高学历非图书馆学人才实现角色转变的策略

阐述了高学历非图书馆学专业人才在高校图书馆的地位与作用,提出了实现其角色转变的策略。     

高铝粉煤灰拜耳法溶出渣碱回收

针对高铝粉煤灰拜耳法溶出渣进行了脱碱工艺研究,考察了［n(C)/n(S)］(CaO与SiO₂物质的量比)、反应温度、反应时间、液固比及体系碱浓度等对脱碱的影响,同时考察了脱碱过程对氧化铝溶出率的影响.结果表明:添加石灰的方式可以实现高铝粉煤灰拜耳法溶出渣中氧化钠的脱除,并回收部分氧化铝;反应温度对氧化钠和氧化铝回收率均造成显著影响,而［n(C)/n(S)］仅对氧化钠的溶出率影响较大;在温度260℃、氧化钠质量浓度小于80g/L、液固比4、［n(C)/n(S)］为1.8、反应时间2h条件下,脱碱率为91.2%,氧化铝回收率为28.0%;拜耳渣脱碱过程物相由水合铝硅酸钠向水化石榴石及铁水化石榴石转变.     

基于广义变换矩阵的机械零件三维模型骨架匹配

提出了一种基于广义变换矩阵的机械零件三维模型骨架匹配方法。骨架中两骨架点间的连线称为骨架枝,借鉴机器人学中广义连杆之间关系的表示方法,将骨架枝看成若干个连杆,在骨架点处建立固定坐标系及骨架枝坐标系,采用广义变换矩阵表示骨架枝。将广义变换矩阵转化成向量,引用统计学中的相关性度量方法,通过计算2个向量的皮尔逊相关系数得到2个广义变换矩阵的相似度,即得到2个骨架枝的相似度。搜索相匹配的骨架枝并计算整个骨架的相似度。通过实例验证和实验分析,表明该算法具有较快的检索速度和较高的准确度。     

基于双路奇异值分解的信号降噪方法

针对常规奇异值分解对强噪声抑制效果不佳的问题,提出了一种基于双路奇异值分解的信号降噪方法。首先采用奇异熵定阶的方法对高阶噪声进行预处理,然后从双路奇异向量的相关性出发确定低阶噪声奇异向量的位置,最后将剩余的奇异值与奇异向量重构得到优化估计的降噪信号。仿真实验表明：双路SVD相比常规SVD的降噪方法在低信噪比、白噪声的环境下信噪比增益提升4.07 dB,与纯净信号波形相关系数增量提升0.11。以一段受到座舱噪声污染的语音信号为实验对象,文中方法与双通道自适应噪声抵消的降噪方法对比,信噪比增益提升4.83 dB,运算耗时缩短1.5 s。此外,文中方法不受噪声类型的限制,对于有色噪声和单频干扰甚至混合噪声同样具有良好的适应性,有广泛的应用前景。     

媒体报道下随机SIQS流行病模型的动态行为研究

研究了媒体报道干预策略下的随机SIQS流行病模型.构造合适的Lyapunov函数,使用Itô公式和马尔可夫半群理论,证明了基本再生数R₀^s可用于控制随机流行病模型的动态行为,即如果再生数R₀^s<1,并且在其他条件下,疾病将消亡;如果再生数R₀^s>1,并且在其他条件下,疾病是持久性的.结论表明：大的白噪声可以抑制疾病的爆发,这为制定有用的控制策略来调节疾病的动态行为提供有效帮助.最后通过数值模拟验证了这一结果.     

一类非线性弱奇异积分不等式组中未知函数的估计

研究了一类二维非线性弱奇异积分不等式组.该不等式组积分号外有不同的非常数函数因子,不能用向量形式的Gronwall-Bellman型积分不等式进行估计.利用H?lder积分不等式、 Gamma函数和Beta函数把弱奇异非线性积分问题转化成没有奇异的非线性积分问题,利用Bernoulli不等式把非线性问题转化成线性问题,利用变量替换技巧和放大技巧研究只含有一个未知函数的积分不等式,接着给出不等式组中两个未知函数的估计.该结果可用于研究积分、微分动力系统解的估计.     

半群DOPD(n,r)的秩和相关秩

设自然数n≥3,DOPD_n是有限链[n]上的保序且保距部分一一奇异降序变换半群.对任意的r（0≤r≤n-1）,记DOPD（n,r）={α∈DOPD_n：|Im（α）|≤r}为半群DOPD_n的双边星理想.通过对秩为r的元素和星格林关系的分析,获得了半群DOPD（n,r）的极小生成集和秩.确定了当0≤l≤r时,半群DOPD（n,r）关于其星理想DOPD（n,l）的相关秩.     

"基础-转化型"研究是决胜病虫害防控的核心研发模式

作物病虫害防控技术研发是确保国家粮食与食品安全的重要战略必争领域,我国在该领域存在基础研究缺少突破、核心技术受制于人的情况,因而一直得到国家重点基础研究计划和重点研发计划的高度重视。由于正在执行的"化学肥料和农药减施增效综合技术研发"重点研发计划项目偏重现有技术的优化、集成和田间示范,在国际本领域研发水平突飞猛进的背景下,亟待调整布局面,增强基础-转化型研究的实施力度,研发具有绿色、高效、精准特征的革命性病虫害防控新技术,确保"舌尖上的安全"。     

一种改进的主成分分析特征抽取算法:YJ-MICPCA

针对主成分分析(PCA)假设数据服从高斯分布的条件以及只能处理特征之间线性关系的不足,提出一种基于Yeo-Johnson变换和最大信息系数(MIC)的PCA特征抽取算法,命名为YJ-MICPCA。通过YeoJohnson变换改善原始数据分布,使其近似服从高斯分布,并将PCA中计算协方差矩阵转化为计算MIC矩阵的平方,使其也能处理特征间存在的非线性关系。以UCI机器学习数据库中的11个数据集为实验对象,采用支持向量机、朴素贝叶斯模型、k近邻算法这3种分类器,比较了YJ-MICPCA与PCA及其他常用非线性降维方法LLE、Isomap、MSD、KPCA的降维效果和分类精度,结果表明YJ-MICPCA总体上优于其他几种算法。     

基于马氏距离的最终执行元件功能安全失效表征

针对现有最终执行元件功能安全失效分析方法未能切实考虑实际工况的不足,提出了一种基于马氏距离的最终执行元件功能安全失效表征方法。预先获取各状态下最终执行元件的工况参数,构建样本空间,计算其中各样本的马氏距离;其次对马氏距离进行Box-Cox变换,使其满足正态分布后,由3σ准则确定各状态的阈值,构建最终执行元件的失效表征模型;最后利用所设计的检测系统检测工况参数,构建样本向量,通过所构建的失效表征模型实现最终执行元件功能安全失效表征。仿真实验和现场实验结果表明,本文方法能够准确识别出最终执行元件的功能安全失效,为其失效分析提供了一种新的方法。