注重功效回归本真——大连民族学院金石滩校区规划设计

本文介绍了大连民族学院金石滩校区的规划设计要点,设计师以理性的创作思维,将追求校园的功效性放在首位,力求为大连民族学院创造一个科学民主、自由开放、舒适优美、符合现代办学需求的校园文化载体,并在功能布局、环境系统、交通组织、建筑特色等方面进行了一些探索和尝试。     

卫星层析扫描(CT)遥感大气的通道优化

从ＨＩＴＲＡＮ光谱数据库中以７条具有良好空间分布权孙数，适合于卫星ＣＴ反演大气温度的通道，采用特征值方法，分析了各通这独立性，讨论了扫描角度对ＣＴ反演大气温度廓线权函数的影响。     

计算机在导线选择计算中的应用

本文介绍的计算机选取导线截面程序,在多分支供电线路导线截面选取及线路电压损失校验工作中尤为适用。计算机在执行该程序时,首先按允许电流选取导线截面,再进行电压损失校验;最后对导线截面最优处理,从中选出能使线路有色金属消耗量最少的各段导线截面。程序中还应用了数据文件检索系统,代替了人工查表法。     

三移动网合一——以体制创新带动西部IT产业的跨越式发展

随着人类生活的高速化、信息化和移动化 ,包括个人视讯 (信息或娱乐 )在内的多媒体移动通信将成为人们不可或缺的生活需要。在移动的情况下 ,一切视讯 /通信都应是一个有机的整体 ,必然要求“三移动网含一”。又由于在移动网的情形下 ,技术最新、历史负担最小 ,“三移动网”也才有可能真正“合一”。同时 ,“移动 (无线 )接入”也将是现有网络的薄弱点———“接入网”的最佳手段和最后终结。基于国际上近年来实施数字地面电视积累的丰富经验 ,新一代“多载波扩频”技术为我国数字地面电视的发展开创了无限生机。以数字地面电视的分布化、双向化、基站化的“蜂窝单频网”为基础 ,在VHF/UHF波段上利用最先进的现代信号处理 /数字通信技术 ,将我国的移动地面电视 (MobileTelevision Terrestrial)、、移动通信 (MoblleTelecommunication)、移动因特网 (MobileTCP/IP)在全面的系统、协议、设备、终端、服务的意义上统一为整体 ,从国外的“多协议、多业务、多制式”的纷繁巢臼和历史负担中脱颖而出 ,把我国交互式地面电视网开发成一个无线、移动、宽带的双向数据通道———“三移动网合一 (ThreeMTinOne)” ,并采用光因特网 (IPoverOptical/IPoverDWDM)为主干网。本文在国内外率先提出了“三移动网合一”的解     

基于粒子滤波的陀螺随机漂移预测模型研究

陀螺随机漂移是弱的非平稳非线性信号,传统的线性化参数估计方法会导致模型参数不精确。提出采用粒子滤波的方法对陀螺随机漂移时间序列AR模型进行滤波处理,试验结果表明:粒子滤波不仅消除了非线性对陀螺漂移的影响还克服了AR模型的参数估计误差。与UKF滤波方法相比,粒子滤波的随机量不受高斯分布的限制而且滤波结果可以达到或超过UKF。     

c4.5算法在研究生就业信息库中的应用研究

对于高校研究生信息管理系统中积累的大量数据,运用数据挖掘算法中的c4.5数据挖掘算法对所给数据进行分类和预测。通过一个实例给出了该算法在高校研究生就业工作中的应用。挖掘结果表明,该算法能够正确的将就业数据进行分类,并得到若干有价值的结论,供决策分析。     

哈尔滨索菲亚广场扩建及周边环境综合整治规划设计方案

该方案设计力求通过对哈尔滨市索菲亚教堂周边建筑、环境、商业业态的综合整治,恢复并提升这一地区作为哈市重点历史文化街区的风貌特色．从而实现该区域的整体复兴。     

基于心理声学参数的新型卧铺动车组包间噪声分析

在实际运营的线路上测试一种新型卧铺动车组250 km/h匀速运行时的包间噪声。基于心理声学参数,包括响度、尖锐度、抖动强度和粗糙度,详细分析新型卧铺动车组不同"坐卧型式"下的包间声品质特性,并使用球形声阵列对包间噪声进行基于心理声学参数的声源识别。研究结果表明:上、下铺平躺时的噪声主要差别在于响度和抖动强度,尖锐度和粗糙度的水平基本一致。对于右耳,上、下铺平躺时的心理声学参数差异规律和左耳相似,但是差异的百分比明显高于左耳。下铺平躺和坐立时,左、右耳规律不同,左耳心理声学参数相差最大的是响度,右耳相差最大的则是尖锐度。响度的声源位置主要位于车窗区域,其次为顶板区域;尖锐度的声源位置主要位于地板区域。相关研究结果可为新型卧铺动车组包间声学环境的优化提供科学依据和参考。     

数字式低真空测压仪在化学实验中的应用

本文将DPC－2B数字式低真空测压仪应用于基础化学的减压蒸馏操作等实验中，替代U型水银压力计，从而达到消除汞蒸气的污染，增加实验的安全性，在实验时读取数据更方便、更直观，操作更容易等目的。     

深度残差学习下的光源颜色估计

目的 颜色恒常性通常指人类在任意光源条件下正确感知物体颜色的自适应能力,是实现识别、分割、3维视觉等高层任务的重要前提。对图像进行光源颜色估计是实现颜色恒常性计算的主要途径之一,现有光源颜色估计方法往往因局部场景的歧义颜色导致估计误差较大。为此,提出一种基于深度残差学习的光源颜色估计方法。方法 将输入图像均匀分块,根据局部图像块的光源颜色估计整幅图像的全局光源颜色。算法包括光源颜色估计和图像块选择两个残差网络：光源颜色估计网络通过较深的网络层次和残差结构提高光源颜色估计的准确性;图像块选择网络按照光源颜色估计误差对图像块进行分类,根据分类结果去除图像中误差较大的图像块,进一步提高全局光源颜色估计精度。此外,对输入图像进行对数色度预处理,可以降低图像亮度对光源颜色估计的影响,提高计算效率。结果 在NUS-8和重处理的ColorChecker数据集上的实验结果表明,本文方法的估计精度和稳健性较好;此外,在相同条件下,对数色度图像比原始图像的估计误差低10% 15%,图像块选择网络能够进一步使光源颜色估计网络的误差降低约5%。结论 在两组单光源数据集上的实验表明,本文方法的总体设计合理有效,算法精度和稳健性好,可应用于需要进行色彩校正的图像处理和计算机视觉等领域。