深圳开庭审理葵涌特大火灾案——6名涉案人员被送上被告席

曾经在海内外轰动一时的深圳市龙岗区葵涌致丽工艺制品厂特大火灾案已由检察机关侦查完毕．并向法院提起公诉和附带民事诉讼。涉案的4名厂方管理人员和2名公安消防人员已分别于今年8月11日和9月16日被送上被告席．接受探圳市龙岗区法院的公开审理。     

密度分布函数在聚类算法中的应用

深入分析了传统的基于密度的聚类方法的特点和存在的问题及讨论了基于密度聚类算法研究现状,提出了一种改进的基于密度分布函数的聚类算法.使用K最近邻（KNN）的思想度量密度以寻找当前密度最大点,即中心点.并使用区域比例,将类从中心点开始扩展,每次扩展的同时引入半径比例因子以发现核心点.再从该核心点的KNN扩展类,直至密度下降到中心点密度的给定比率时结束.给出了数个算法实例并与基于网格的共享近邻聚类（GNN）算法在聚类准确率和效率上进行了试验比较,试验表明该算法极大降低了基于密度聚类算法对参数的敏感性、改善了对高维密度分布不均数据集的聚类效果、提高了聚类准确率和效率.     

基于改进分水岭的CTA去骨技术①

为避免快速分水岭在CTA图像去骨中存在的过分割现象,采用一种改进的可交互分水岭算法对CTA图像进行去骨研究。改进算法建立在快速分水岭的排序操作基础上,排序完成后,采用侧重于像素空间关系的方法对像素进行溢流标记,同时采用树结构组织水盆及其合并关系,最后通过用户给定标记和合并阈值对集水盆合并过程进行干预,从而影响分割结果以抑制过分割。实验结果表明,改进算法有效地解决了分水岭变换中的过分割问题,并较好地去除骨骼结构。     

以煤炭为原料生产优质固体、液体和气体燃料

本文从加工科学原理评价出发,对当前的研究现状作了详细的分析,并选定以煤炭为原料,制取优质固体、液体和气体燃料。研究表明:最复杂的问题是如何评价液化的原料。本文还就近几年内根据加工要求在生产合成燃料方面几个最重要的问题提出了一些看法。作者认为:为选择最适当的原料来源,对这些问题应进行深入研究。     

自动测定煤中的有机硫——扫描电子显微镜及能量扩散X射线微量分析的应用

用扫描电子显微镜结合能量扩散X射线显微分析全自动地测定煤中的有机硫。只要煤中的黄铁矿含量低,用这种方法得到的值就与通常传统的方法得到的值相当一致。然而,煤中的黄铁矿含量高时,这种分析方法给出的有机硫的值就相当低。其误差可能系由于在湿法分析中黄铁矿杂质抽提的不完全,导致黄铁矿含量低,因而得出有机硫的值就高。本文提出的方法不仅主要作为测定有机硫的一种方法,还提供了另外的资料,如该法可在单个煤样和几种煤样的混合物之间进行鉴别。     

某重型设备基础的改造分析

在某钢厂设备基础改造中,采用实用鉴定法,对混凝土强度进行推算,对裂缝、缺陷、钢筋保护层厚度、钢筋的锈蚀率及结构变形进行检测和鉴定,提出利用原设备基础进行改造。新旧混凝土结合面按施工缝进行处理,对非结构性裂缝和缺陷进行修补,对结构性裂缝采用外包钢法进行加固,并灌注自流平混凝土。     

自动气象站数据采集器的常用校准方法

自动气象站主要由数据采集器和各类气象要素的传感器组成。气象传感器可通过气象计量标准器进行检定或校准，理论和技术已比较成熟；而数据采集器的检测和校准比较复杂，需定期对它检测和校准才能确保其准确、稳定及可重复的测量结果。目前，常用的4种校准方法包括采用气象要素信号发生器、选择并配置数据采集器、补偿测量误差以及采用优秀的软件技术。     

天然变性淀粉

通过基因工程技术获得变性淀粉是淀粉工业的新增长点,应该引起国内的重视.本文对淀粉的生物合成过程、天然变性淀粉的特性及其应用进行综述,并对其今后发展趋势做出探讨.     

高分辨率空间相机俯仰成像的像移补偿方法

为了使高分率空间TDI（Time Delay and Integration） CCD相机适应卫星大俯仰姿态角,以增强空间遥感的时间分辨率,分析了卫星大俯仰姿态对高分辨空间相机成像的影响,使用光学投影方法,定性分析了俯仰成像时不同视场处的像移速度差异;根据TDI CCD工作方式,提出了横向像移图像生成原理,建立了横向像移图像的恢复模型,并完成了仿真验证和算法精度分析。分析结果表明:卫星俯仰姿态越大时,像面不同视场处横向像移速度差异增大;从仿真实验和精度分析可以看到俯仰成像时采用横向像移图像恢复方法可以得到无横向像移的图像,横向像移图像采集位数越高,恢复后的图像灰度值误差越小。横向像移图像恢复方法增强了空间相机对卫星大俯仰姿态的适应能力,极大地提高TDI CCD空间相机敏捷成像能力。     

基于区域比例的聚类方法

为了改善DBSCAN参数敏感性和对密度分布不均数据对象聚类质量不高的问题,提出了一种基于DBSCAN算法的改进聚类方法。算法使用K最近邻的均值距离度量密度,中心点选取当前密度最大点,并以中心点为核心点扩展种子队列,直至由给定的密度比例因子所决定的密度边缘。为了改善聚类质量,提出了候选核心点,并使用给定的半径比例因子发现核心点。在实验中,利用数据集对该算法进行了测试,测试结果证明了该改进算法的参数鲁棒性,和在聚类密度分布不均数据集时的较好性能。