自相似结构微通道传热分析及结构优化

随着大型集成芯片等电子设备的释热率不断升高,普通的微通道热沉（MHS）已经很难满足其散热需求。自相似微通道热沉（SSHS）作为一种新的换热结构设计,与一般的微通道热沉（MHS）相比,具有更好的综合性能和应用前景,但SSHS内部依然存在一定的流量分配和换热不均等缺陷。为了克服SSHS自身的缺陷,提高其工作性能,本文将原有的入口分流通道改为减缩式设计,以缓解SSHS原型设计中流量分配不均的缺陷,同时利用数值方法,在分析各结构参数影响基础上,进行了优化设计。鉴于SSHS内每个换热单元结构均相同,计算模型选择了一个完整的换热单元进行模拟分析和参数优化,计算单元包含十个溢流通道、半个入口分流通道与半个出流通道。换热工质为水,单元的流量范围为0.27kg/h~0.9kg/h。工作压力为常压,盖板热负荷为1MW/m2,计算模型为层流模型（Re范围150~500）。数值分析结果表明：对于原型设计,入口分流通道末端存在较强烈的滞止效应,直接导致各溢流通道之间流量分配不均,溢流通道间的流量分配相差9.5-12.9倍,且流量分配不均直接导致换热不均,盖板外壁面的温差达到了10.8-12.1℃。通过将分流通道改为减缩式斜坡结构,可以一定程度上消除滞止效应的影响。经过优化对比分析后发现,随着斜坡角度的增加,流量分配的均匀性和换热均匀性均得到进一步提高,但同时也导致流动阻力有一定的增加。综合考虑后,斜坡角度确定为4.3o时,可以在计算参数范围内使优化结构获得最佳的综合性能。虽然导致系统压降最大有12%左右的增加,但使流量分配从最大相差12.9倍降至最大仅相差2.7倍,平均换热均匀性提高了50%以上。改进和优化后的设计,可以为SSHS的推广应用提供参考和借鉴。     

分形美学--超越传统形式美的全新美学

提出分形美学是超越传统的统一与变化原则的全新的建筑形式美的基本法则。全息论与分形理论的共同特点是它们都研究物体的自相似关系。分形对传统形式美的超越表现在三个方面：局部和更大的局部或者是局部和整体的对称；分形图形的丰富性和不规则性，对人的思维和想像力的启发性。并以三个具有分形意义的著名建筑实例加以论述.     

传统聚落构成与特征分析

从秩序化、区域化、符号化三个方面对传统聚落构成进行分析;秩序化、区域化、符号化三者并非相互孤立,而是相互影响并作为一个整体体现出传统聚落的特征:同质与同构、顺应与原创、生长与传承,这三个特征可作为现代建筑聚落设计的借鉴。     

自适应非局部3维全变分彩色图像去噪

目的 许多彩色图像去噪算法未充分利用图像局部和非局部的相似性信息,并且忽略了真实噪声在彩色图像不同区域内分布的差异,对不同图像块和不同颜色通道都进行同等处理,导致去噪图像中同时出现过平滑和欠平滑现象。针对这些问题,本文提出一种自适应非局部3维全变分去噪算法。方法 利用一个非局部3维全变分正则项获取彩色图像块内和块间的相似性信息,同时在优化模型的保真项内嵌入一个自适应权重矩阵,该权重矩阵可以根据每次迭代得到的中间去噪结果的剩余噪声来调整算法在每个图像块、每个颜色分量以及每次迭代中的去噪强度。结果 通过不同的高斯噪声添加方式得到两个彩色噪声图像数据集。将本文算法与其他6个基于全变分的算法进行比较,采用峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity, SSIM)作为客观评价指标。相比于对比算法,本文算法在两个噪声图像数据集上的平均PSNR和SSIM分别提高了0.161.76 dB和0.12%6.13%,并获得了更好的图像视觉效果。结论 本文去噪算法不仅更好地兼顾了去噪与保边功能,而且提升了稳定性和鲁棒性,显示了在实际图像去噪中的应用潜力。     

Web QoS的测控技术

随着基于Web的Internet应用越来越广泛,提高Web服务器的性能(QoS),已成为当前研究的热点课题.为了提高Web服务器的性能,必须研究Web QoS的测控技术.系统地阐述了Web QoS的测控技术中的几个主要问题,包括:测量技术中的负载发生器、网络流量的自相似模型和测试软件等问题,控制技术中的Web QoS反馈控制、控制目标、建模和控制算法等问题.     

