为了更好地对人体动作的长时时域信息进行建模,提出了一种结合时序动态图和双流卷积网络的人体行为识别算法。首先,利用双向顺序池化算法来构建时序动态图,实现视频从三维空间到二维空间的映射,用来提取动作的表观和长时时序信息;然后提出了基于inceptionV3的双流卷积网络,包含表观及长时运动流和短时运动流,分别以时序动态图和堆叠的光流帧序列作为输入,且结合数据增强、模态预训练、稀疏采样等方式;最后将各支流输出的类别判定分数通过平均池化的方式进行分数融合。在UCF101和HMDB51数据集的实验结果表明:与传统双流卷积网络相比,该方法可以有效利用动作的时空信息,识别率得到较大的提升,具有有效性和鲁棒性。

针对目前正交频分复用(OFDM)雷达信号识别方法存在的问题，提出了一种具有可解释性的OFDM雷达信号识别方法。该方法是通过基于树结构的流程优化(TPOT)和与模型无关的局部可理解的解释性(LIME)相结合对OFDM雷达信号进行识别。针对OFDM雷达信号特性提取了复杂度特征和基于时频图矩阵的奇异值熵，组成特征向量；通过TPOT，得到表现最佳的机器学习流程；通过“解释器”解释预测结果，对识别结果做出是否识别正确的风险评估，同时可根据OFDM雷达信号的解释性，得到哪些信号不易区分。实验表明，该方法对信噪比为0 dB时的OFDM雷达信号的识别率达91%，通过LIME给出的解释性可以判断数据集中不易区分的雷达信号类型。

X射线荧光光谱仪在地质样品测定上的应用还不是很广泛, 而将X射线荧光光谱法应用到沉积相的研究中则更少。 将X射线荧光光谱法(XRF)应用到川中地区上三叠统须家河组二段沉积环境及古气候的识别中, 针对四川盆地上三叠统须家河组二段沉积相及沉积环境有争议的问题, 特别是须二段地层属于陆相沉积还是海相沉积的问题, 采集了四川盆地内四个有代表性地区的须家河组样品, 采用X 射线荧光光谱法分析须家河组各段沉积物的元素含量及变化特征, 并根据不同相带及沉积环境的元素含量标志, 定量分析须家河组沉积相带与沉积环境。 研究结果表明: 须家河组二段的Sr/Ba值、 Mn/Fe 值和Sr/Ca值均落在陆相沉积的范围内, 且与须家河组三-四段的元素含量特征无明显差异, Sr/Cu元素比分析结果表明须家河组沉积时期为温暖—湿润的古气候环境, 结果证明四川盆地上三叠统须家河组二段属于温湿气候下的陆相沉积, 且与须家河组三-四段沉积环境相类似。 X射线荧光光谱法与常规化学分析法实验结果相对误差小于3%, 该方法简单易行, 为沉积相及沉积环境的识别提供了一种简单、 可行且能够定量分析的研究方法。 为解决有争议地层沉积相的问题提供了一种较可行的新方法, 推动了X射线荧光光谱分析法在地质上的应用。

考虑应变及流体静压力，在有效质量近似下，利用变分法计算了无限高 GaN/AlxGa1-xN应变柱形量子点中类氢杂质结合能。结果表明，在量子点尺寸较小情况下，应变增加了杂质态结合能；而在量子点尺寸较大情况下，应变降低了杂质态结合能。随着Al摩尔分数的增加，杂质态结合能减小。杂质态结合能随着流体静压力的增加而增大，在量子点尺寸较小的情况下，流体静压力对杂质态结合能的影响更明显。