二阶p-Laplacian算子的奇异边值问题多解的存在性

应用锥拉伸和锥压缩不动点理论讨论了有关p-Laplacian算子的二阶微分方程奇异边值问题多个正解的存在性。     

超支化高分子多分散指数是3/2还是5/2?

研究了超支化高分子聚合反应过程总分子数的变化, 给出接近反应终点时n-聚物浓度的渐近表达式, 得到的多分散指数(polydispersity exponent)与经典结果一致. 进一步给出数均、重均和z-均聚合度的渐近表达式, 并得到反应接近终点时, 多分散指标(polydispersity index)趋近于1的合理结果.     

几种有机多硫化物的摩擦膜和热膜的XANES分析

采用X射线吸收精细结构光谱(XANES)对烷基、苄基以及两种酰基有机多硫化物与钢表面反应生成的摩擦膜和热膜的化学特征进行了分析. 结果表明, 热氧化条件下, 4种多硫化物与钢表面反应生成的热膜的主要成分是FeSO₄, 酰基多硫化物BOOS形成的热膜的次表面和本体中还含有少量烷基二硫化物. 生成的摩擦膜中, 多硫化物的结构不同呈现出不同的特征, 其中烷基多硫化物最外层表面以烷基二硫化物为主, 苄基多硫化物最外层表面以FeSO₄为主, 两者摩擦膜的次表面主要是FeSO₄, FeS₂和亚砜的混合物, 本体是FeSO₄; 而两种酰基多硫化物摩擦膜的最外层表面都是以烷基二硫化物为主, 次表面和本体主要是FeS₂.     

珠穆朗玛峰地区土壤和植被中多环芳烃的含量及海拔梯度分布

近年来, 研究者广泛认为高海拔山区为持久性有机污染物的冷凝器和接收器. 虽然高山地区持久性有机污染物的研究日益增多, 但是对于喜马拉雅山脉地区的研究尚少. 主要研究了珠穆朗玛峰地区土壤和植被中多环芳烃的含量及其海拔梯度分布模式. 研究结果表明, 珠穆朗玛峰地区土壤中的多环芳烃属于地球边远地区的水平. 高海拔地区更易于积累挥发性较强的多环芳烃, 易于受到大气远距离传输污染物的影响. 根据该地区多环芳烃的组成特点, 推断家庭燃烧和汽车尾气的排放是该地区多环芳烃的主要来源. 季风是将印度等人类活动频繁地区排放的多环芳烃带到珠穆朗玛峰地区的主要贡献者.     

基因枪转多基因库安托杨的获得

通过基因枪共转化方法将枯草杆菌果聚糖蔗糖酶基因(SacB)、透明颤菌血红蛋白基因(vgb)、双价抗蛀干害虫基因(BtCry3A+OC-Ⅰ)、调节基因JERF36及报告基因NPTⅡ等外源基因导入库安托杨, 共获得25株抗性植株. PCR及Southern杂交结果表明, 外源基因已整合到库安托杨基因组中, 其中7株含有上述全部5个外源基因. BtCry3A ELISA实验表明, 上述7株库安托杨BtCry3A基因已得到表达. 且上述转基因植株在滨海盐碱地中生长良好.     

利用多树种立地形指数对林地质量进行综合评价

目的 采用青海省湟水规模化林场3种常见乔木树种桦木、杨树和青海云杉的立地形指数,通过分析其与生长域的地貌、坡向、坡度、土壤类型、土壤厚度以及年平均气温、年降雨量、年日照辐射等因子的关系,对规模化林场进行立地质量评价,构建林地质量评价综合数据库,指导林场科学造林和科学营林,发挥林地生产力和生态服务价值的目标。方法 根据建模区域范围内的一类清查数据,获取每个样地的优势高,求出该样地的立地形指数。分析立地形指数与地貌、坡向、坡度、土壤类型、土壤厚度以及年平均气温、年降雨量、年日照辐射等因子的关系,利用因子分析法选择影响立地形指数的主导因子,并建立回归模型;根据计算出的3个常见树种的立地形指数的平均值,进行聚类分析,把林地分为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ5个等级,并作出林地质量分布图;最后,根据分类结果进行了验证,并提出了相应的经营措施。结果 Ⅰ级林地3 409.37 hm²,占整个林地面积的1.39%;Ⅱ级林地38 765.07 hm²,占15.77%;Ⅲ级林地78 989.17 hm²,占32.14%;Ⅳ级林地77 102.74 hm²,占31.38%;Ⅴ级林地47 477.50 hm²,占19.32%。从整个分类结果来看,规模化林场林地质量等级较低,以Ⅲ、Ⅳ级林地为主;现场验证质量等级正确率为88%,正确率较高。结论 通过一类清查数据中的标准木、样木库、样地库获取优势高的方法可行;评价因子选择了地形因子、土壤因子、气象因子,多因子的引入使评价的结果更为客观,提高了评价的准确性;采用多树种立地指数进行综合评价,特别是对非林地的立地质量进行评价是一种更为有效的方法。     

基于聚类的智能网页推荐系统研究

设计了一种智能网页推荐系统的架构,其中包括数据预处理、聚类分析和网页推荐3个子系统,可以根据网站的访问日志来对用户进行自动分类,进而对网站的新用户在线提供网页推荐。提出了路径间距离的计算方法,进而研究了聚类子系统的结构,并通过对微软网站中用户访问日志的仿真实验,说明了所述方法的有效性。     

基于Transformer结构的多目标追踪算法研究综述

Transformer是一种基于编码器-解码器、完全使用自注意力机制的深度神经网络结构,目前已经成功应用于多目标追踪,性能得到大幅提升。本文首先分析了Transformer网络整体结构,归纳Transformer结构具有的优势。然后根据查询方式将基于Transformer结构的多目标追踪方法分为：基于稀疏查询的方法和基于密集查询的方法,对相关模型分析总结。最后介绍常用数据集,对比分析模型性能,指出基于Transformer结构的多目标追踪面临的挑战与未来研究方向。     

基于神经网络的高并行大规模MIMO信号检测算法

随着5G和未来移动无线网络的不断发展,大规模多输入多输出(multiple input multiple output, MIMO)是其中的关键技术之一。随着天线数目的不断增加,给接收机的设计带来更高的挑战,复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism, HP)检测算法展开到神经网络中,单层神经网络基于该算法的每次迭代,并将其与可训练的权重参数和非线性神经单元相结合,提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数,进而提高检测性能。实验结果表明,所提方法相对传统最小均方误差(minimum mean square error, MMSE)算法复杂度更低,并能够得到更低的误码率;同时相对HP并行检测算法误码率性能更优。     

基于差分进化邻域自适应的大规模多目标算法

对于大规模决策变量给求解大规模多目标优化问题带来的难以收敛及解集分布不均匀问题,通过分析变量特征将其分类再分别优化是当前较为有效的求解方法,但存在变量分类不够准确、变量处理不够有针对性等不足。对此,提出一种基于差分进化邻域自适应策略的大规模多目标优化算法。首先,通过分析扰动解的支配关系将混合变量分为多样性变量和收敛性变量,使变量分类更为准确。其次,通过对收敛性变量主成分分析降噪,降低计算成本,并设计种群的交替进化策略及差分进化的邻域自适应更新操作以提升种群进化过程中的收敛性。实验结果表明,所提算法在收敛速度和解集的分布均匀性上表现出良好的性能。