α型斯特林自由活塞反渗透海水淡化增压系统设计研究

主要提出了反渗透海水淡化系统的新型动力装置,将自由活塞斯特林发动机与往复式柱塞泵耦合,构成自由活塞斯特林增压泵,为反渗透海水淡化系统提供动力。首先,通过分析该发动机的结构和运行机理,建立自由活塞斯特林增压泵质量-液压力-阻尼系统;其次,利用实用等温模型分析法对斯特林发动机进行热力学建模,利用流体力学对液压腔压力变化建模,以及利用牛顿定律对系统活塞动力学建模;最后,借助MATLAB软件对系统建模进行求解分析,求出新型增压泵的输出功率和流量。结果证明该增压系统的设计符合反渗透海水淡化系统的需求,并可正常运行。     

级联中部设置净化级的可行性研究

级联分离同位素的过程中,不可避免的存在轻杂质,需要在级联的中间设置净化级。如果工质中轻杂质含量较多,运行级联较长时,轻杂质的存在会影响级联的正常运行。为探索在级联中部设置净化级的可行性,采用非定常态法计算求解级联分离方程组,研究净化级的位置、净化比和级联分流比对产品中轻杂质和目标组分丰度的影响。结果表明,在级联中部设置净化级,通过选取合适的级联参数,可以提高目标组分丰度,同时去除轻杂质,实现分离和净化。     

基于语义分类的文物图像标注研究

由于图像数据中普遍存在的“语义鸿沟”问题，传统的基于内容的图像检索技术对于数字图书馆中的图像检索往往力不从心。而图像标注能有效地弥补语义的缺失。文中分析了图像语义标注的现状以及存在的问题，提出了基于语义分类的文物语义标注方法。算法首先通过构建一个Bayes语义分类器对待标注图像进行语义分类，进而通过在语义类内部建立基于统计的标注模型，实现了图像的语义标注。在针对文物图像进行标注的实验中，该方法获得了较好的标注准确率和效率。     

基于RFID的物流应用解决方案

在物流供应链中，为了能够精确掌握物流资产的动态，需要对物流过程进行实时的监控，RFID正是对供应链上物体进行控制与跟踪的一种技术。本文在现有物流系统的基础上，结合RFID技术和BPM技术，提出一个物流应用解决方案，达到对物流资产的无缝跟踪。     

机器人足球仿真教练模型研究

RoboCup仿真比赛已经在国际上开展几年了,近来在国内也得到了迅速的发展,它通过提供了一个标准问题来促进人工智能和智能机器人的研究。文中以RoboCup仿真比赛为背景,首先讨论了教练模型,包括教练的角色意义和相应的权限,而后针对教练设计中涵盖的几个问题,如对手建模、规划识别、离线训练,分别给出了较好的解决方案。最后从在线教练工作过程的角度总结了有关教练技术的具体应用,并对教练的设计前景提出了一些看法。对于建立和设计仿真教练,进行多智能体系统的合作协调研究具有重要意义。     

粗糙集理论分析及其在农业数据中的应用

从数据库中挖掘有用信息，将难理解的纯数据变为容易利用的规则，从而为以后的决策提供依据。以粗糙集理论和规则提取算法为基础，将基于信息量的粗糙集属性约简算法和规则提取算法集成起来提出一种集成算法，应用粗糙集约简掉冗余属性，然后利用规则提取算法得出有效规则。将此集成算法应用于农业领域，得出规则，并且效果良好，理论分析和应用都表明了本算法的有效性和实用性。此集成算法可以应用于各种大型数据库中，从中得出有效规则，让历史数据为以后的决策服务。     

利用HSV空间的双通道同态滤波真彩图像增强

在RGB空间中分别对真彩图像的三个通道进行增强能够很好地压缩图像动态范围,但往往会产生色彩偏离。文章提出先将真彩图像由RGB空间变换到HSV空间,进行色度、饱和度和亮度分离,然后对饱和度通道进行巴特沃斯同态滤波增强,对亮度通道进行高斯同态滤波增强,除此之外,研究了同态滤波中高通滤波器截止频率如何确定的问题,并解释了同态滤波器中的比例系数。实验证实,增强后的真彩图像色彩基本无偏差,图像动态范围压缩良好。     

一种新的基于多小波的图像去噪算法

图像去噪是最基本的图像处理技术,小波分析是目前国际上最新的时间．频率分析工具,是信号去噪的强有力处理工具。通过小波变换可以将交织在一起的混合信号分解成不同频率的块信号。多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足。本文提出了一种新的图像去噪方法,该方法以多小波变换为基础。实验证明,具有很好的去噪效果。     

数据库原理课程教学模式研究

针对计算机专业数据库原理教学中存在的问题,提出了"先应用,后理论"的总体教学模式。分别从融入行业特色的教学内容、案例导向教学法、课内实验+课外实验+课外开放性创新实验相结合的实验教学模式、基于网络教学平台的教学方式以及KPAS评价体系等方面阐述了新模式的内容。新模式的应用激发了学生的学习兴趣,对教学效果和教学质量产生了特别积极的作用。     

基于密度中心图的弱监督分类方法

提出一种基于密度中心图的弱监督分类方法,利用少量已标注样本,结合大量未知模式样本进行弱监督学习。借助样本空间的密度信息,求出密度中心点来准确地反应数据的空间几何特征,在此基础上建图,利用标记传递方法,使得相似的顶点尽可能赋予相同的类别标记。该方法具备基于图的弱监督算法的良好数学基础,可以发现任意形状的类,对噪音不敏感。并且该方法具有近线性的时间复杂度,更适合处理大规模的数据。将该方法用于UCI机器学习数据集,实验证明,该方法能获得较好的分类效果。