NO在(Fe_2O_3)_n(2≤n≤6)团簇上吸附的密度泛函理论研究

运用广义梯度密度泛函理论(GGA)的Pcrdew-Burke-Emrnerh(PBE)方法结合团簇模型,在双数值极化函数基组DNP下,研究了(Fe_2O_3)_n(2≤n≤6)团簇的性质和NO在其上的吸附。对于(Fe_2O_3)_n团簇通过对几何构型和性质的计算发现;(Fe_2O_3)_n团簇都具有很高的稳定性并且它们的结构和成键性质都和体材料Fe_2O_3有很大的不同;NO主要以N端吸附在Fe_2O_3团簇Fe-top位。NO在(Fe_2O_3)_n团簇上吸附为化学吸附,对应于n从2~6,吸附能分别为1.792、1.976、2.799、2.963和2.536 eV。Mulliken布局分析结合NO吸附前后的态密度分析表明:吸附前后电子由NO向(Fe_2O_3)_n团簇转移,吸附时NO的5口轨道趋向于转移电子给Fd~(3+)的d轨道,使Fe位形成d~(10)稳定电子构型,同时Fe反馈电子给NO的知反键轨道,总体上为NO失去电子。     

基于CANoe-MATLAB的电动汽车电子差速仿真

针对后轮独立驱动轻型低速电动汽车协调控制问题,以阿克曼转向为基础建立了电子差速控制模型。CANoe-MATLAB接口软件可以整合CANoe和MATLAB的优势,在SIMULINK中将所建立的差速模型用对应的CAN模块进行封装,并自动生成执行代码。同时,在CANoe中建立电子差速与电机通信的CAN网络,将生成的DLL文件加载到CANoe电子差速节点中进行仿真验证。结果表明,该电子差速控制模型能够完成轻型低速电动汽车的差速功能。同时,验证了整个控制网络的有效性、实时性和准确性。该方法具有一定的扩展性,能够在开发实际控制器之前验证控制算法的正确性。     

基于语音自动评测的普通话学习系统研究

学习汉语普通话的外国人越来越多,对外汉语教师的师资力量的匮乏,严重制约了对外汉语教学的发展.针对希望进一步掌握普通话口语学习的外国学习者,该研究提出了一种普通话游戏学习系统.本系统的学习模式结合了计算机技术和语言学研究成果,打破了传统的教学模式的限制,对学习者进行实时评测,提供学习报告与口语学习的最终评定结果.结果表明,该系统能够较为有效地辅助外国学习者的普通话口语学习.     

焊接企业生产管理系统

通过对焊接企业的分析和总结,以 Oracle 为数据平台,运用面向对象的插件开发技术,设计、开发了焊接企业生产管理系统,以便对企业焊接生产线上所有物质、流程进行更精准的监控、管理,如对焊材、母材的管理等。同时,该系统集成了各种焊材的国家检验标准数据,并支持按企业特性进行修改,为质检人员制定标准提供便捷。     

基于节点层级与标签传播增益的重叠社区发现?

多标签传播算法具有接近线性的时间复杂度,但用于重叠社区发现时存在精度低、稳定性差的问题。文中基于重叠节点更可能出现在社区边缘的思想,提出基于节点层级与标签传播增益的重叠社区发现算法。该算法首先利用改进的基于节点中心度与社区分布约束的单标签传播方法发现非重叠社区,并在标签传播过程中利用局部信息同步计算节点中心度。然后根据节点中心度定义节点层级函数,标记节点在所属社区中的层级。最后基于节点间的标签传播增益,利用新的多标签更新规则,获得重叠社区结构。实验表明该算法能有效提高精度和稳定性。     

