MVP:基于CCA的多视图数据相关性预测方法

多视图的数据广泛存在于真实的应用中。比如说网络上用户标注的图像,一个视图是由图像的底层特征去表征,而另一个则由文本特征去表征。如何从这种类型的数据中有效地挖掘出有价值的信息对于做数据挖掘和数据检索的人来说具有很大的挑战性。提出多视图的预测算法(MVP)去获取一个子空间,在这个子空间上,通过典型相关分析使得两个视图之间的相互关系最大化。在训练步,期望能通过学习同时得到典型向量组成的子空间和对应典型向量的相关系数;在预测步,通过把数据投影到子空间上产生多视图数据的得分向量。再由得分向量通过多重回归有效地判断出测试样本两个视图之间是不是存在相互关系。基于文本标注图像的实验表明了算法的有效性。

石墨烯负载的S掺杂NiFe LDH材料的制备及电催化性能

采用了CVD、水热法及室温硫化制备了石墨烯负载的S掺杂NiFe LDH电催化剂(NFG@NiFe-S LDH)。利用XRD、SEM、Raman、BET、EPR和Gamry电化学工作站对材料的结构和电化学性能进行研究,探究了复合石墨烯以及S掺杂对材料及电化学性能的影响。结果表明,与石墨烯复合极大提高了材料的导电性,S掺杂使得材料中出现更多缺陷,调节了材料电子结构,促进电子转移,从而提高了材料的催化活性。尤其是当硫化时间为2 h时,在电流密度为100 mA/cm^(2)时,OER过电位仅282 mV,塔菲尔斜率只有70.6 mV/dec。