基于分块加权LBP向量和解析字典的协同表达分类

传统协同表达分类(CRC)算法因直接使用原始样本构造非传统字典,容易受到样本维度、光照和姿态变化等因素的影响。该文在协同表达框架基础上,提出了一种新的利用分块加权局部二值特征(LBP)直方图向量构造解析字典的协同表达人脸分类方法。首先通过分块加权方法优化LBP算子提取的纹理特征,然后采用解析字典学习方法将样本数据投影到稀疏系数空间,并使用协同表达方法重构测试样本,完成样本分类。与已有算法相比,该文算法的实验结果较好。ORL和LFW数据库上的实验结果证明了该文方法的有效性。     

水下航行器附连水质量的理论及实验研究

以二维无限长圆柱在水下的垂向振动为例,对其有限区域的不可压缩流场进行分析;通过数值计算并借鉴刘易斯法,分析了水域宽度比、水深比和浸没深度比等无量纲参数对刚体附连水质量的影响;提出了水下航行器附连水质量的快速预测公式.结果表明:刚性壁面可使刚体的附连水质量增大,但当刚体与壁面的距离增加到一定程度(截面半径的5倍)时,刚性壁面的影响可以忽略;自由表面可使刚体的附连水质量减小,当刚体与自由表面的距离达到截面半径的6倍时,可以忽略自由表面的影响;当刚体的垂向运动频率较高或刚体与自由表面的距离较大时,可以认为自由表面的速度势为零.     

追K行动(二)

正~~     

漆酶催化不同小分子物质改善纤维性能

以紫丁香醇和L–苯丙氨酸作为酚类物质和氨基酸的代表物质,比较了漆酶/酚类物质和漆酶/氨基酸对OCC(废瓦楞箱板纸)纸浆纤维表面性能的改善效果.使用红外光谱分析、扫描电镜、纤维形态分析对纤维表面形貌进行观察.并对漆酶和小分子物质共同处理后的OCC纸浆进行物理性能检测.纤维形态分析和表面电镜的测定证明了酚类物质和氨基酸可以接枝到纤维表面,表现为纤维粗度增加,纤维表面出现沉积物及纤维间连接膜生成,从而提高成纸强度,特别是湿环压强度提高更为明显.     

连翼布局飞机的研究进展与总体方案探讨

连翼布局飞机在气动与结构有多种优点,国内外对该布局进行了大量研究,本文主要对影响连翼布局飞机气动特性的关键参数进行了分析,设计了小型试验样机,分析其稳定性,并进行遥控试飞验证,为连翼布局飞机设计提供参考。     

聚丙烯腈纤维（PAN）液相预氧化工艺研究

预氧化阶段是制备活性炭纤维的关键步骤,为了得到均质和力学性能优良的预氧化纤维,采用液相预氧化法制备了聚丙烯腈（PAN）预氧化纤维.研究了PAN原丝在不同时间和温度液相预氧化条件下力学性能的变化,并采用红外光谱、扫描电镜等对纤维的结构和性能进行了分析.结果表明：随着预氧化的时间和温度的增加,纤维的预氧化程度提高,强力降低...     

基于惯性微流原理的微流控芯片用于血浆分离

血浆是临床生化检验中一类广泛使用的样品, 从全血中分离血浆是生命医学研究领域中一项非常重要的技术. 惯性微流(inertial microfluidics)原理的主要特点是无需施加任何外力如电磁力等, 仅依靠液体流动就可以在微通道内实现一定尺寸的微粒或细胞的聚焦流动. 本研究基于惯性微流原理, 设计并制备了具有不对称弯管结构通道的微流控芯片. 采用制备的荧光微球作为模型样品考察了装置的性能, 发现尺寸越大的微球保持惯性聚集流动的流速范围也越大. 在此基础上, 利用发展的芯片平台成功实现从稀释的血液样品中将血浆分离. 使用芯片对样品进行两次分离, 即二级分离后, 血液中血红细胞的分离效率超过90%. 该装置具有结构简单、体积小巧、操作方便等特点, 不仅可以快速分离血浆, 而且对血细胞基本无损, 易于作为功能模块与现有的一些芯片实验室(lab on a chip, LOC)系统集成结合.     

基于多重时间序列模型的城市固定资产投资与GDP的动态关系

针对固定资产投资与GDP动态关系的研究,首先采用Granger Causality Test确定固定资产投资与GDP存在因果关系,建立了固定资产投资与GDP的多重时间序列模型,并用Q统计量检验模型的适应性;对模型分析得出,固定资产投资会推动GDP增长,且具有4~5 a的正向滞后作用;最后,分别应用该模型和ARIMA模型预测厦门市2000—2008年GDP值,结果表明,该模型预测误差比ARIMA模型低8%左右.     

二元向量值多重小波包的双正交性质研究

给出了数量矩阵伸缩的二元向量值多重小波包的定义.运用傅立叶变换与积分变换,讨论了它们的双正交性,得到关于二元向量值多重小波包的双正交公式.     

融合自组织映射与Wang-Mendel方法的模糊规则提取

为解决经典Wang-Mendel方法提取模糊规则时得到的规则数目较多的问题,该文提出一个融合自组织映射(SOM)网络和Wang-Mendel方法的规则提取方案.利用SOM对原始样本进行学习,再使用Wang-Mendel方法从SOM的原型向量中提取规则.因为SOM的原型向量学习得到了原始样本的模式分布规律,并且原型向量的数量远小于原始学习样本的数量,所以该方法降低了提取的规则数目及耗费时间.有关混沌时间序列预测的实验结果表明了该文方法的有效性.