基于多端元混合光谱模型与Landsat影像的北京不透水层动态研究

中国正在经历快速地城市化过程,及时又准确地掌握城市化过程对我国社会经济发展具有重要的实际意义。以Landsat-TM和ETM+为主要数据源,通过多端元光谱混合分析法(MESMA)提取北京建成区不透水层的时空演变信息。在Ridd的V-I-S(植被—不透水层—土壤)概念模型框架下,基于最小噪音变换(MNF)将TM或ETM+的6个光谱波段转换成MNF空间,并定义4种端元光谱分别代表植被、高反射率地表、低反射率地表和土壤,同时构建北京建成区端元光谱数据库。然后在MATLAB软件包中实现MESMA模型程序,依次提取北京市6个时段的不透水层信息。研究结果表明:MESMA方法能够提高植被、土壤和不透水层提取精度,相对误差分别为14.6%、17.3%和11.9%。研究结论充分说明MESMA方法应用到一个时间序列的中分辨率多光谱遥感影像是非常有效的。MESMA光谱分解方法能高效实现北京城市动态变化和城市扩张的监测。     

基于USB的WSN测试与分析系统

实时监控无线传感器网络（WSN）从单个节点到整个网络的运行状态,是进行无线传感器各类研究及应用开发的关键技术之一,为了克服基于UART的数据传输所存在的速率瓶颈问题,设计了一种基于USB的WSN监测系统,主要包括侦听节点和监测分析系统两部分。侦听节点采用CC2531 USB Dongle,以被动侦听的方式获取无线传感器网络的数据包（符合IEEE802.15.4标准）,封装后通过USB接口上传至上位机监测分析系统。上位机监测系统,通过USB接口读取数据帧、完成帧信息存储、解析。实验结果表明该设计能够实现数据传输并以图形方式动态显示网络运行状态。本监测系统的设计为开展WSN的各类理论及实验研究提供了有力的分析工具。     

HJ-1A NDVI与MODIS NDVI时间序列提取植被物候特征对比研究

以HJ-1A和MODIS为数据源,通过动态阈值法提取物候特征参数,对HJ-1A NDVI和MODIS NDVI时间序列进行植被物候特征提取进行定性和定量比较,通过比较结果,提出HJ-1A NDVI数据在该应用中存在的问题,促进国产中空间高时间分辨率影像数据在植被物候信息提取研究中的应用,提高其在生态系统研究中的应用价值。结果表明:在SOS、EOS和LOS以及TOMS几个主要的物候时间点上,MODIS NDVI时间序列的标准差较小,所得物候数据更为集中,偏离度较小,所得物候数据较稳定;而HJ-1A NDVI时间序列所得物候数据的标准差较大,数据偏离程度较大,而在POS、BOS和AOS等表征植被生命周期中生长幅度数据上,其标准差较小,离散程度小。     

全极化SAR影像城区建筑密度分析

针对全极化SAR影像的建筑区特性,提出了一种基于极化特征共生矩阵的城区建筑密度分析方法。首先将极化特征与共生矩阵结合,在考虑建筑区极化散射机理和建筑朝向作用的同时,兼顾了建筑区的空间排列信息,在此基础上为了增强建筑密度的局部区域特性,将共生矩阵特征进行K-means聚类,结合图像分块形成标号直方图统计矢量,进而对该直方图统计矢量进行矢量量化实现SAR影像城区的建筑密度分级。RadarSat-2全极化SAR影像城区建筑密度分析的实验表明,该方法既适用于建筑朝向复杂城区也适用于建筑排列整齐城区的密度信息提取。     

基于外观的复合属性学习的细粒度识别

由于语义可理解性及共享性,视觉属性作为刻画对象的中间特征表示在众多领域得到了广泛应用。视觉属性学习中,大量的人工成本用于属性定义和标注,因此难以避免地引入了主观偏见,属性表示的类别判别性难以保证,尤其面临对判别性要求较高的细粒度识别任务时更为明显。复合属性符合人类认知规律以及对象复杂多模分布的事实,从刻画对象的分布入手,以较低廉的代价建立兼具一定描述能力及较好判别能力的特征表示,以应对细粒度识别任务对判别特征和判别模型的较高要求。在细粒度识别代表性公开数据集CUB上验证了所提方法的有效性。在细粒度识别任务中,复合属性表现出比人工定义的属性以及类别判别属性更优的性能。