两亲性星型共聚物s-PLLA-PVP的制备及性能

以木糖醇为引发剂,辛酸亚锡催化L-丙交酯开环聚合制备星型聚乳酸(s-PLLA);以N-乙烯吡咯烷酮(NVP)为单体、偶氮二异丁腈(AIBN)为引发剂,通过自由基溶液聚合法得到末端羧基化的聚乙烯基吡咯烷酮(PVP-COOH);再通过s-PLLA和PVP-COOH发生酯化反应制备两亲性星型共聚物s-PLLA-PVP.用FTIR、~1H NMR、GPC对s-PLLA-PVP的结构进行表征.用XRD、TGA和DSC研究共聚物s-PLLA-PVP的结晶性能和热学性能,通过接触角测定仪测试共聚物薄膜的亲水性能.结果表明,随着s-PLLA分子量的增加,s-PLLA-PVP共聚物热学性能提高;PVP的引入,降低了共聚物的结晶性能,提高了共聚物的亲水性能.     

基于知识聚合的智慧学习模型及其知识增值分析

智慧学习已经成为全球教育未来发展的重要趋势,成为各国战略发展的重要组成部分。在此背景下,基于知识聚合理论,针对智慧学习中的知识增值问题进行了研究。在梳理相关文献的基础上,分析了智慧学习的流程及其知识聚合的本质,探讨了其非线性化学习过程的特点,构建了智慧学习的框架模式,给出了其知识聚合的3种具体体现;建立了智慧学习中个人学习主体知识获取模型以及知识萃取整合模型,得到了个人学习主体经过一段时间学习后的知识增值描述;以可汗学院为例,对知识增值模型的实现过程进行了阐述。     

基于目标空间分区的稳态高维多目标进化算法

针对高维多目标优化中Pareto非劣候选解所占比例很大,常用的先考虑收敛性再考虑分布性的多目标进化算法面临选择压力衰减的问题,提出一种先考虑分布性再考虑收敛性的高维多目标进化算法——基于目标空间分区的稳态高维多目标进化算法(SS-OSP).该算法先采用目标空间分区策略将种群按照权重向量分为多个子空间,在每个子空间中按照分解方法中的聚合函数选择个体;然后,考虑到常规的PBI聚合函数的罚参数在进化过程中一直保持不变的情况,提出一种自适应PBI聚合函数;最后,仿真实验结果表明所提出的算法与其他三种算法相比,具有更好的收敛性和分布性.     

不同质子酸掺杂对苯胺电聚合速率影响的确定

利用循环伏安方法在不同质子酸掺杂下电化学聚合苯胺,并以聚合电量随循环次数的变化测定苯胺电聚合的速率.结果表明苯胺的聚合速率受[H ]的强烈影响:当[H ]低于7.5 mol/L时,苯胺的聚合速率与[H ]之间是一级反应,苯胺溶液中[H ]的存在加速了苯胺的聚合;当[H ]高于7.5 mol/L时,苯胺的聚合速率与[H ]之间是零级反应.建立了质子酸对苯胺电化学聚合的有关速率方程,该速率方程与实验结果相符.     

茂类烯烃活性聚合催化剂研究进展

阐述了近些年来茂金属烯烃活性聚合催化剂的研究进展及其应用.讨论了它们的合成、结构及其对催化烯烃聚合活性的影响,考察了不同种类的配体对催化烯烃聚合活性、聚合物结构和分子量大小的影响.研究表明:茂类金属化合物制备方便,反应条件温和,在催化烯烃聚合中表现出了较高的催化活性.     

一种高效的物联网移动Agent路由规划算法

针对现有物联网数据聚合方法存在网络生命周期短和数据传输时延较高等问题,提出了一种高效的基于马尔可夫决策过程(Markov Decision Process,MDP)的移动Agent物联网数据聚合路由规划算法.该算法使用k-中心点算法对物联网设备进行分簇,基于角度的移动Agent分配过程将簇头分成若干组,利用MDP参数(设备和信宿间的欧式距离、设备的剩余能量及其数据优先级)为每组簇头中的每个移动Agent提供路由规划,以实现高效的数据聚合.实验结果表明:与其他方法相比,本文方法在物联网的网络生存周期、能耗、数据传输时延和可靠性方面均有明显的改善.     

基于格的两轮多重签名方案

为了抵抗量子攻击且进一步降低通信代价,基于代数格提出了一种支持公钥聚合的两轮多重签名方案(TLMS方案),其安全性可归约于求解环上小整数解(Ring-SIS)问题,并在随机预言机模型下给出方案的安全性分析.相比于现有多重签名方案,基于格上困难问题构造的TLMS方案生成多重签名时仅需进行2轮交互,具有较小的计算开销和通信开销,可满足量子时代最新的安全需求.     

MnO2/MWCNTs/GO/PANI复合电极材料的制备及其电化学性能的研究

采用改进的Hummers法制备氧化石墨烯,并通过原位聚合法将二氧化锦修饰的聚苯胺嫁接到多壁碳纳米管作载体的氧化石墨烯上,制备出新型复合电极材料.使用X射线光电子能谱,扫描电镋及电化学工作站对复合电极材料的形貌、结构进行了研究,通过循环伏安、交流阻抗、循环稳定性测试,表征出复合电极材料的电化学性能,并与暢掺杂石墨烯的Mn...     

Yolov7-pose识别运动员姿态时关键点异常的消除方法

本研究首先构建了深度聚合网络（deep layer aggregation,DLA）,用于替换Yolov7-pose算法中原有的特征融合网络,增强了特征的表达;其次,将高效聚合网络（efficient layer aggregation Net, ELAN）和尺度感知注意力网络（scale-aware attention Net, SAAN）融合在一起,引入到Yolov7-pose算法中;然后,引入尺度因子到Yolov7-pose算法的损失函数中,并通过实验确定尺度因子最佳值。实验结果表明,经过本法改进的方法识别篮球比赛视频流中的多名运动员姿态时,不再出现关键点异常现象,姿态识别的精度达到95%以上,运行效率达到24 FPS以上,综合性能显著优于原始Yolov7-pose算法等算法。     

乐器识别中频谱特征与聚合策略性能评估

乐器识别领域中,传统降采样或全局映射方法得到的特征对输入表达不够准确且判别能力不足.为此借鉴图像领域聚合局部特征的思想,提出一种结合频谱特征和图像领域特征聚合策略的方法.考虑涉及中国传统乐器的研究较少,建立了包含12种中国传统乐器的独奏音乐数据集.为适应频谱图输入,对ResNet34的变体网络模型进行了修改,在建立的数...