0—1 Bottleneck问题的全部最优解

至今还未见到这方面的研究结果.本文应用图论的方法着重研究了0-1 Bottleneck问题的全部最优解的整体性质,并由这些性质给出了全部最优解的二分算法.除特别声明外,本文涉及的图论术语和记号均与一致. 显而易见,0-1 Bottleneck问题的可行解(x_1x_2…x_n)是n维0-1向量,其中m个     

铸铁水基自剥实型涂料的研究和应用

通过正交设计，设计出一种自剥水基实型涂料，并对涂料进行了多种性能实验和生产实践，证明该涂料具有好的工艺性能；材料来源广，价格低谦；无毒，无味，对环境无污染，具有推广，应用价值。     

基于多特征的PSO-MSVM动态过程质量异常模式识别

为了提高动态过程质量异常模式识别效率,将动态过程质量模式的均值特征与小波包分解特征作为分类特征,并构建两层多支持向量机识别模型进行分类.利用均值特征,在第一层MSVM中把动态过程变化趋势划分为正常与周期、上升与向上阶跃、下降与向下阶跃三大类别;采用小波包分解特征,在第二层MSVM中对这三大类别进行再分类.仿真结果表明提出的识别模型的识别精度相比采用单一特征的识别模型有明显提高.     

时空运动显著性的目标跟踪

目的 在目标跟踪过程中,运动信息可以预测目标位置,忽视目标的运动信息或者对其运动方式的建模与实际差异较大,均可能导致跟踪失败。针对此问题,考虑到视觉显著性具有将注意快速指向感兴趣目标的特点,将其引入目标跟踪中,提出一种基于时空运动显著性的目标跟踪算法。方法 首先,依据大脑视皮层对运动信息的层次处理机制,建立一种自底向上的时空运动显著性计算模型,即通过3D时空滤波器完成对运动信号的底层编码、最大化汇集算子完成运动特征的局部编码;利用视频前后帧之间的时间关联性,通过时空运动特征的差分完成运动信息的显著性度量,形成时空运动显著图。其次,在粒子滤波基本框架之下,将时空运动显著图与颜色直方图相结合,来衡量不同预测状态与观测状态之间的相关性,从而确定目标的状态,实现目标跟踪。结果 与其他跟踪方法相比,本文方法能够提高目标跟踪的中心位置误差、精度和成功率等指标;在光照变化、背景杂乱、运动模糊、部分遮挡及形变等干扰因素下,仍能够稳定地跟踪目标。此外,将时空运动显著性融入其他跟踪方法,能够改善跟踪效果,进一步验证了运动显著性对于运动目标跟踪的有效性。结论 时空运动显著性可以有效度量目标的运动信息,增强运动显著的目标区域,抑制干扰区域,从而提升跟踪性能。     

氢氧化钠含量对碱性镀锡的影响

为解决碱性镀锡沉积速度慢、锡层不均匀的问题,对槽液中的氢氧化钠含量进行了测试。试验证明氢氧化钠含量在4.5 g/L时会出现上述问题。探讨了镀锡的阳极电化学过程,分析了氢氧化钠含量对锡层沉积速度及槽液分散能力、稳定性及导电能力的影响。试验及生产证明,碱性镀锡槽液中的氢氧化钠从4~10 g/L变为8~15 g/L,可保证镀锡质量。     

抗磨铸铁强化变质剂的研究

介绍了关于含有B、Ti、Sr等合金及复合盐对抗磨白口铸铁变质效果的研究情况。并通过实验结果表明，采用复合盐类变质处理可以改善高铬铸铁的碳化物形貌，同时大大提高了冲击韧性。     

用组态软件开发先进控制技术

ActiveX控件具有可移植性、扩展性强、使用广等特点,使不同厂商所开发的控件可以真正地组装在一起,令软件的开发类似于硬件的插件装配过程,实现了软件的工业化,大大降低了软件开发成本,提高了软件的生产效率。     

β辐射伏特效应核电池的研发现状

近年来,关于β辐射伏特效应核电池的研究主要集中在放射源的选取以及新型半导体材料器件的加工工艺等方面。从能量转换机制、放射源的选择、换能器件材料的选择、电池的输出性能和能量转换效率等方面对β辐射伏特效应核电池进行了讨论和分析。最后对核电池的研究方向和应用前景进行了展望。     

制度与关怀两手抓

<正>7、8月流火,酷热难耐。如何保证安全平稳度夏,化企必须在制度上有保障,在关怀上有措施,制度与关怀一个不能少。要做到这一点,可以从以下几方面入手:一是完善极端天气下的应急预案。企业要加强设施检查,高温岗位重点防控;对于岗位操作系统,要做好事前检查;在设备保护方面,做好防晒工作;对于危化品库     

基于多主元特征与支持向量机的动态过程质量异常监控模型

为简化多支持向量机识别模型的计算复杂度、提高动态过程质量异常模式的识别精度,提出一种基于多主元特征与支持向量机相结合的动态过程异常监控模型。利用主元分析方法对动态数据进行特征提取,将所提取的不同主元特征作为支持向量机分类器的输入对模型进行训练。将识别效率高的主元特征对应的转换矩阵与多支持向量机相结合,构建了基于多主元特征的多支持向量机识别模型,对质量异常模式进行识别。仿真实验表明,所提基于多主元分析支持向量机识别模型的识别精度比传统基于主元特征或其他特征提取方法的识别模型有显著提高,且训练所需时间大大减少。