宝鸡文理学院老校区声学环境研究

目的了解宝鸡文理学院老校区校园噪声污染现状,探讨减少噪声污染、保护校园声学环境的措施。方法结合采用网格布点法和敏感点监测法,把宝鸡文理学院老校区划分成6个不同的功能区进行测量,并依据城市区域环境噪声标准（GB／T14623）对监测结果进行分析和评价。结果6个功能区中教学区、学生住宿区超标,其余各测点均未超标。结论宝鸡文理学院老校区噪声环境总体较为安静,但教学区受交通噪声影响,污染较严重。     

Wick型随机Hirota-Satsuma方程的精确解

通过使用白噪声泛函分析理论、Hermite变换和指数函数法,分别得到Wick型随机Hirota-Satsuma方程和变系数的Hirota-Satsuma方程的白噪声泛函解、精确解及周期解.     

基于偏微分方程与一致锐度的图像边界检测

首先导出一致锐度的概念,并将一致锐度与偏微分方程结合起来,摒弃了梯度算子和传统PDE模型的一些缺陷,建立了一个既能根据不同图像区域性质而调整检测尺度,又能有效降低噪声对检测判断影响的新的边界检测模型。在理论上,该PDE模型适定可靠,在图像处理实例上也得到了比较理想的效果。     

增光子相干态光场与二能级原子相互作用中的含时维格纳函数

利用相互作用表象中增光子相干态光场与二能级原子作用的系统动力学波函数,通过约化密度算符和维格纳函数福克基矢展开技术得到描述光场随时间演化的含时维格纳函数,并用数值模拟分析该维格纳函数随时间演化及随光场振幅变化的特点.模拟结果显示,在随时间演化时,维格纳函数的负值性在单光子过程中不具周期性,在双光子过程中具有周期性;在随光场振幅变化时,维格纳函数的负值性随光场振幅的增强而逐渐减弱,光场的非经典特性逐渐趋近于经典特性.     

Reissner-Nordstrm de Sitter黑洞的量子非热辐射

在Reissner-Nordstrōm de Sitter时空中,通过Hamilton-Jacobi方程,并用数学知识进行分离变量,研究此黑洞的量子非热辐射特征,结果表明,在此黑洞附近只要存在电势,就会有正负能级交错,从而产生了与温度无关的量子非热辐射。     

杭州下沙高教园区环境噪声状况的调查监测

下沙是杭州市1999年设立的经济技术开发区,开发区内有高教园区、工业园区、居住商业混杂区等区域环境,当时杭州市将整个下沙地区全部划入Ⅲ类噪声标准适用区域．随着下沙副城的发展,原先笼统的噪声适用标准现已不再适用．该项目对整个杭州下沙高教园区做区域环境噪声调查监测,分析高教园区内主要的噪声污染源,根据监测结果对照区域环境噪声标准进行评价,并提出环境噪声的功能区划分的新建议．     

考虑Rashba效应自组织量子点中极化子性质

在对半导体量子点的研究中考虑自旋一轨道相互作用对极化子基态能量的影响．采用LLP变分的方法研究了电子一声子相互作用．结果表明声子对极化子基态能量起了很重要的作用,而且由于极化子分裂能对极化子基态能量的贡献很大,故在量子点中研究极化子性质时不可忽略极化子分裂能的影响．自旋分裂能随动量增加呈抛物线型增加．随Rashba自旋轨道耦合常数的增加极化子基态能量表现为增加和减少两种截然相反的情况,而两个分裂态中自旋向下的能态更稳定．Rashba效应不可忽略．     

氯酸钾热分解反应机理的量子化学研究

采用Gaussian03量子化学程序包中考虑了电子相关性的密度泛函理论（DFT）的B3LYP方法,在6-311＋G（3df）水平上对氯酸钾热分解反应路径进行了设计,对反应过程中可能存在的反应物、中间物、过渡态和产物的几何构型进行能量梯度全优化,同时计算得到了热分解反应的标准热力学量变。研究结果表明：由于氯酸根中存在的孤对电子以及（d-p）π配键的特殊属性,致使其稳定性较差。当氯酸钾吸热后,晶体扩散加快,振动振幅加大,致使部分氯酸根离子的Cl→O键断裂重新组合生成稳定的高氯酸根离子,当所有的氯酸钾都形成高氯酸钾时,高氯酸钾再发生分解反应放出氧气。这一热分解反应机理与前人的实验结果一致。     

机械故障稀疏特征相似性度量优化研究

针对当前机械故障诊断研究忽略了对其参数的选取与优化,导致准确性较差等问题,提出基于量子遗传 算法优化的机械故障稀疏特征相似性度量方法。基于先进行信号非线性混合,再进行去混合。将峭度作为目 标函数,利用量子遗传算法,对盲源分离过程的分离矩阵参数与非线性去混合参数进行优化,实现机械故障盲 源分离。基于故障信号处理,利用量子遗传算法与最小二乘支持向量机(LSSVM: Least Squares Support Vector Machine)相结合实现机械故障稀疏特征相似性度量。当LSSVM在机械故障诊断时对模型参数选取,利用量子遗 传算法针对 LSSVM 模型参数进行优化。将 LSSVM 参数选取问题转换为优化问题,利用优化后的 LSSVM 分类 模型实现机械故障稀疏特征相似模式分类。实验结果表明,该方法可以实现高效盲源分离,机械故障诊断准确 率高,运行性能良好。     

量子计算在增量式大数据并行挖掘中的应用

针对传统大数据并行挖掘方法是一次性对所有数据进行挖掘,导致挖掘时间较长,挖掘精度较低等问 题,采用量子计算对增量式大数据并行挖掘方法进行优化设计。首先,按照数据挖掘的基本流程搭建并行数据 挖掘模型; 然后分别通过定义量子比特、量子搜索算法、量子神经网络处理以及量子映射变换4 个步骤,实现 增量式数据的预处理,利用矩阵向量相乘分解得到过滤权重组合,通过该组合实现预处理结果的并行协同过 滤; 最后通过量子模糊聚类得出增量式大数据并行挖掘结果。实验结果表明,应用量子计算的增量式大数据并 行挖掘方法的平均召回率为97． 25%,并行挖掘时间在2． 1 ～ 3． 2 s 的范围内浮动,准确率超过95%,且该方法 的收敛性最好,寻优能力强。