基于转换器的双向编码表征(BERT)模型得到的字向量表示和Word2vec得到的词向量表示进行融合,通过双向长短时记忆(BiLSTM)网络进行上下文编码,通过条件随机场(CRF)进行解码,得到最终的序列标注结果．通过在某企业提供的数据集上进行实验,结果表明：融合词级特征可以在BERT预训练模型的基础上进一步提升识别性能,F1值达到了92.33%.     

基于增强拓扑神经进化的等效并行机动态调度

针对工件动态到达、处理时间不确定且机器须要弹性预防维护的等效并行机调度问题,以平均流程时间最小化为目标,提出了基于强化学习的动态调度方法．将调度过程作为马尔可夫决策过程,通过定义状态空间、行为空间、奖励函数与适应度函数,提出基于增强拓扑神经进化(NEAT)算法的动态调度方法．设计三种规模问题的实例,将基于NEAT的方法与最短路径树(SPT)、先装先卸(FIFO)调度规则及基于深度Q网络(DQN)的方法进行比较,结果表明：基于NEAT的方法相比基于DQN的方法能够以更短的训练时间获得更优、更稳健的调度方案,相比SPT和FIFO调度规则能够获得更优的目标值,利用训练好的NEAT模型对随机生成的大规模问题实例的快速高质量求解结果表明,基于NEAT的调度方法具有更好的泛化性能．