In this study,using 3,5‑di(3′,5′‑dicarboxylphenyl)‑1H‑1,2,4‑triazole(H4L)as ligands,a gadolinia‑based organic framework complex{[GdNa(L)(H_(2)O)3]·2H_(2)O}_(n)(Gd‑Na‑MOF)was successfully designed and synthesize...In this study,using 3,5‑di(3′,5′‑dicarboxylphenyl)‑1H‑1,2,4‑triazole(H4L)as ligands,a gadolinia‑based organic framework complex{[GdNa(L)(H_(2)O)3]·2H_(2)O}_(n)(Gd‑Na‑MOF)was successfully designed and synthesized by hydrothermal method.The structure and properties were systematically characterized and tested by techniques such as single‑crystal X‑ray diffraction,powder X‑ray diffraction,thermogravimetric analysis,infrared spectroscopy,and fluorescence spectroscopy.The results indicate that this complex has a unique 3D structure,excellent thermal stability,and outstanding luminescent performance.Based on its luminescent properties,a polymer‑embedding method was employed to fabricate the Gd‑Na‑MOF into a flexible,washable composite fluorescent film,Gd‑Na‑MOF@PMMA/BMA(PMMA=polymethyl methacrylate,BMA=butyl methacrylate).This fluorescent film exhibited highly sensitive recognition capability for tyramine,with a low detection limit of 1.66μmol·L^(-1).It was used for the detection of tyramine in bananas,with a recovery rate of 96.92%‑100.26%.CCDC:2466949.展开更多
混凝土重力坝的自振频率包含结构整体和局部健康状态信息。基于自振频率来监控混凝土重力坝的健康状态,需要建立各种环境变量与各阶自振频率之间的复杂非线性映射关系,建模过程充满了不确定性。为此,该文通过亲和力传播(affinity propag...混凝土重力坝的自振频率包含结构整体和局部健康状态信息。基于自振频率来监控混凝土重力坝的健康状态,需要建立各种环境变量与各阶自振频率之间的复杂非线性映射关系,建模过程充满了不确定性。为此,该文通过亲和力传播(affinity propagation,AP)算法对模态稳定图进行聚类分析来实现模态参数的自动识别,通过环境量对自振频率影响规律的机理分析,并引入贝叶斯模型平均(Bayesian model averaging,BMA)技术来建立混凝土重力坝自振频率的安全监控模型,将模型自身不确定性考虑在内,可以自动平衡模型的复杂度与拟合程度,从而确定出对预测真正有贡献的输入变量。实际工程应用表明,采用基于BMA的混凝土重力坝自振频率安全监测模型,可以准确地模拟结构频率与环境量之间的映射关系,从而使总体模型具有更加准确的预测效果,能够很好地应用于混凝土重力坝安全性能监测,具有良好的工程应用前景。展开更多
随着互联网和电子商务的蓬勃发展,网络购物成为人们生活的常态。精准预测用户的网络购物行为,能为相关行业提供有价值的决策参考。基于此,文章基于集成学习法进行预测,为改进传统Stacking模型中只能结合基分类器预测结果的情况,在构建St...随着互联网和电子商务的蓬勃发展,网络购物成为人们生活的常态。精准预测用户的网络购物行为,能为相关行业提供有价值的决策参考。基于此,文章基于集成学习法进行预测,为改进传统Stacking模型中只能结合基分类器预测结果的情况,在构建Stacking模型时融入贝叶斯模型平均(bayesian model averaging,BMA),体现各基分类器对预测结果的贡献程度,有效结合多个模型优势。利用累积重要性筛选出有代表性的特征变量,评估模型性能以确定合适的基分类器组合,并结合逻辑回归元学习器构建最终的Stacking模型,基于构建好的模型融合BMA进行预测。实验结果表明,融入BMA后的Stacking模型预测用户网络购物行为效果较好。展开更多
目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰。为解决上述问题,本文提出了一种基于BMA(Bayesian model averagi...目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰。为解决上述问题,本文提出了一种基于BMA(Bayesian model averaging)滤波器和边缘的图像融合算法。首先,利用BMA滤波器分别对红外与可见光图像进行多尺度分解;其次,分别利用显著性提取和边缘权值映射算法,计算各基层和细节层的融合权值矩阵;最后通过图像重构获得融合图像。实验证明,该融合算法优于传统的图像融合算法。展开更多
文摘In this study,using 3,5‑di(3′,5′‑dicarboxylphenyl)‑1H‑1,2,4‑triazole(H4L)as ligands,a gadolinia‑based organic framework complex{[GdNa(L)(H_(2)O)3]·2H_(2)O}_(n)(Gd‑Na‑MOF)was successfully designed and synthesized by hydrothermal method.The structure and properties were systematically characterized and tested by techniques such as single‑crystal X‑ray diffraction,powder X‑ray diffraction,thermogravimetric analysis,infrared spectroscopy,and fluorescence spectroscopy.The results indicate that this complex has a unique 3D structure,excellent thermal stability,and outstanding luminescent performance.Based on its luminescent properties,a polymer‑embedding method was employed to fabricate the Gd‑Na‑MOF into a flexible,washable composite fluorescent film,Gd‑Na‑MOF@PMMA/BMA(PMMA=polymethyl methacrylate,BMA=butyl methacrylate).This fluorescent film exhibited highly sensitive recognition capability for tyramine,with a low detection limit of 1.66μmol·L^(-1).It was used for the detection of tyramine in bananas,with a recovery rate of 96.92%‑100.26%.CCDC:2466949.
文摘混凝土重力坝的自振频率包含结构整体和局部健康状态信息。基于自振频率来监控混凝土重力坝的健康状态,需要建立各种环境变量与各阶自振频率之间的复杂非线性映射关系,建模过程充满了不确定性。为此,该文通过亲和力传播(affinity propagation,AP)算法对模态稳定图进行聚类分析来实现模态参数的自动识别,通过环境量对自振频率影响规律的机理分析,并引入贝叶斯模型平均(Bayesian model averaging,BMA)技术来建立混凝土重力坝自振频率的安全监控模型,将模型自身不确定性考虑在内,可以自动平衡模型的复杂度与拟合程度,从而确定出对预测真正有贡献的输入变量。实际工程应用表明,采用基于BMA的混凝土重力坝自振频率安全监测模型,可以准确地模拟结构频率与环境量之间的映射关系,从而使总体模型具有更加准确的预测效果,能够很好地应用于混凝土重力坝安全性能监测,具有良好的工程应用前景。
文摘随着互联网和电子商务的蓬勃发展,网络购物成为人们生活的常态。精准预测用户的网络购物行为,能为相关行业提供有价值的决策参考。基于此,文章基于集成学习法进行预测,为改进传统Stacking模型中只能结合基分类器预测结果的情况,在构建Stacking模型时融入贝叶斯模型平均(bayesian model averaging,BMA),体现各基分类器对预测结果的贡献程度,有效结合多个模型优势。利用累积重要性筛选出有代表性的特征变量,评估模型性能以确定合适的基分类器组合,并结合逻辑回归元学习器构建最终的Stacking模型,基于构建好的模型融合BMA进行预测。实验结果表明,融入BMA后的Stacking模型预测用户网络购物行为效果较好。
文摘目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰。为解决上述问题,本文提出了一种基于BMA(Bayesian model averaging)滤波器和边缘的图像融合算法。首先,利用BMA滤波器分别对红外与可见光图像进行多尺度分解;其次,分别利用显著性提取和边缘权值映射算法,计算各基层和细节层的融合权值矩阵;最后通过图像重构获得融合图像。实验证明,该融合算法优于传统的图像融合算法。
