1-硝氨基-2,3-二硝酰氧基丙烷(NG-N1)合成、表征及性能研究

以氨基甘油和氯甲酸乙酯为原料,通过取代、硝化、碱解三步合成了1-硝氨基-2,3-二硝酰氧基丙烷(NG-N1),并利用元素分析、核磁共振、红外光谱等鉴定其结构;优化了碱解反应条件,采用KOH作为碱解试剂,最优工艺条件为:n(KOH)∶n(II)为4∶1～5∶1,常温反应5 min;利用TG-DSC对化合物进行了热分析,其熔点为62.1℃,分解点为182.3℃。采用NASA-CEA软件,在标准条件(p_c∶p_o=70∶1)下计算了含NG-N1的改性双基推进剂(CMDB)的能量性能,当NG-N1的含量为30%时,推进剂的能量性能最优,理论比冲I_(sp)最大为2 578.3 N·s/kg,较基础配方提高了50.5 N·s/kg,特征速度C~*最大为1 576 m/s,较基础配方增加了48 m/s。     

双呋咱并［3,4-b:3′,4′-f］氧化呋咱并［3″,4″-d］氧杂环庚三烯的合成

1引言含有呋咱或氧化呋咱含能结构单元分子中引入醚键,可增加其柔韧性。该类化合物具有能量密度高、标准生成焓大、氮含量较高、熔点低以及塑性强等特点,可以作为熔铸炸药液相载体,也可作为推进剂中的含     

3,5-二硝氨基-1,2,4-三唑肼盐的合成及性能（英文）

以硝基胍和甲醛为原料,经缩合反应、硝化反应和肼解反应得到总收率为63.69%的3,5-二硝氨基-1,2,4-三唑肼盐(HDNAT),并对其进行了表征了结构。测试了HDNAT的部分物化、爆轰性能。结果为:密度1.89 g·cm-3,熔点194~196℃,摩擦感度92%,撞击感度100%,H5026.8cm,爆速9000 m·s-1(ρ=1.80 g·cm-3).采用VLM method计算其爆压为36.0 GPa。     

3,5-二硝基苯甲腈的合成与表征

以苯甲酸为起始原料,经过硝化、酯化、氨化和脱水4步反应合成了标题化合物,总收率为42.9%,并利用红外光谱、核磁共振、质谱、元素分析等鉴定其结构;采用甲醇/氯化亚砜作为酯化试剂,将酰化与酯化"一锅法"制备3,5-二硝基苯甲酸甲酯,提高了收率,降低了污染;对于脱水反应工艺进行了重大改进,采用三氯氧磷为脱水试剂合成3,5-二硝基苯甲腈,蒸出过量的三氯氧磷与产生的氯化氢,有效降低了酸度,避免了氰基的水解,收率达到94.3%.     

呋咱含能化合物的合成及其衍生物反应研究进展

阐述了二肟脱水和氧化呋咱还原2种构建呋咱环的主要方法,以及氨基取代呋咱衍生物、硝基取代呋咱衍生物和氰基取代呋咱衍生物的反应;列举了几种典型的呋咱含能化合物如二硝基呋咱(DNF)、二氨基偶氮呋咱(DAAF)、3,4–双(4′–硝基呋咱–3′–基)氧化呋咱(DNTF)、呋咱醚类化合物(FOF–1,FOF–2,FOF–13)和稠环类呋咱含能化合物(MNOTO、4,5,9,10–四硝基–1,4,5,8–四氮杂氢化萘(2,3,–6,7)并双呋咱)的合成方法及性能。     

一种XML数据流上的马尔可夫剪切分片技术

与传统数据库对XML数据的处理不同,对XML数据流的处理不仅受实时性的约束,还受存储空间的限制.在Hole-Filler模型的基础上,首先利用XML的查询统计信息,定义了路径频率树,在此基础上,提出基于马尔可夫表的XML数据流剪切分片策略及算法,有效地提高了XML片段的利用率,增强了XML片段的内聚性.实验结果表明,基于马尔可夫表的XML剪切算法在剪切时间、查询时间、空间消耗等方面都表现出较好的性能.     

融合位置和社交属性的热点轨迹聚类算法

提出一种新的热点轨迹聚类算法（LSHT）,结合社交网络中的位置属性和社交特征,利用基于位置的社交网络（LBSN）用户中的好友关系特征,引入用户亲密度和用户活跃度,对用户之间的联系进行分析;提出对用户轨迹进行评分的评分函数,计算用户轨迹的影响力。结合用户亲密度和轨迹评分值,挖掘用户好友中的热点轨迹。该算法能够将热门轨迹中的不真实轨迹进行过滤。实验表明,该算法能更快更准确地挖掘出用户好友中的热点轨迹。     

3,3′-二氰基-4,4′-偶氮呋咱(DCAF)合成及晶体结构

以3-氨基-4-酰胺肟基呋咱(AAOF)为原料,经两步氧化得到3,3′-二氰基-4,4′-偶氮呋咱(DCAF),并通过红外光谱、核磁共振光谱、元素分析等方法对产物进行了结构表征; 同时,探讨了高锰酸钾氧化反应的关键影响因素,确定了适宜的反应条件: 初始反应温度低于-5 ℃,HCl与CNAF的物料比30:1～40:1,反应时间为4 h; 首次培养得到了DCAF单晶,X射线单晶衍射分析结果表明: DCAF晶体属三斜晶系,空间群P-1,a=1.8297(11) nm,b=0.588(3) nm,c=0.9069 (5) nm,V=0.8853(9) nm-3,Z=4,Dc=1.622 g·cm-3,F(000)=432,μ(Mo Kα )=0.131 mm-1,R1=0.1039,wR=0.2420.     

一种针对成分树的混合神经网络模型

为了提高自然语言处理的准确度,很多工作将句法成分树与LSTM相结合,提出了各种针对成分树的LSTM模型(文中用C-TreeLSTM统称这类模型)。考虑到C-TreeLSTM模型在计算内部节点隐藏状态的过程中,由于一个重要信息来源(即单词)的缺失导致文本建模的准确度不高,该文提出一种针对成分树的混合神经网络模型,通过在C-TreeLSTM模型的节点编码过程中注入各节点所覆盖的短语语义向量来增强节点对文本语义的记忆,故将此模型命名为SC-TreeLSTM。实验结果表明,该模型在情感分类和机器阅读理解两类任务上表现优异。     

文本情感分析在网购评论中的应用前景

结合网购评论文本的特点,分别从网购评论文本情感信息的抽取、分类以及情感信息的检索与归纳三个方面来阐述文本情感分析在网购评论领域的实际应用前景。其中,网购评论文本情感信息的抽取和分类是进行网购评论文本情感信息检索与归纳的基础,而网购评论文本情感信息检索与归纳是与用户直接交互的接口,也是最具有实用价值和商业价值的部分。