量子点荧光纳米材料的化学合成及其在潜手印显现中的应用

随着纳米科技的发展,将量子点荧光纳米材料作为一种新型显现试剂并应用于潜手印显现技术已引起了研究者的浓厚兴趣。合成出高质量、高荧光性能的量子点是拓展其在手印显现方面广泛应用的前提条件。本文针对量子点荧光纳米材料的化学法合成及其在潜手印显现领域中的应用进展进行了较为详尽的归纳和总结。

基于卷积神经网络的Android恶意软件检测技术研究

Android系统的迅速迭代及其开源特性使得Android恶意软件产生大量的变种,这对Android恶意软件检测和分类带来不小的挑战.机器学习方法已成为恶意软件分类的主流方法,但现有的大多数机器学习方法都使用传统的算法(如支持向量机).目前卷积神经网络(CNN)作为一种深度学习方法表现出了更好的性能,特别是在图像分类等应用上.结合这一优势以及迁移学习的思想,本文提出了一种基于CNN架构的Android恶意软件检测和分类方法.首先,提取Android应用的DEX文件然后将其转换成灰度图像并放入CNN中进行训练分类.本文实验使用Drebin和Android Malware Dataset(AMD)两个样本集.实验结果显示,该方法在Android恶意软件家族分类上准确率达到97.36%,在Android恶意软件检测中在不同样本集上的准确率都达到了99%以上.实验表明,本文提出的方法具有较高的分类准确率和泛化性能.

铕荧光配合物的合成及其在手印显现中的应用

分别以邻、间、对甲基苯甲酸(o-、m-、p-MA)为第一配体、邻菲罗啉(o-Phen)为第二配体,利用沉淀法合成了一系列稀土铕的三元荧光配合物。对该系列稀土铕荧光配合物的合成条件(配体种类、配体用量、体系pH、反应温度、反应时间)进行了优化。将最优条件下合成的[Eu(m-MA)_3(o-Phen)]荧光配合物粉末应用到常见光滑客体表面潜在手印的显现技术中。从显现的对比度、灵敏度、选择性等方面对手印显现效果进行了详细考察。结果表明,显现后的手印在254nm紫外光的激发下,手印与客体之间的对比反差强烈,乳突纹线连贯清晰、细节特征反映明显,粉末只与乳突纹线部位吸附,基本不与小犁沟部位吸附。因此,本研究中基于铕荧光配合物的手印显现具有较强的对比度、灵敏度、选择性。