2022年《理化检验-化学分册》征订启事

《理化检验-化学分册》(ISSN 1001-4020,CODEN编码 LJHFE2,CN 31-1337/TB)杂志创刊于1963年,系由上海材料研究所与机械工程学会理化检验分会联合主办的技术类期刊,主要报道化学分析与仪器分析专业领域中的新方法、新技术、新设备以及国内外的研究方向。"面向生产、注重实用、反映动向、兼顾普及"是刊物的编辑方针,旨在最大幅度地满足不同层次读者的需要。     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

线性双向联想存储器

提出了一个线性双向联想存储器的模型，一组有限个向量对由一线性算子建立起双向联想关系，此线性算于是一个网络的联结权重矩阵。该权矩阵由最小二乘法决定。由权矩阵的解导出一特殊类型的Ｌｙａｐｕｎｏｖ矩阵方程．本文提供了这种Ｌｙａｐｕｎｏｖ矩阵方程的解。     

谐和与随机噪声联合作用下Van der Pol-Duffing振子的参数主共振

研究了Van der Pol-Duffing振子在谐和与随机噪声联合激励下的参数主共振响应和稳定性问题。     

C2(×)Cn量子系统的最大纠缠混合态

讨论了C2(×)Cn量子系统的最大纠缠混合态,得到了Negativity纠缠度下的最大纠缠混合态的解析结果,并计算了该态在非满秩情形下的量子相对熵纠缠度.     

用"更相减损术"求最大公因式

“更相减损术”是我国古代数学中求二整数最大公因数的方法 .古典名著《九章算术》卷一在谈到分数分子分母约去公因数有“置分母子之数 ,以少减多 ,更相减损求其等也 .以等数约之 .”这里的“等数”就是所说分母分子的最大公因数 .所谓“更相减损求其等”就是置两个整数 ,以少减多 ,反复相减 ,直到二数相等就得到它们的最大公因数 .例如 ,求 91 ,49的最大公因数(91 ,49) .我们有(91 ,49) =(91 -49,49) =(4 2 ,49)=(4 2 ,7) =…… =(7,7) =7刘徽说 :“其所以相减者 ,皆等数之重叠 .”数91 ,49都是等数 7的重叠 .对于初学者来说 ,“更相减损求…     

实验研究二维圆柱后尾流中涡脱落的有序和混沌现象

本文给出了在Re=50—400范围内二维圆柱后涡脱落的有序和混沌现象的一些初步实验结果。涡脱落由有序到混沌的转捩发生在Re=184.6—193.5之间,但是它不是通过准周期途径。在涡脱落频率与Re数的关系曲线上有两个间断。在Re=70处的间断可能对应于倾斜涡脱落模式的变化,在Re≈193.5处的第二间断对应于由有序到混沌状态的转捩。     

一类(0,1)-矩阵的最大积和式的积分表达式

给出了线和n-2的n阶（0，1）－矩阵的最大积和式的积分表达式，并证明了该积分表达式与[1]得到的组合表达式等价。     

中国股市长记忆的修正R/S分析

本文在比较各种长记忆检验方法优缺点的基础上,采用修正的R/S分析检验我国沪深两股市日收益和日绝对收益序列的长记忆性。结果表明在0.05的显著水平下,两股市的日收益序列均无长记忆,但深圳成指日收益序列的记忆长度比上证综指日收益序列的记忆长度长;以日绝对收益序列为代表的波动序列具有较强的长记忆性。