检索结果-南通市图书馆

Nano Research 2016年第10期9卷 2931-2937页

作者： Yiming Zhu Xinsheng Wang Mei Zhang congzhong cai Liming Xie State Key Laboratory of Coal Mine Disaster Dynamics and Control Department of Applied Physics Chongqing University Chongqing 400044 China CAS Ke7 La6orator7 of Standardization and Measurement for Nanotechnology CA5 Center for Excellence in Nanoscience National Center for Nanoscience and Technology Beijing I00190 China

Two-dimensional ZrS2 materials have potential for applications in nanoelectronics because of their theoretically predicted high mobility and sheet current density. Herein, we report the thickness and temperature dependent transport properties of ZrS2 multilayers that were directly deposited on hexagonal boron nitride （h-BN） by chemical vapor deposition. Hysteresis-free gate sweeping, metal- insulator transition, and T-γ （γ- 0.82-1.26） temperature dependent mobility were observed in the ZrS2 films.

关键词： chemical vapor deposition two-dimensional materials ZrS2 electrical transport mobility

Prediction of thermal conductivity of polymer-based composites by using support vector regression

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Science China(Physics,Mechanics & Astronomy) 2011年第5期54卷 878-883页

作者： WANG GuiLian cai congzhong PEI JunFang ZHU XingJian Department of Applied Physics Chongqing University Chongqing 400044 China

Support vector regression (SVR) combined with particle swarm optimization (PSO) for its parameter optimization, was proposed to establish a model to predict the thermal conductivity of polymer-based composites under different mass fractions of fillers (mass fraction of polyethylene (PE) and mass fraction of polystyrene (PS)). The prediction performance of SVR was compared with those of other two theoretical models of spherical packing and flake packing. The result demonstrated that the estimated errors by leave-one-out cross validation (LOOCV) test of SVR models, such as mean absolute error (MAE) and mean absolute percentage error (MAPE), all are smaller than those achieved by the two theoretical models via applying identical samples. It is revealed that the generalization ability of SVR model is superior to those of the two theoretical models. This study suggests that SVR can be used as a powerful approach to foresee the thermal property of polymer-based composites under different mass fractions of polyethylene and polystyrene fillers.

关键词： polymer matrix composites thermal conductivity support vector regression regression analysis prediction

在线全文

学校读者我要写书评

暂无评论

α-C∶H膜化学结构对光学性能的影响

强激光与粒子束 2009年第3期21卷 350-354页

作者：刘兴华吴卫东何智兵张宝玲王红斌蔡从中重庆大学输配电装备及系统安全与新技术国家重点实验室重庆400044 中国工程物理研究院激光聚变研究中心四川绵阳621900 重庆大学数理学院重庆400044

选用体积分数为99.9999%的H2及反式-2-丁烯(T2B)为工作气体,利用低压等离子体增强化学气相沉积法制备了α-C∶H薄膜。利用傅里叶变换红外光谱仪和X射线光电子能谱对薄膜化学键和电子结构进行分析,并结合高斯分峰拟合分析了薄膜中sp3/sp... 详细信息

选用体积分数为99.9999%的H2及反式-2-丁烯(T2B)为工作气体,利用低压等离子体增强化学气相沉积法制备了α-C∶H薄膜。利用傅里叶变换红外光谱仪和X射线光电子能谱对薄膜化学键和电子结构进行分析,并结合高斯分峰拟合分析了薄膜中sp3/sp2杂化键比值和sp3C杂化键分数。结果表明:薄膜中氢含量较高,主要以sp3C—H形式存在;工作气压越高,制备的薄膜中C=C键含量越少,薄膜中sp3/sp2杂化键比值和sp3C杂化键分数增加,薄膜稳定性提高。应用UV-VIS光谱仪,获得了波长在400～1000nm范围内薄膜的光吸收特性,结果显示:α-C∶H薄膜透过率可达98%。光学常数公式计算得到工作压强为4～14Pa时光学带隙在2.66～2.76之间,并均随着工作气压的升高而增大。结果表明,随工作气压的升高,薄膜内sp3键减小,从而促使透过率、光学带隙增大。

关键词： α-C∶H薄膜化学键透过率光学带隙低压等离子体增强化学气相沉积法

基于人体血液常/微量元素含量的SVM癌症辅助诊断

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2007年第3期24卷 513-518页

作者：袁前飞蔡从中肖汉光刘兴华温玉锋孔春阳重庆大学应用物理系重庆400044 重庆师范大学物理学与信息技术学院重庆400047

支持向量机(Support vector machine,SVM)分类方法在实际二类分类问题的应用中显示出良好的学习和泛化能力,已被广泛地应用于许多研究领域。我们以癌症病人血液中6种元素(Ba,Ca,Cu,Mg,Se,Zn)的含量为研究对象,将SVM、最近邻法、决策树C... 详细信息

支持向量机(Support vector machine,SVM)分类方法在实际二类分类问题的应用中显示出良好的学习和泛化能力,已被广泛地应用于许多研究领域。我们以癌症病人血液中6种元素(Ba,Ca,Cu,Mg,Se,Zn)的含量为研究对象,将SVM、最近邻法、决策树C4.5及人工神经网络等方法用于癌症病人和正常人的分类研究。研究表明:除C4.5的分类准确率保持不变之外,对数据的归一化处理能够提高SVM、KNN、ANN的分类效果。当使用线性核函数时,SVM通过5次交叉验证的最优平均分类准确率达到了95.95%,优于KNN(93.24%)、C4.5(79.93%)及ANN(94.59%)等分类器,表明该方法有望成为一种实用的癌症临床辅助诊断手段。

关键词：支持向量机常量元素微量元素癌症诊断

基于支持向量机的乳腺癌预后状态预测和疗效评估

在线全文

学校读者我要写书评

暂无评论

北京生物医学工程 2007年第4期26卷 372-376页

作者：袁前飞蔡从中肖汉光刘兴华孔春阳重庆大学应用物理系重庆师范大学物理学与信息技术学院重庆400047

乳腺癌是危害妇女健康的主要恶性肿瘤。目前基因与疾病关系的研究取得了一系列的成果,使得利用乳腺癌患者的基因信息来预测预后状态和评估治疗效果成为了可能。支持向量机(support vector machine,SVM)分类方法在实际二类分类问题的应... 详细信息

乳腺癌是危害妇女健康的主要恶性肿瘤。目前基因与疾病关系的研究取得了一系列的成果,使得利用乳腺癌患者的基因信息来预测预后状态和评估治疗效果成为了可能。支持向量机(support vector machine,SVM)分类方法在实际二类分类问题的应用中显示出良好的学习和泛化能力,已被广泛地应用于诸多研究领域。本文采用支持向量机SVM、K-近邻法(K-nearest neighbor,K-NN)、概率神经网络(probabilistic neural network,PNN)、决策树(decision tree,DT)分类器,结合乳腺癌患者基因数据来预测患者的预后状态和评估治疗效果。结果表明:当使用高斯径向基核函数时,SVM通过5次交叉验证的最佳平均分类准确率达到了88.44%,优于K-NN(81.69%)、PNN(80.68%)和DT(71.19%)等分类器,表明该方法有望成为一种有效、实用的乳腺癌预后状态预测和治疗效果客观评价的工具。

关键词：支持向量机乳腺癌预后评估