Bi-Te-Se热电薄膜的电化学沉积

在含有Bi 3＋、HTeO2＋、Se4＋离子的水溶液中通过电化学方法实现了Bi2Te3-ySey热电薄膜沉积,研究了电沉积Bi2Te3-ySey的阴极极化曲线及热电薄膜的生长过程,通过电子显微镜（SEM）和能谱仪（EDS）等手段对热电薄膜进行了形貌、成分分析。结果表明电解液的离子组成、沉积电位对薄膜成分、形貌有较大影响。在-0.07V沉积电位下制备的热电薄膜Bi2Te2.75Se0.95晶粒大小均匀,结构致密。     

DF-SSD:一种基于反卷积和特征融合的单阶段小目标检测算法

针对经典的单阶段多目标检测算法SSD对小目标物检测效果差的问题,提出DF-SSD算法,其核心技术贡献包括基于反卷积与特征融合的方法和改进后的先验框尺寸计算算法。反卷积与特征融合能够增加浅层特征层的语义信息。改进后的先验框尺寸计算引入了数据集的特点,能有效利用每一个先验框进行训练和预测。改进后的方法DF-SSD与基于SSD改进的R-SSD和RSSD模型相比,具有较高的检测准确率。同时,DF-SSD的检测时间仅是R-SSD的1/2,是DSSD的1/5。改进后的方法在VOC2007和DIOR这2个数据集上的MAP比SSD分别提升了1.4和3.6个百分点。其中ship、vehicle、windmill、cat这4类小目标的MAP分别提升了23.2、12.6、8和4.8个百分点。结果表明：DF-SSD方法有效提高了小目标物的检测正确率,并且具有较快的检测速度。     

VISDMiner：一个交互式数据挖掘过程可视化系统

针对数据挖掘中挖掘过程不透明以及用户交互少的问题,本文设计并实现了VISDMiner系统。VISDMiner系统将可视化技术和数据挖掘技术结合在一起,提供对挖掘过程中各阶段产生的可视化子结果集的分析。用户可根据自己的领域知识和经验去调整数据挖掘算法模型的参数和可视化模型的参数,促进算法和挖掘分析过程的有效调优。为了处理高维数据集,VISDMiner系统采用一种基于最大信息系数的主成分分析改进算法MIC-PCA,该算法主要是针对传统PCA算法降维能力和分类准确率低的问题进行改进。实验结果表明,VISDMine不仅实现了数据挖掘过程的可视化,还提高了用户对数据挖掘〖JP2〗执行结果的可理解性,其采用的改进的MIC-PCA算法提高了PCA算法的降维能力和分类准确率。     

DRVisSys：基于属性相关性分析的可视化推荐系统

数据可视化通常是展示数据价值最有效的方式。针对大规模复杂多维数据,对相关数据子集进行分析并将分析结果自动映射成合适的可视化展现模式,是一项需要大量迭代计算的复杂技术工作。设计并实现了DRVisSys系统,该系统根据属性关联分析技术推荐出合适的可视化展现模式;其对于非平凡属性组合的选择,采用典型关联算法计算出更优的属性集。考虑到各属性权重在实际生活中是有区别的,采用层叠隐马尔可夫算法计算各属性权重,将属性权重作为非平凡属性组的评测标准之一。为使得推荐出的可视化展现模式能更好地满足用户需要,DRVisSys系统能根据用户反馈,更新可视化推荐模型。实验结果表明,DRVisSys能够快速进行数据分析并为用户推荐出合适的可视化展现模式。     

基于容量和电压的混合最优控制均衡

电动汽车中动力电池的单体之间会逐渐出现不一致性,从而大大降低电池包的性能和使用寿命。针对此问题提出了一种新颖的基于容量和电压的混合最优控制均衡方案,该方案优先进行容量均衡,同时结合电压均衡对电池组进行混合最优控制,此策略充分利用了两种均衡策略的优点。此外,通过实际工况实验,特别是在针对磷酸铁锂动力电池的均衡应用中,充分证明了该方案相比于传统均衡策略——电压均衡,效率更高、均衡效果更好,能够很好地改善电池单体之间的不一致性,提高电池组的充放电容量。     

基于微机电系统技术的微型热电致冷器研究进展

介绍热电材料、热电器件的原理及发展历史,从材料及结构两方面,对基于微机电系统加工工艺的微型热电致冷器的最新研究进展进行综述,比较不同材料及不同结构的性能特点,对块体热电材料和低维热电材料的研究进展进行介绍,着重分析超晶格薄膜材料及Cross-Plane型器件,指出研究具有更高优值系数的新型材料,在维持Seebeck系数不变的同时提高电导率并降低热导率,及采用新的加工工艺优化致冷器的结构,减小接触电阻、接触热阻等,是提高热电致冷器性能的有效手段。     

一种面向工作负载预测的基于小波变换的特征提取方法

在资源受限条件下,根据数据挖掘任务在执行过程中实时产生的资源和任务状态来准确地预测任务执行时间是非常重要的。为有效地使用时间序列数据实现准确预测,提出一种降载策略来确定预测的切入点和数据处理方案。该策略使用动态时间规整(Dynamic Time Warping, DTW)距离度量子序列与整个序列之间相似度的变化以确定用于预测的数据,然后利用小波变换计算小波系数并提取小波系数的能量值作为预测的特征,最后预测任务执行时间。实验结果表明,该方法提取的特征信息包含原序列较多信息,在预测任务执行时间方面具有较高的准确性。     

DoFFT：一种基于分布式数据库的快速傅里叶变换方法

快速傅里叶变换在天文学中有着广泛的应用。例如，脉冲星信号通常需要基于快速傅里叶变换进行相干消色散处理。由于信号数据通常存储在数据库中，而将数据从数据库取出后再由外部程序进行快速傅里叶变换处理将产生大量I/O和网络开销进而严重影响整体处理性能。针对此问题，本文设计一种用户自定义函数(UDF)形式的可在分布式数据库中并行执行和优化快速傅里叶变换的算法DoFFT(DatabaseoptimizedFFT)。此外，针对数据库集群中每台机器负载不同、数据分布不均匀等有时会导致执行效率低下的问题，DoFFT方法基于CPU、I/O，网络与传输速率等的代价，对涉及的数据进行数据重分布处理，以进一步优化快速傅里叶变换的并行执行。实验结果表明，采用基于数据重分布的优化后，DoFFT算法的性能得到了有效提升。