转炉热喷补机喷射系统的分析

论述了转炉热喷补技术的发展与应用，在对宝钢转炉热喷补机进行充分调查的情况下，对喷补机喷射系统的结构及参数作了分析，提出了有关参数的确定与计算方法．     

基于模糊聚类和支持向量回归的成绩预测

现有的成绩预测模型往往过度使用不同类型的属性,导致过于复杂的分数预测方法,或是需要人工参与.为提高学生成绩预测的准确率和可解释性,提出了一种融合模糊聚类和支持向量回归的成绩预测方法.首先引入模糊逻辑来计算隶属度矩阵,根据学生的历史成绩进行聚类,随后对每个聚类簇利用支持向量回归理论对成绩轨迹进行拟合建模.此外,结合学生学习行为等相关属性,对最终的预测结果做调整.在多个基准数据集上进行了实验测试,验证了该方法的有效性.     

基于Agent协作交互的DDSS研究

提出了一种基于Agent协作交互的分布决策支持系统AODDSS，详细介绍了单Agent结构、AODDSS框架、多Agent间协作交互流程、决策问题的分布式解决方法及流程，另给出了AODDSS在连锁经营决策中的应用。     

对云南2011年冬季降水的延伸期天气预测试验

 在前期对MJO研究基础上于2011年11月8日根据MJO的活动情况及发展趋势,作出"云南延伸期天气预测第3次试验(11月12日—12月15日)".通过对天气形势及云南省天气实况的具体对比分析,就该实验进行了认真检验:在干窗口期云南日降水距平百分率几乎维持在-100%,基本无有效降水,与试验结论1基本一致;在湿窗口期有2次合适的环流形势引导赤道地区的水汽进入云南,分别造成云南南部及云南东部的降水和雨雪天气过程,与试验结论2和3一致;在干窗口后期滇中以南、以东地区出现一次小雨降水过程,预报试验对MJO的传播速度估计偏慢;本次在西南地区极端干旱背景下的延伸期预测实验是成功的,为云南省气象台提高冬季延伸期干湿预报和雨雪天气预报的水平提供了实用的理论依据,对提前准备人工降雨等工作以缓解西南地区的旱情有很好的贡献.     

酸碱溶胀法制备聚合物中空微球的研究

采用种子乳液聚合的方法合成了核壳结构的poly(methyl methacrylate)/polystyrene(PMMA/PS)和poly(butyl acrylate)/polystyrene(PBA/PS)微球,并以此作为前驱体,利用酸碱溶胀法成功地制备出PS中空微球.采用TEM和SEM对核壳微球和中空微球的形貌进行了表征,并研究了中空结构形成的影响因素.结果表明,在壳层单体St包裹种子微球的聚合阶段,单体和引发剂的滴加速度及温度对最终的PS中空微球形态有着显著的影响:滴加速度过慢,反应温度过高均不利于中空微球的形成.另外,组成种子微球的单体和壳层单体的性质对中空微球的形态也有着较大的影响.     

基于PCA图像压缩算法研究与实现

PCA做为一种数据分析技术,它最重要的应用是对数据进行降维和去相关,将原有的复杂数据降维,揭示隐藏在复杂数据背后的简单结构.本文将该技术应用于图像压缩中,分析了现有的基于PCA压缩图像方法的优缺点,提出了一种新的算法提取图像主成分运用于图像压缩,并证明了该算法的收敛性,通过实验仿真,验证了该方法的正确性和可行性.     

基于对象的图像篡改盲取证研究

根据自然界不存在完全一致的景物,提出了图像对象复制粘贴篡改的盲取证算法.分析了对象亮度和几何变化等因素对盲取证影响;运用灰度归一化和不变矩提取各个对象的盲取证特征;最后分析各个对象的相关性,若其相关性大于某一阈值则表示相同的景物,图像中存在对象复制粘贴篡改.实验结果表明,本文取证算法在一定程度上克服了对象亮度和几何变形对认证的影响.     

热带低频振荡对云南5月旱涝的影响

通过统计合成的方法,挑选出云南5月降水的多(少)年,分别对云南5月降水多(少)年时,热带低频振荡MJO的强度和位相变化对其降水的影响研究发现,当强MJO持续位于第4~6位相时,是造成云南5月降水偏多的有利条件,其它位相的强MJO对云南5月降水的影响不大.但MJO对云南5月降水多(少)年的影响具有明显的年际变化,所以对MJO在第4~6位相时云南5月降水变异的2个典型年份作进一步研究,发现孟加拉湾的西南水汽输送的早迟以及热带MJO引发的中南半岛附近对流北传是否活跃也是影响云南5月降水多寡的重要条件.     

基于改进蚁群算法的图像边缘检测

为了克服传统基于蚁群算法的图像边缘检测存在定位不准、易陷入局部最优解、对噪声鲁棒性不佳、且收敛速度过慢等缺点,本文提出了一种基于改进蚁群算法的图像边缘检测算法,此算法以传统边缘检测算子得到的边缘信息作为启发信息,建立了基于蚁群算法的边缘追踪模型,实现了信息素和启发信息对边缘追踪的导向作用,避免了蚂蚁在非边缘区域内行走,克服了陷入局部最优的缺点,最后本文运用了条件概率建立边缘检测评价标准.实验结果表明,本文的边缘检测方法具有较好的检测精度和噪声鲁棒性,且运行速度较快.     

基于兴趣度的数据流频繁模式散列挖掘算法

频繁模式挖掘是很多数据流挖掘工作的基础.现有算法虽然能够有效的在数据流中挖掘近似的频繁模式, 但是由于数据流数据的不确定性、连续性以及海量性, 始终不能有效的将算法的时间效率和空间效率控制在一个可以接受的范围内. 本文通过使用散列表作为概要数据的存储结构, 并引入关联规则兴趣度的概念, 提出了数据流频繁模式挖掘算法MIFS-HT(mining interesting frequent itemsets with hash table), 不仅有效降低现有算法的时空复杂度, 同时提高了算法的应用价值. 最后, 实验结果表明: MIFS-HT是一种高效的数据流频繁模式挖掘算法, 其性能优于FP-Stream、Lossy Counting等算法, 并且挖掘结果更具有现实意义.