基于改进YOWO算法的学生课堂行为识别

当前,大部分的学生课堂行为识别工作主要基于单帧图像进行,忽略了行为的连贯性,因此不能充分利用视频信息来对学生的课堂行为进行准确刻画.所以,本文提出一种改进的YOWO算法模型,有效利用视频信息对学生课堂行为进行识别.首先,本文采集某高校真实课堂教学中的授课录像,制作出包含5类学生课堂行为的AVA格式视频数据集;其次,采用时移模块TSM (temporal shift module),用来增强模型获取时间上下文信息的能力;最后,采用非局部操作模块non-local来提高模型提取关键位置信息的能力.实验结果表明,通过对YOWO模型的优化,使得网络的识别性能更佳.在学生课堂行为数据集上,改进后的算法的mAP值为95.7%,相较于原YOWO算法在mAP值上提高了4.6%;模型参数量为81.97×10⁶,计算量为22.6 GFLOPs,参数量和计算量分别降低32.3%和9.6%;检测速度为24.03 f/s,提升了约3 f/s.     

完备的无参数近邻保持及最大化非近邻算法

无参数保持投影算法无需参数设置且识别性能稳定,但算法不能有效地保持样本的局部结构,且忽略了非局部样本所起的作用,而且存在着小样本(SSS)问题,为此提出了一种完备的无参数近邻保持及最大化非近邻算法。算法以样本间余弦距离0.5为分界点将样本分成近邻及非近邻样本,为了充分利用近邻样本及非近邻样本,分别构造了近邻散度矩阵及非近邻散度矩阵,因此算法的目标函数就是求取能够最小化近邻散度矩阵的同时,最大化非近邻散度矩阵的投影矩阵。对于目标函数的求解,可先将高维样本通过主成分分析(PCA)算法降至一个低维的子空间,并通过两个定理证明了这种处理方法没有损失任何有效的判别信息;然后将目标函数转换为差形式,从而有效地解决了小样本问题。在人脸库及掌纹库上的实验结果表明,与无参数局部保持投影算法相比,所提算法平均识别率更高,验证了算法的有效性。     

邻域加窗的非局部均值CT成像去噪方法

为了进一步提高CT图像的质量以利于工业CT图像后处理,对CT成像过程中高斯噪声的去除方法进行了研究。针对NLM算法的不足,提出了一种基于邻域加窗的非局部均值CT成像去噪方法。主要是对CT投影图像数据采用非局部均值技术中相似性计算不准确的问题进行改进,在计算相似性权值时加上高斯窗函数。与其他去噪方法进行对比实验。实验结果表明：采用了邻域加窗非局部均值去噪方法,比其他的去噪方法效果更好。基本满足在CT成像去噪的同时更好地保留工件的细节信息的要求。     

基于网络流量自相似性的蠕虫攻击检测方法研究

网络蠕虫攻击是一种危害巨大且难以防御的网络攻击方式。传统的基于特征匹配的蠕虫检测方法受限于对蠕虫特征值的提取,无法检测未知类型蠕虫的攻击。在此将表征网络流量自相性的Hurst参数应用到蠕虫攻击检测,通过对Hurst参数的变化来检测未知类型蠕虫的攻击。实验表明该方法能有效检测到网络中采用主动扫描方式传播的未知类型蠕虫攻击行为。     

基于非局部的图像去噪方法的发展现状综述

通过对图像的相似块做处理从而达到去噪目的,是当前较为新颖的去噪方法,在对国内外利用相似块去噪文献进行理解和分析的基础上,回顾相似块去噪研究的发展,阐明相似块去噪的原理,并总结了相似块去噪的各种方法。最终基于对相似块去噪方法的分析,提出了对其研究方法的展望。