学习行为大数据可视化的网络数据库学习仿真

针对传统数据库学习可视化程度低,有效提高学习效率,构建了学习行为大数据可视化的网络数据库学习方法.分析学习行为具体特征,结合贝叶斯理论按学习资源归类可视化数据;设定相关学习变量,观测变量,分别将正确率、错误率、所学知识难度、遗忘概率及状态概率等特征作为可视化函数,通过对学习行为数据采集和储存、分析学习行为及建立可视化模块,建立大数据可视化的网络数据库,充分掌握学习者学习行为情况,随后设定数据库学习评定指标函数;仿真结果表明,所提方法学习结果准确性高和平均任务完成效率都有较大提高,学习者的学习能力有显著提升,方法可行性更高.     

薄板罩式退火炉的改造

对薄硅钢板退火的罩式炉进行了多次改造：烧嘴用低压涡流式代替高压喷射式，在炉台的特殊部位采用低水泥浇注料，新型全纤维炉罩采用简单方便的固定方式，使炉子的各项性能指标显著提高，取得了良好的经济效益，节能显著。     

罩式退火炉炉罩的改造

针对罩式退火炉罩寿命短、能耗高的问题,提出了不同结构改造方案。通过探索不同结构的炉罩综合性能,确定出最佳改造方案,达到了预期目的,取得了较好效果。     

基于虚拟现实技术的通信设备实时监测方法

通信设备的状态与通信质量息息相关,为了提升通信质量需要对通信设备进行实时地监测。因此,提出了基于虚拟现实技术的通信设备实时监测方法,将虚拟现实技术和监测技术进行融合。计算通信设备实时监测的监测距离,为下一步进行实时监测做准备,然后采用虚拟现实技术实现监测信号接收,优化无线传感器节点结构,对监测接收的数据进行预处理,最后为了提升监测数据的精度,进行监测信号抗干扰处理,通过优化元器件排布结构减少内部干扰,通信数据监测时避开干扰源,最终实现,基于虚拟现实技术的通信设备实时监测。最后采用对比实验的方式验证该监测方法的实用性,实验结果证明该通信设备实时监测方法比传统的监测方法效率更高。     

安钢热轧硅钢片生产的回顾与展望

本文全面回顾了安钢热轧硅钢片的生产历史,将其划分为起步、发展、稳定三个阶段。根据安钢现有的热轧硅钢片生产设备及工艺,提出了扩大硅钢片产量的设想及应重点解决和理顺的五个问题。     

基于色彩空间分块匹配的三维动画融合技术

为了提高影视动画制作的三维图像成像质量,需要进行动画图像的动态信息融合处理,提出一种基于二维色彩空间分块匹配的三维动画图像的动态信息融合处理技术,采用虚拟视景重构技术进行三维动画图像采集和特征投影处理,对三维动画图像进行二值拟合和边缘轮廓检测,采用RGB分解技术进行三维动画图像的颜色分量提取,采用颜色模板空间投影算法进行三维动画图像的分块融合处理,提高三维动画图像的边缘像素点的特征配对性能,结合三维动画图像的色彩空间分块融合结果进行像素特征优化配置,计算匹配窗口相关系数,实现三维动画图像的动态信息融合处理。仿真结果表明,采用该方法进行三维动画图像的动态信息融合处理,能提高图像输出峰值信噪比,提高动态成像质量。