激光散射、透射消光方法应用于测量同质核化率的实验研究

应用激光散射方法和透射消光方法，对戊醇在２５０Ｋ、１．０ｂａｒ状态附近同质核化凝结过程中微滴浓度和尺度进行了测算，并根据脉冲成核时间长短确定了戊醇同质核化率大小。实验结果表明：戊醇在携带气体—氦气中，在２５０Ｋ、１．０ｂａｒ附近的同质核化率范围为１．６０３×１０１５～６．６４５×１０１５ｍ－３ｓ－１，相应的饱和比范围为１３．０４～２０．７６。

单脉冲膨胀波激波管用于同质核化率的实验研究

以单脉冲膨胀波激波管为工具，利用激光散射、透射测试方法，研究了戊醇在总压为１００ｋＰａ，温度为２４０Ｋ、２５０Ｋ和２６０Ｋ状态附近同质核化率量值、以及它同饱和度之间的关系，并同经典同质核化理论计算结果进行了比较。结果表明：戊醇在携带气体氦气中的同质核化率量级范围为１０１３～１０１７／ｍ３ｓ；相应的过饱和度为１１～２６；在相同的饱和度条件下，实验所得同质核化率比经典同质核化理论计算的结果大。

基于特征对比学习和图卷积的社交网络用户分类

社交网络用户分类旨在通过用户属性和社交关系确定用户的兴趣爱好,可通过图类数据的节点分类实现。多数基于图卷积神经网络(GCN)的节点分类方法仅能处理高同质率数据集,但社交网络数据集通常具有较高的异质率。针对社交网络数据集同质率较低的问题,提出一种基于特征对比学习的图卷积神经网络(CLGCN)模型。通过预训练的组合标签构造相似性矩阵,根据相似性矩阵进行图卷积。利用特征对比学习分别定义类别相同和不同的邻居节点对为正负样本对,最小化特征对比的损失函数,使同类节点对的特征表达相似性更高及异类节点对的特征表达可区分性更强。实验结果表明,CLGCN模型在3个低同质率社交网络数据集上的节点分类准确率分别达到93.5%、81.4%和67.9%,均高于对比模型。