关中地区的贫水化探讨

关中地区水资源贫乏，供需矛盾尖锐，存在严重贫水化问题，这阻碍着陕西经济的进一步发展．本文主要论述了这一地区贫水化的表现，提出解决贫水化问题的措施和对策     

硬盘的几种常见故障及解决方法

阐述了硬盘的几种常见故障和解决方法，包括简单的数据恢复方法。     

多尺度自适应Gamma矫正的低照图像增强

为了在提高低照图像的亮度和对比度的同时,保持图像的色彩自然度,提出了多尺度自适应Gamma矫正的低照图像增强方法.鉴于HSI颜色空间的明度分量Ⅰ决定着图像的明暗程度,以及明度分量的多尺度特性,首先,将图像转换到HSI颜色空间,对明度分量Ⅰ进行多尺度Retinex分解;然后,对分解得到的多尺度光照图像分别进行自适应的Gamma矫正,其中Gamma指数自适应于暗区像素的占比,鲁棒地改善光照图像的光照分布,经Retinex反变换得到增强的多尺度明度分量;最后,将增强的多尺度明度分量的线性融合作为增强的明度分量Ⅰ’,与色相分量H和饱和度分量S重组,得到最后的增强图像.实验结果表明,相对于部分最新提出的现有方法,新方法的PSNR和SSIM值分别高出1.19 dB和1.8%以上,具有更好的增强效果和鲁棒性,增强图像的视觉效果更适宜,对比度更高.     

潜在表示学习框架下的低冗余多视图聚类算法

基于潜在空间学习的多视图聚类研究得到了较大发展,但其通常忽略了原始数据中冗余信息的存在可能会带来不理想的聚类结果。为解决这个问题,提出一种潜在表示学习框架下的低冗余多视图聚类算法。基于k-means的方法,直接从各视图数据学习其低维表示,由于该低维表示的各个特征相互正交,学习到的低维表示通常含有较少的冗余信息。基于潜在空间的假设,各视图的低维表示可由同一个潜在表示投影得到。将两者结合,就能得到一个具有低冗余信息的统一的潜在表示。设计了一个优化算法来求解目标问题,在多个公开数据集上的实验表明了该算法的有效性。     

竖向荷载作用下悬索桥纵向变位特征与机理

为揭示竖向荷载作用下悬索桥纵向变位特征与机理,以主缆变形理论为基础研究了其竖向荷载下的变位特征,并得出了其竖向及纵向位移解析解;在此基础上,分析了竖向荷载作用下传统悬索桥和设有中央扣悬索桥的纵向变位特征及加劲梁纵向位移,揭示了中央扣纵向约束机制,并分别推导了加劲梁在竖向荷载下的纵向位移计算公式;最后,通过算例分析验证所提位移计算公式计算精度. 结果表明：由于主缆的几何非线性特征,竖向位移与纵向位移相互耦合,在非对称竖向荷载作用下,主缆发生非同步纵向位移,而加劲梁主要以类似“摆锤体”发生刚体的纵向位移;跨中处主缆、加劲梁及中央扣因中央扣的存在形成一个“刚域”区,从而导致加劲梁纵向位移减小;所提计算方法与有限元数值解法在不同竖向荷载工况下吻合良好.     

反馈与启发式教学

当前学校教育面临加强培养创造型人才的严峻挑战,专家呼吁改变目前应试教育这种旧的模式是关键。     

结构疲劳寿命估算的计算机仿真

采用人工神经物方法描述了材料在疲劳损伤过程中的性能变化,将材料的疲劳过程看作一个离散事件,建立了既能反映累积损伤的非线性效应,又能反应映材料循环特性的疲劳损伤累积模型。     

High-precision timing of the Quaternary standard samples with thermal ionization mass spectrometry (TIMS) U-series method

Two national stalagmite standard (GBW04412, GBW04413) and one international coral standard (RKM_4) have been determined by using thermal ionization mass spectrometry (TIMS) method. The values of ( 234 U/ 238 U) act , ( 230 Th/ 234 U) act and age are all consistent in error range with the standard values obtained by using α spectrometry.     

用于瞳孔序列图像分析的实时轮廓检测和参数提取

本文介绍一种医用图像分析系统．该系统连续获取瞳孔图像,根据对图像序列的某些先验知识自动确定门限．在此基础上进行快速边缘检测,并自动修补缺损的目标轮廓．在判定所得轮廓有效后计算目标面积．若数据无效则自动重新采样．序列图像观测结束后对间隔不均匀的数据进行内插校正．系统所提供的分析结果可用于临床和医学研究     

重建硬盘分区表时相关参数的使用

本文说明 了硬盘分区表与硬盘参数和磁盘Ｉ／Ｏ参数表之间的关系太部分 参数的获取方法,彰如何利用这些参数肋分区表