层层组装纳米金/天冬氨酸传感器对尿酸的电化学性质研究

采用层层组装法制备了金和天冬氨酸复合膜传感器.用循环伏安法(CV)和脉冲伏安法(DPV)等研究了尿酸在该传感器上的电化学行为.结果表明,在PBS 7.0作为支持电解质的条件下,尿酸在该组装传感器上的氧化峰的峰电流是裸电极传感器上的6.5倍.优化条件下,用DPV对尿酸进行了测定,在尿酸浓度为4.0×10-7~1.0×10-4 mol/L范围内浓度与尿酸的氧化峰电流具有良好的线性关系,线性方程为:I(μA)=0.010-0.022 C(μmol/L),相关系数为0.998.检出限(RSN=3)为1.0×10-7 mol/L.该方法用于实际尿样的测定,回收率为99.4%~104.1%.     

改进型稀疏表示的图像分类方法

在图像分类问题中,传统的稀疏表示算法只考虑样本整体信息,忽略样本局部结构信息;此外,稀疏表示算法要求测试样本与训练样本的人脸图像要一致对齐,当姿势与角度发生变化时分类效果明显下降.针对这些问题,提出了一种改进L2正则化稀疏表示算法.首先,通过求解最小二乘法得到稀疏系数矩阵;然后,计算样本重构残差,用稀疏度量公式量化样本之间的稀疏性;最后,在保持样本稀疏性的同时增加了样本类与类之间的局部判别信息,进而提高样本的分类性能.为了验证算法的有效性,在ORL、FERET和FEI人脸数据库与Stanford 40 Actions数据库和Caltech-UCSD Birds (CUB200-2011)数据库上进行实验.实验结果表明,该方法在不同的人脸数据库和扩展视觉数据集上取得的分类结果均优于传统稀疏表示算法及其他常用分类算法.     

遗传基因算法在验证中的改进

随着SOC系统越来越复杂,将遗传基因算法应用于芯片验证,实现验证的自动化,可大幅度提高SOC验证的功能覆盖率。介绍了一种基于遗传算法的验证向量自动生成算法遗传基因算法,并在此基础上提出了一种改进算法,即生长算法。其思路是在遗传基因算法的基本原理上,通过由覆盖率较小的向量群成长为覆盖率较大的向量群。通过在SOC验证平台的应用证明了它们能快速达到较高覆盖率,缩短了验证周期。     

弱M-拟Armendariz环的性质及等价刻画

利用某些矩阵环的特殊性质,得到了环R是弱M-拟Armendariz环当且仅当环Tn(R)是弱M-拟Armendariz环.     

探索高粘度改性沥青新思路

近年来,随着公路建设的发展,各种改性沥青的应用也越来越广泛,高粘度改性沥青可以有效地改善道路的高温性、低温性、水稳定性和抗疲劳性,因此也得到越来越多的重视。本文以高粘度改性沥青为基础,添加其他改性剂,期望达到对沥青多重性能的改良,该方法在工程实践中具有比较强的实用价值。     

基于改进SegNet模型的遥感图像建筑物分割

针对原始SegNet网络模型存在的参数数量多、 梯度不稳定及分割精度低等问题, 提出一种通过构建SegNet与带残差的bottleneck块、 深度可分离卷积以及跳跃连接结构相结合的改进模型. 在航空和卫星遥感图像数据集上进行实验的结果表明, 改进后的网络模型在精确率、 召回率及F₁值等性能评价指标上均获得更优结果, 表明改进的网络模型在遥感图像建筑物分割任务中有良好的实用价值.     

关于FR-环

文章引进FR-环的概念,证明了FR-环的同态像、直积、矩阵环、形式幂级数等都是FR-环,并给出了FR-环与UR-环的关系.     

弱σ-斜拟Armendariz环

引入了弱σ-斜拟Armendariz环的概念,研究了弱σ-斜拟Armendariz环的基本性质,证明了环R是弱σ-斜拟Armendariz环当且仅当环T n(R)是弱σ-斜拟Armendariz环,推广了σ-斜拟Armendariz环的相应结果。     

塔式系统圆形镜场中余弦效率分布的研究

定日镜在接受和反射太阳辐射能至吸热器的过程中,存在着诸多损失。不正当的聚光镜场布置方案将引起过量的损失,其余弦损失所占的比例最大。因而有必要对定日镜处于不同坐标位置的余弦效率进行研究。首先建立了塔式太阳能热发电中余弦效率的数学模型。其次通过对阴影和阻挡损失——聚光场密度的折衷考虑,选择规则且灵活的放射状交错排列方式,得到圆形聚光镜场。最后在圆形镜场中对夏至日不同时间的余弦效率进行仿真,并从仿真结果中得到一些结论。基于这些结论,可重新定义定日镜的布置方案和检修策略,以便于获得更多的太阳辐射能,降低其成本。     

基于超级帐本和手指静脉的PHR共享方案

当前个人健康记录(PHR:Personal Health Records)存在着存储不安全和难以共享的问题.为提高PHR的安全性和共享性,提出一种基于超级帐本(Hyperledger)和手指静脉(FV:Finger Vein)特征身份验证的安全共享模型.PHR提供方在录入医疗记录时将FV特征与临床医生的私钥签名结合,生成PHR索引.然后将PHR的索引存储在Hyperledger Fabric中,将真正的隐私数据存储在Filecoin中,减少了存储成本和链上存储压力.同时,设计了PHR访问控制合约防止恶意节点攻击.实验结果表明,该模型在性能和存储上有显著的优势.