基于旋转基线的仿生学测向研究

基于奥米亚棕蝇耦合处理机制研究了一种新型测向方法,与常规两阵元模型不同的是生物两耳间存在不可忽略的耦合响应,将生物的耦合效应量化成增加有效基线长度的度量。在前人建立的简化力学模型的基础上,研究其物理本质和动力学特性,分析时域响应和频域响应,研究了高斯噪声对响应的影响。与基线旋转相结合初步完成了对信号源的测向要求。研究表明,利用生物的耦合效应增加了基线长度,为超短基线高精度测向提供了理论依据。     

基于动态距离的模糊社区识别算法

社区识别技术是公共安全领域潜在危害行为预警预测和已发生危害行为追踪溯源的基础，针对传统社区识别算法将社区视作单一集合而无法描述社区主次成员的问题，提出一种基于动态距离的模糊社区识别算法。该算法将传统的单一社区结构划分为核心区域和边际区域，以边际区域来描述社区的模糊区间。该算法首先将网络设想为动态演变模型，网络中的任意节点均会与其他节点产生互动，互动将改变各节点间距离，距离也反过来影响互动。在阈值的界定下，受到多个社区吸引的节点被划分到边际区域，最终距离分布趋于稳定，各个社区结构得以显现。通过对比实验验证了CDFDD算法在社区识别上的有效性。     

氢对7N01铝合金断裂行为影响研究

采用光学显微镜(OM)、扫描电镜(SEM)、能谱分析(EDS)、X射线衍射(XRD)、慢应变速率拉伸(SSRT)等方法研究了7N01铝合金的组织以及电化学充氢对其产生的影响。结果表明:7N01铝合金经均匀化热处理后晶粒内含有大量作为氢陷阱的MgZn2相。经电化学充氢后,材料内会产生氢致损伤,但同时材料的延伸率反而增大。针对该现象提出7N01铝合金的氢致断裂机制。     

南水北调中线干线工程运行管理内部审计工作机制探讨

介绍了国有企业内部审计工作面临的形势,南水北调中线干线工程建设管理局逢事必审工作体系及相应的工作机制,提出了国有企业组织开展内部审计的相关思路和构想。     

CO2注入井封隔器早期密封失效机制研究

为了揭示CO_2注入井中性能优良的氢化丁腈橡胶封隔器早期密封失效的机制,根据失效井的特征分析以及CO_2的相态特点,提出实现恒定泄压速度的室内实验方法,并对不同CO_2泄压速度下橡胶表面进行形貌观测和力学性能测试分析。结果表明:随着泄压速度的增加,橡胶表面出现了小气泡、大气泡甚至气泡破裂等龟裂现象,橡胶的密封性能均明显变差;注气井突然泄压时,橡胶内部的气体在短时间内无法渗出,其在内外压差作用下会膨胀形成气泡甚至爆裂,这是造成CO_2注入井封隔器早期密封失效的主要原因。为了防止封隔器的早期密封失效,推荐现场井口泄压速度控制在5 MPa/h以内。     

基于模糊RBF神经网络的PID控制方法及应用

针对常规PID控制参数固定难于满足时变不确定非线性系统的控制要求,利用模糊控制的良好收敛性和对模糊量的运算优势,以及神经网络自学习、自适应的特性,将常规PID控制与模糊控制、神经网络结合起来,提出一种基于模糊RBF神经网络的PID控制方法,实现了对PID参数的实时在线整定。将算法运用到柴油发电机调速系统的PID参数寻优中,MATLAB仿真试验结果表明,模糊RBF神经网络的PID控制具有更好的动静态特性和抗干扰性能,提高了对非线性时变被控对象的控制效果。     

基于翻转课堂教学模式下的机械UG软件的考核机制设计

分析了高职院校的常用考核机制和翻转课堂教学的特点,针对原有机械类UG课程考核方式的缺点,开展基于翻转课堂教学模式下的机械UG软件的考核机制设计的研究。提出了基于网络教学平台下的全面考核机制,使考核过程系统化、网络化、职业化、过程化。     

正则化图形模糊聚类及鲁棒分割算法

针对现有图形模糊聚类算法合理性差和抗噪能力弱的问题，提出嵌入对称正则项的图形模糊聚类鲁棒算法。将样本聚类所对应的中立度与拒分度相结合构造对称正则项，嵌入现有图形模糊聚类所对应的目标函数；同时，利用像素邻域所对应的均值信息辅助当前像素聚类并构造了空间信息约束正则项，采用拉格朗日乘子法获得正则化图形模糊聚类鲁棒分割算法。不同噪声干扰图像分割结果表明，所建议的分割算法是有效的，相比现有的鲁棒模糊聚类分割算法具有更强的抑制噪声能力。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。