差异化定价策略下的远洋洲际班轮航速与航线配船优化

针对远洋洲际集装箱班轮航速与航线配船优化问题,在考虑集装箱货物时间价值的基础上,通过分析在往返两个长航段上船舶航速变化对货物运输时间的影响,构造了对即期市场客户随航速变化的差异化定价函数,以船公司周利润最大化为目标,构建了集装箱班轮航速与航线配船混合整数非线性规划模型,设计离散化求解算法.算例验证了模型和算法的有效性和适用性.结果表明,差异化定价策略下的航速与航线配船优化,不仅可以降低客户集装箱货物的时间成本,而且也能够明显地增加船公司的运输收益.此外,使最优航速阶梯型下降的燃油价格阈值会随着收益增量比例系数的提高而增大.研究结论可以为船公司航线配船决策提供科学的参考.     

定向气流TG-CVI法快速致密化盘状 C/C复合材料工艺

C/C复合材料因其特异性能在航空航天、武器装备等领域得到了广泛应用.但其制备过程中致密化周期很长导致成本居高不下,限制了C/C复合材料在众多领域的应用.采用定向气流温度梯度气相渗透(TG-CVI)快速致密化方法制备盘状C/C复合材料,并对其致密化行为和致密化工艺进行研究.结果表明:定向气流TG-CVI法能有效抑制气相沉积过程中C/C复合材料表面"结壳"现象,实现盘状C/C复合材料的逐层快速致密化,是制备盘状C/C复合材料较为理想的工艺.在1 080℃下,只需沉积67 h,C/C复合材料的密度就可达到1.8 g/cm~3,热解碳结构全部为粗糙层结构(RL).     

广义混合变分不等式的weak-sharp解及算法的有限收敛

提出广义混合变分不等式问题的解集满足的weak-sharp条件,并通过约束集的支撑函数的一些性质,获得weak-sharp条件的等价刻画.在广义混合变分不等式问题的解集满足weak-sharp条件之下,还获得任意迭代算法有限收敛的等价条件,其中有限收敛指算法在有限次迭代后,得到广义混合变分不等式问题的精确解.最后,以广义混合变分不等式问题的超投影近似点算法为特例,在一定的条件下,获得该算法的有限收敛性.     

基于混合高斯模型的储物柜存取货行为检测方法

针对储物柜存取货物场景的实际情况和人员行为的特点，提出一种通过融合时间调整机制控制前景融入背景的改进型混合高斯建模检测方法，并引入手臂识别机制。融合时间调整机制减小了由于人员停止运动而错误决策为背景的可能性；手臂识别算法模型有效地识别人员伸手动作。实验结果表明，该方法可以简单有效地从连续的图像序列中检测出人员在储物柜场景下的存取货物行为。     

CO_2-[emim][Tf_2N]二元混合体系超额混合焓的预测

针对传统制冷工质对存在诸如氢氟烃的环境问题、氨水的毒性和精馏问题,以及溴化锂制冷温度高和腐蚀结晶等问题,提出一种对环境友好的以CO2为制冷剂与以离子液体[emim][Tf2N]为吸收剂的新型吸收制冷工质对。为了研究CO2-[emim][Tf2N]吸收制冷系统性能,以WS混合规则为桥梁,结合PR状态方程和NRTL活度系数模型,建立GE-EOS热力学模型,得到CO2和离子液体二元混合体系在高温高压下的超额混合焓。计算结果表明:CO2液相摩尔分数大于0.43时,二元混合体系的超额混合焓均为负值,混合为放热过程,说明二元混合体系具有成为吸收制冷工质对溶液的基本特征。同时,利用CO2-[emim][Tf2N]吸收制冷系统进行初步实验研究,实验结果表明,系统制冷系数平均相对误差为16.3%,验证了模型具有较好的计算精度。     

平滑移动过程的矩完全收敛性

本文研究了基于φ-混合序列的平均移动过程的矩完全收敛性,主要工作是在Kim,Ko的基础上将矩完全收敛性推广至q阶矩,并将其中的结论作为本文的特例给出。     

基于混合BP神经网络农业旱灾脆弱性评估模型初探

根据区域灾害脆弱性理论，农业旱灾是致灾因子干旱与农业旱灾脆弱性共同作用的结果，脆弱性的存在是农业旱灾发生的主要原因和重要因素.从自然环境和社会经济分析农业旱灾脆弱性的影响因素.提出混合BP神经网络算法，运用MATLAB实现农业旱灾脆弱性快速模拟评估，建立基于混合BP神经网络农业旱灾脆弱性评估模型.     

非同分布φ混合序列加权和的强极限收敛性

利用φ混合序列矩不等式和截尾的处理方法,研究非同分布φ混合序列加权和强极限收敛性质的问题,得到了若干新结果,推广并改进了独立同分布情形下的相应结果.     

局部Fisher向量编码与交叉视角二次判别分析的人头重识别

目前行人重识别主要是基于完整人体的研究,但是某些特定场景下,完整行人图片难以获取,因此本文建立一个基于人头的重识别数据库,并提出了相关算法.算法采用局部Fisher向量编码和交叉视角二次判别分析算法,首先基于HSV颜色信息去描述特征,使用高斯混合模型对特征数据建模,然后Fisher向量加权聚合,最后对样本的低维特征子空间和度量矩阵同时进行学习.实验及分析证明了基于人头的重识别算法的可行性,其中基于Rank1的重识别率达到89.29%.