HFC-134a致冷剂气体水合物结晶生成过程及RIN模型

通过对致冷剂HFC－134a气体水合物的结晶生成过程的宏观观测,结合Mori的微观观测图片,认为水合物是通过局部随机成核的,由已成核部分诱导临近区域而扩展至整个两相接触界面,提出随机诱导成核（random inducement nucleation)模型,呈现了计算机模拟结果,并研究了模型中的参数对生长维数的影响。     

原位观察电子束辐照下双壁碳纳米管的不稳定性

室温下利用高分辨透射电子显微镜原位观察了两端固定和一端固定、另一端自由的双壁碳纳米管在电子束辐照下的结构不稳定性.实验发现,在相同辐照条件下,两端固定的双壁碳纳米管首先径向持续均匀收缩,然后局部颈缩,最后在颈缩处断裂;一端固定、另一端自由的双壁碳纳米管轴向长度持续快速缩小,而径向收缩相对缓慢.我们利用最近提出的表面纳米曲率效应和能量束诱导非热激活效应基础上新发展的碳原子"融蒸"和"扩散"机制,对上述电子束辐照下双壁碳纳米管结构不稳定现象进行了全新、合理的解释.     

大肠杆菌依赖链霉素突变对λN和λQ基因表达的影响

核糖体是一切生物蛋白质合成的唯一场所,所以核糖体对生命活动十分重要。目前,核糖体各组分(包括3种rRNA和50多种核糖体蛋白质)的结构已经研究清楚,但对各组分的确切功能却“仍然几乎一无所知”。本实验室多年来分离了大肠杆菌和枯草杆菌大量的核糖体蛋白质突变体,研究了这些突变对其它基因表达的影响,证明不同的核糖体蛋白质突变对同一基因表达的影响不同;同一核糖体蛋白质突变对不同基因表达的影响也不同。     

中国地表水环境中药物和个人护理品的研究进展

随着环境痕量物质分析检测技术的提高和人们环境意识的增强,新兴环境微量有机污染物药物和个人护理品(PPCPs)引起了学术界和公众的广泛关注.尽管PPCPs在地表水环境中浓度仅为纳克每升至微克每升量级,但仍对水生生物等具有生态风险.与西方国家相比,中国地表水环境中PPCPs的研究起步较晚,报道有限,有待进一步深入.本文对中国地表水环境中PPCPs现有研究进行了综合分析,分别从存在特征、地理分布、主要来源和迁移转化四方面对现有研究进展加以总结,讨论了现有研究存在的问题,并对今后的研究进行了展望.     

关联噪声作用下肿瘤生长的随机共振

在Logistic 生长模型中引入了加性和乘性关联噪声, 通过求解其对应的Fokker-Planck 方程, 揭示了乘性噪声对肿瘤生长规律有分化作用, 肿瘤细胞数目以及生长规律随乘性噪声的强度增加, 表现出随机共振特征. 在一定的乘性噪声强度下, 不但不能使肿瘤细胞灭绝, 反而促使其增长. 噪声关联对随机共振特征起弱化作用, 同源强噪声使肿瘤远离衰亡而稳定生长和扩张.     

一种基于小波变换的超光谱图像融合方法

超光谱图像小波融合是一个前沿的研究课题．在保留超光谱图像中各波段的光谱信息基础上，为增强边缘细节的表现能力，提出了基于小波变换的方差加权融合方法．并将融合结果与传统小波融合方法进行了比较．计算机仿真表明，该方法获得了更好的超光谱图像融合效果．     

基于时序和TOPSIS的社交网络节点重要性评价算法

针对社交网络随时间在不断复杂变化的实际情况,在采用TOPSIS算法的基础上,引入时间作为考量因素,设计了节点、节点属性和时序的综合评价算法。采用Facebook连续28个月的数据集,以7个月为一阶段,划分为4个时间段,以变化时间先后为序,进行算法的验证,并与TOPSIS算法的结果进行比较。实验结果表明,本文算法综合考虑了每段时间内的节点重要性,评价出的结果更符合节点动态变化的实际,且具有更高的准确性。     

随机控制序在保险决策中的应用

通过介绍随机控制序的概念和性质 ,从而探讨了随机控制序在保险决策问题中的应用 ,得到了很有意义的结果     

深度神经网络模型数字水印技术研究进展综述

近年来,深度神经网络模型在各种应用领域都取得了巨大的成功,训练先进的深度神经网络模型仍需要大规模的数据集、高昂的算力成本和优异的算法思想,生成的深度神经网络模型成为一种宝贵的资源,也是完成人工智能应用领域某项特定任务的核心算法。因此,深度神经网络模型的安全则变得极其重要,利用数字水印版权保护技术保障模型的安全已经成为人工智能安全领域一个重要的研究方向。为了综述深度神经网络模型数字水印版权保护技术的最新研究进展,首先介绍了深度神经网络模型数字水印技术分类;其次介绍了深度神经网络模型数字水印版权保护技术基础概况;再次归纳总结了深度神经网络模型数字水印版权保护技术的研究方法;最后总结并展望了深度神经网络模型数字水印版权保护领域的研究重点和发展方向。     

基于多分类器融合的语音识别方法研究

针对语音识别性能提高的问题,提出了一种基于多分类器融合的语音识别方法,该方法使用支持向量机(support vector machine,SVM),RBF神经网络与贝叶斯网络作为成员分类器,根据样本库中抽取的校验集计算各成员分类器的权值,以加权评分的投票策略进行决策融合.实验结果表明,通过多分类器融合的识别结果明显优于...