为了解决脉冲星识别研究局限在常规分类算法的视野中而缺乏针对性的问题, 文章针对脉冲星数据集的特点, 挖掘其内在特征与其他研究领域的关联性, 发现了脉冲星数据与长尾分布之间存在的联系, 探求脉冲星数据与长尾分布的特征一致性, 首次将脉冲星数据分布看作长尾分布的一种特例。并从长尾视觉识别视角中的优化训练策略角度出发, 提出了一种基于解耦训练策略的脉冲星识别算法。算法采用解耦训练策略, 在操作上简捷高效, 具备更强的可移植性。经过数据集的验证, 算法能有效改善决策边界, 在HTRU_bands和HTRU_ints数据集的召回率相较于对比方法分别提升了11.8%和13%, 是一种性价比较高的有效识别算法。

基于ITO/NPB/TCTA/Ir(MDQ)2(acac)∶TCTA/FIrpic∶TmPyPb/Ir(ppy)3∶TmPyPb/TmPyPb/LiF/Al结构的三原色白光器件, 通过分别在蓝光与红光、绿光发光层界面处插入2 nm TCTA与2 nm TmPyPb中间层, 研究了中间层的有无对器件性能的影响。结果表明, 中间层的引入可以调整激子的分布, 影响能量转移。具有双中间层的器件实现了高质量的白光发射, 最大发光效率达到22.56 cd/A。

采用C60/pentanece作为非掺杂电荷产生层, 并在其两边各插入Al和MoO3 薄层作为C60和pentanece的电子注入层和空穴注入层, 在此基础上制备了结构为ITO/NPB/mCP∶8wt% Ir(ppy)3/TPBi/Al/C60/pentanece/MoO3/NPB/mCP∶8wt% Ir(ppy)3/TPBi/Cs2CO3/Al的双发光单元叠层绿色磷光有机发光器件(OLED)。实验表明, 增加Al和MoO3电荷注入层, 可有效改善有机电荷产生层的电荷注入能力, 提高叠层OLED器件的发光亮度和电流效率。叠层器件的启亮电压明显低于单个器件的1/2, 但电流效率是单层器件的两倍以上。当Al/C60/pentanece/MoO3的厚度分别是3、15、25和1nm时, 叠层OLED器件具有最佳的光电性能, 其最大亮度和最大电流效率分别是7920.0cd/m2和16.4cd/A。

以透明导电薄膜MoO3/Au/MoO3代替铟锡氧化物(ITO)作为有机太阳能电池(OSCs)的阳极, 研究了一系列结构为MoO3/Au/MoO3的透明电极和MoO3(y nm)/Au(x nm)/MoO3(y nm)/CuPc(25 nm)/C60(40 nm)/BCP(8 nm)/Al(100 nm)的有机太阳能电池。研究表明, MoO3/Au/MoO3电极的光电特性可通过改变各层薄膜厚度加以调控, 在MoO3薄膜厚度为40 nm、Au薄膜厚度为10 nm时性能最优, 且以该薄膜为电极的有机太阳能电池器件的性能接近于电极为ITO的有机太阳能电池器件。

制备了结构为ITO/NPB/TCTA/FIrpic∶TCTA/Ir(MDQ)2(acac)∶TmPyPB/FIrpic∶TmPyPB/TmPyPB/LiF/Al的有机电致磷光发光器件。通过在双蓝光发光层之间插入较薄的红光层Ir(MDQ)2(acac)∶TmPyPB调节载流子、激子在各发光层中的分布, 并结合TCTA和TmPyPB对发光层内载流子和激子的有效阻挡作用, 混合实现白光发射。研究了红光层在不同厚度、不同掺杂浓度下对器件发光性能的影响。结果表明, 红光发光层厚度为2 nm、质量浓度为5%时, 结合蓝光发光层和红光发光层, 实现了色坐标为(0.333, 0.333)、最大发光效率为11.50 cd/A的白光发射。

研究了基于FIrpic的超薄非掺杂有机电致蓝色磷光器件的光电特性。改变超薄非掺杂FIrpic发光层以及其隔离层的厚度，可以调控FIrpic分子的聚集及激子相互作用强度对器件性能的影响。研究结果表明，具有TCTA 5nm/FIrpic 1nm/TCTA 5nm/FIrpic 1nm/TPBI 5nm/FIrpic 1nm多发光层结构的器件性能较优，最大发光效率为9.9cd/A，超薄非掺杂发光层结构避免了掺杂方法中共沉积磷光材料浓度的精确控制，有利于简化器件制备工艺。

纹理检测及分析不仅对于云图的自动识别,而且对云图的日常应用非常重要.本文采用直方图统计法对融合卫星云图进行了纹理检测和分析,提出了采用信息熵度量卫星云图上的"稠密度",并利用夏季融合云图进行了大量试验.试验结果表明,信息熵纹理检测结果优于其它统计量,能检测出强云团内部的不同纹理特征,且纹理图像可应用于日常气象工作中.本文在深层次、多角度挖掘气象卫星遥感数据信息方面做了一些探索性的工作.