【摘 要】
：
催化热解法生长出的CNTs阵列含有无定型碳以及包裹于其中的铁颗粒,形成屏蔽层而影响了CNTs电子发射能力.纯化CNTs是该研究工作中的重要环节,针对催化热解法生长的CNTs,其杂质主要含量是金属性的催化剂颗粒和无定型碳,因而先氧化再用弱酸处理是纯化步骤中的重要环节.利用三步纯化处理后的CNTs具有更低的开启电压,更强的电子发射能力.
【出 处】
：
第八届中国场致发射与真空微电子学学术会议
论文部分内容阅读
催化热解法生长出的CNTs阵列含有无定型碳以及包裹于其中的铁颗粒,形成屏蔽层而影响了CNTs电子发射能力.纯化CNTs是该研究工作中的重要环节,针对催化热解法生长的CNTs,其杂质主要含量是金属性的催化剂颗粒和无定型碳,因而先氧化再用弱酸处理是纯化步骤中的重要环节.利用三步纯化处理后的CNTs具有更低的开启电压,更强的电子发射能力.
其他文献
对于包含数量属性的数据库的关联规则挖掘,已有的研究仅从加权或量化值某个方面考虑,挖掘出的关联规则不能充分满足用户的需要.本文在引入项目获利率权值的基础上,基于获利最大化的考虑来挖掘量化关联规则并提出了挖掘算法WQAR,能从数据库中得到获利项目组合及其关联.理论分析和实验表明,算法是有效可行的.
人脸识别的方法有很多,每种方法都各有优缺点,因此综合性的方法日益受到关注.其中,支持向量机(SVM)模式识别方法具备良好的分类性能和鲁棒性,对其的改进也有很多类型.本文在介绍了典型支持向量机与最小二乘支持向量机(LS_SVM)原理的基础上,给出最小二乘支持向量机的算法实现过程,将其应用于人脸识别当中,取得较典型支持向量机在时间上较优的效果.实验结果表明,这一类人脸自动识别系统更能适用于实时性要求较
文本分类是数据挖掘领域长盛不衰的研究课题.传统的分类方法有基于规则的和基于统计机器学习的方法.结合统计机器学习理论及复杂网络分析技术,提出了基于特征网络的文本分类算法.该方法利用“边”(特征共现关系)的先验分布信息及新样本中属性共现关系信息,计算新样本属于各类别的后验概率.实例分析验证了文中算法.
核属性集的计算是许多属性约简算法的一个重要环节.目前的求核算法大都是基于差别矩阵,但其时间复杂度不是十分理想.本文提出一种基于正区域的求核算法,其时间复杂度为O(/C//U/),并能实现常驻内存的数据量仅占O(/U/)大小的空间,适合海量数据的处理.
用户兴趣度的计算是个性化服务的核心问题.本文提出一种改进的基于用户行为的兴趣度计算方法.由于用户对网页的处理动作属于心理强烈的反应动作,能更明显地反映用户兴趣,因此,新方法除仍然考虑用户浏览时间和鼠标拖动次数之外,增加了对用户强烈处理动作的考虑.仿真实验表明,该方法是一种有效的兴趣度计算方法,能更全面地表示和计算用户兴趣.
句法规则自动推导一直是计算机语言学界研究的一个热点问题.本文研究了句法规则自动推导的内涵、目标及发展趋势,重点分析了近年来国内外句法规则自动推导的典型方法,为该领域研究工作提供了必要的借鉴素材.
传统的手工排课的方法在效率和合理度上存在较大的缺陷.而利用单纯的遗传算法和蚁群算法则存在着计算时间过长和易导致早熟收敛等缺点.为了解决这些问题,我们将蚁群算法与遗传算法相结合,结果发现使用蚁群遗传算法,可以有效地减少搜索空间,使种群在遗传过程按规则分区,在区间中喷洒信息素,染色适应度与种群区间交互,形成正反馈系统,驱动整个算法得到排课较优解.测试结果表明,蚁群遗传算法较大提高了高校排课系统中的效率
聚类结果和先验知识之间往往存在某种不协调性,背景知识的合理利用可以降低这种不协调性,提高聚类效果.本文从粒计算的原理出发,利用背景知识,证明了粒的负关联保持性,即将“细”粒度层次上的背景知识扩展到“粗"的粒度层次上,从较“粗”的粒度层次上考察问题,降低搜索空间,提高了求解速度,并据此提出了基于粒计算原理的概念聚类算法CO-GrC算法.最后,通过实验验证了算法是有效地,且时间效率得以提高.
本文研究了用涂敷法制备碳纳米管场发射阴极的工艺,热解法获得的碳纳米管经过研磨,再与粘合剂、有机溶剂混合,直接涂敷在硅基底上,用二极管结构测量了其场发射特性,其开启电压为1.02V/μm,电流密度在4.5V/μm时达到了6.8μA/cm.在磁场下进行表面处理,开启电压提高到2.79V/μm,但最大发射电流有很大提高,可能缘于在磁场的作用下,碳纳米管的取向、分布状态发生了变化.
在对基于粒计算的属性约简算法进行分析的基础上,根据属性相关度的概念,提出了一种改进的基于粒计算的属性约简算法.该算法通过计算条件属性与决策属性之间的相关程度,并结合核属性的相关度,最终得到约简属性集.理论分析和通过转子故障决策表的约简结果表明,该算法可获得较优的约简属性集.