已知最大恒星走向分解

一个由英国、智利、德国和美国等国家天文学家组成的国际天文学家团队正在对一颗可能是已知最大的恒星进行观察。这颗恒星很可能正处于生命的最后阶段,其外层物质正在不断向外抛出。这些天文学家们联合完成、发现了对这颗巨型恒星如何将内部材料释放回星系物质以及恒星之间的物质和辐射场的重要机理。星际物质是行星系统形成的必要条件。     

生物质高效降解专用微生物筛选与构建技术研究

地球上每年产生的植物光合作用产物可达2000亿吨,其中超过1500亿吨是以木质纤维素为主要成分的植物生物质（Plantbiomass）,是唯一可预测的能为人类提供物质和燃料的可再生资源。但是由于木质纤维素分解难,成为限制含木质纤维素生物质利用及环境治理上的瓶颈环节,因此加快分解木质纤维素无论对生物质资源的转化利用,还是环境治理都具有重要意义。     

一种基于特征值分解的数据挖掘隐私保护扰乱增强方法

针对数据扰乱技术中的特征值分解攻击方法,分析和评估了该攻击下数据扰乱模型的安全性,发现现有模型存在一定的脆弱性.设计了基于特征空间的扰乱强度量化方法,对隐私保护强度进行量化评估.在此基础上,通过阀值曲线的上限投影,提出了针对数据分离攻击的隐私保护的增强方法.结果表明,在盲数据源下,该增强方法对于抵抗特征值分解攻击具有有效性和鲁棒性.     

基于工程设计计算的新的积分不等式与数学模型的研究

结合工程实际应用,通过对二类积分近似计算本质特征的深入研究,介绍了六个新的积分不等式及计算方法,并给出了证明.它具有计算快捷、方便、准确等优点,有着广泛的应用前景.同时,为计算机编程建立了一系列重要的数学模型.     

调味品调出健康

桂皮—预防糖尿病、防寒 桂皮含有一种活性化合物,这种物质可使葡萄糖分解速度提高约20倍,帮你预防糖尿病。服用方法：在早茶、咖啡、麦片、甜点中放人香甜可口且不合热量的桂皮粉,每天总共1／4茶匙就够了。     

重庆市沙坪坝区1951—2020年降水分析

基于重庆沙坪坝区1951—2020年的降水数据,利用Mann-Kendall突变检验、集合经验模态分解和重标极差分析等方法研究了该区域降水特征和未来降水趋势.结果表明,除了秋季,沙坪坝区在1951—2020年的年降水量和春季、夏季、冬季降水量均呈现增多的趋势.此外,沙坪坝区在研究时段的年降水日数呈现出减少的趋势,而年大...     

基于CEEMD的云贵高原降水序列周期性特征分析

对云贵高原的降水量序列进行多尺度分析,可为喀斯特地区流域的综合治理、水资源的合理利用及地区的可持续发展提供保证。 利用互补集合经验模态分解算法 (complete ensemble empirical mode decomposition,CEEMD)结合快速傅里叶变换分析(fast Fourier transform,FFT)的特征提取方法。 选取云贵高原 60 个站点 20 年、时间间隔为 12 h 的降水量观测数据进行周期识别。 结果表明:CEEMD 算法能够有效提取序列中的月、半周年、周年等特征分量,结合各气象站点位置,发现地理位置上临近站点的周期变化趋势数相似。 与云贵高原的柯本-盖革气候分类指数图相对比,符合地区的气候特征,证明该分解方法可有效应用于气候统计;探讨在不同周期性特征影响下,实际降水序列如何响应于各种气候驱动因素,利用自相关函数(auto-correlation function,ACF)分析降水序列与准两年振荡(quasi biennial oscillation,QBO)、Niño3. 4 指数、热带气旋之间的时滞和相关性。 发现区域的降水序列受厄尔尼诺南方涛动(El Niño-Southern Oscillation,ENSO)以及准两年期振荡的影响。 区域 48. 3%站点固有模态函数(intrinsic mode functions,IMFs)呈现双峰年周期,使用极端降水事件与热带气旋降水事件对比,发现云贵高原降水序列双峰值周期的产生受热带气旋影响。     

基于场因子分解的xDeepFM推荐模型

极深因子分解机（eXtreme deep factorization machine, xDeepFM）是一种基于上下文感知的推荐模型,它提出了一种压缩交叉网络对特征进行阶数可控的特征交叉,并将该网络与深度神经网络进行结合以优化推荐效果。为了进一步提升xDeepFM在推荐场景下的表现,提出一种基于场因子分解的xDeepFM改进模型。该模型通过场信息增强了特征的表达能力,并建立了多个交叉压缩网络以学习高阶组合特征。最后分析了用户场、项目场设定的合理性,并在3个不同规模的MovieLens系列数据集上通过受试者工作特征曲线下面积、对数似然损失指标进行性能评估,验证了该改进模型的有效性。     

联合经验模式分解和混沌理论的稳态视觉诱发电位脑电识别

针对多目标稳态视觉诱发电位(SSVEP)信号识别准确率低、线性识别方法抑制噪声的同时也会抑制信号本身特征等问题,基于经验模式分解对信号的降噪特性、达芬混沌系统对微弱周期信号的敏感性及噪声的免疫特性,提出了一种非线性多目标SSVEP信号识别算法。首先,采用共平均参考算法将多通道SSVEP信号融合成单通道信号,通过傅里叶变换求得SSVEP信号的相位谱,为达芬混沌系统周期策动力添加相位;接着,采用经验模式分解降噪,将获得的第一个本征模函数输入到达芬混沌系统中,利用基于频谱差异的混沌系统状态判别方法,求解各目标的刺激频率幅值;最后,根据最大刺激频率幅值确定刺激目标,实现了对多目标SSVEP信号的识别。研究结果表明：相较于典型相关分析法,所提非线性信号处理方法的平均识别准确率提高了7.3%,平均信息传输速率提高了3.84 bit/min。该研究为探究非线性SSVEP信号解码算法提供了新方向。