基于免疫遗传算法的医疗器械物流园区选址研究

在新医改的大背景下,中国已经超过日本,成为世界第二大医疗器械市场。物流园区作为医疗供应链中重要的一环,其建设过程及选址规划的合理性都会对整个医疗器械市场起到举足轻重的影响。基于此,该文探讨了医疗器械物流园区选址的理论框架,分析了对园区选址的影响因素,建立医疗器械物流园区选址模型,并应用免疫遗传算法得出最优选址方案。     

Hadoop框架下的多标签传播算法

标签传播算法的主要思想是利用已标注数据的标签信息预测未标注数据的标签信息。然而,传统传播算法没有区别对待未标注数据与已标注数据相互之间的转移信息,导致算法的收敛速度较慢,影响了算法的性能。针对传统算法的不足,提出了差异权重标签传播算法,算法按标注信息的重要性赋予不同的权重。在解决了大规模特征矩阵相乘问题之后,将提出的差异权重标签传播算法应用到Hadoop框架下,采用分布式计算,实现了能够处理大规模数据的多标签分类算法(HSML),并将提出的HSML算法与现有主流多标签分类算法进行了性能比较。实验结果表明,HSML算法在多标签分类的各项性能评测指标和执行速度上都是有效的。     

4H-SiC同质外延拉曼散射光谱

在4H-SiC(0001)衬底上,使用CVD法生长不同掺杂浓度的外延层。将不同掺杂浓度的4H-SiC外延层,用拉曼散射光谱进行了研究。使用Matlab拟合了LOPC模的线型,并从理论上计算出载流子浓度,载流子浓度的理论计算值与SIMS测量的结果符合良好。随着掺杂浓度的变大,载流子浓度变大,LOPC峰发生蓝移,频移变大,散射强度变小,峰宽变宽。分析认为,LOPC峰发生蓝移主要和晶格振动有关,浓度越大,使得原子之间和晶胞之间的相互作用越强,致使出现蓝移现象。随着掺杂浓度的增大,声子增加,进而散射概率增加,散射概率降低了声子寿命,声子寿命和峰宽成反比,随着掺杂浓度增大,峰宽变宽。随着掺杂浓度的增大,散射强度越来越小。     

基于增强高阶非凸全变分模型的图像去噪算法

为了在缓解阶梯效应的同时更好地保留去噪后图像的细节信息,提出一种基于增强高阶非凸全变分(higher order non-convex total variation, HONTV)模型的图像去噪算法。该算法将每一次去噪后的图像和原始图像取平均作为增强HONTV模型下一次循环的输入并更新参数,然后采用增广拉格朗日乘子法和交替方向乘子法进行循环求解,经过多次迭代,最终得到的去噪图像包含较多的细节信息。在基于全变分的图像去噪方法中,对添加不同标准差大小的高斯白噪声的测试图像和视频进行实验。实验结果表明,所提算法在视觉性能和客观评价指标方面均优于对比算法。     

基于无人机的大场景序列图像自动采集和三维建模

提出并实现了一种基于无人机的大场景序列图像自动采集和三维重建方法,实现了大范围场景全自动图像数据采集和三维建模。首先设计实现无人机自动控制地面站和基于Cortex-A17的无人机控制模块,其次在地面站人工点选设计航线和拍摄位置,并自动控制飞行和拍摄过程,实时将序列图像回传地面站,最后地面站应用SFM方法实时自动重建大场景三维模型。实验结果表明,相对于人工控制方法,文中方法能够实现无人机飞行和拍摄过程自动控制,同时提高拍摄稳定性,降低基于无人机的大场景三维建模难度,提高建模效果。     

低压热丝化学气相沉积法快速合成1-2层石墨烯薄膜

利用镍衬底独特的渗碳-析碳机制,分别引入混合气体氢气和乙炔,使用低压热丝化学气相沉积法(LPHFCVD),在镍衬底上生长石墨烯(Graphene)薄膜。通气时长分别为5s,60s,300s,极大地节省了时间和成本。制备的样品分别通过拉曼光谱(Raman),X光电子能谱(XPS),扫描电镜(SEM)等分析表征手段对其结构、形貌、缺陷等进行表征。拉曼光谱表明石墨烯薄膜的D,G,2D峰在不同温度、不同反应时间条件下不同的层数、缺陷密度和结晶质量,其中以950℃,5s的条件制备得到的石墨烯薄膜为1-2层,且缺陷极少,结晶质量很高。XPS的结果进一步确认了按照以上条件制备的石墨烯薄膜具有很高的结晶质量和很低的缺陷密度。SEM则显示了在镍衬底上制备石墨烯薄膜的形貌。     

业务流程建模与测试方法研究

针对复杂业务流程设计测试效率低、自动化程度不高、测试用例正确性难以保证的问题,在研究接口自动机模型的基础上,提出了一种基于模型的业务流程测试方法。该方法首先采用扩展带约束的接口自动机对业务流程设计进行形式化描述,并给出了从业务流程设计模型到带约束的接口自动机模型的转换算法;然后基于模型完成了对业务流程设计与需求的一致性验证,将验证后的接口自动机模型作为业务流程的测试模型,通过其特有的"乐观方法"和博弈思想实现了流程间的嵌套调用组合;最后定义了业务流程的测试覆盖准则,并在满足活动约束条件组合覆盖准则的前提下,设计了相应的测试用例生成算法。实例分析表明:该方法能够简化测试过程,可用于业务流程设计的测试用例自动化生成,有效保证了测试用例的正确性,提高了测试效率。     

构建新包空间的多示例学习方法

针对已有神经网络方法采用示例决定标记从而导致多示例学习(MIL)中包结构信息丢失的问题,提出了一种新的RK_BP多示例学习方法.在示例空间,首先采用粗糙集对其进行属性约简;然后进行K均值聚类,利用聚类点构造新包空间;在新空间中,利用误差反向传播神经网络算法进行分类.在多个测试数据集上对算法进行测试,结果表明该算法可有效解决已有神经网络方法包结构信息丢失问题,明显提高分类性能.     

非线性等转化率的微、积分法及其在含能材料物理化学研究中的应用Ⅶ. HHTDD的热分解

目的揭示2,4,6,8,10,12-六硝基-2,4,6,8,10,12-六氮杂三环[7.3.0.0~(3.7)]十二烷二酮-5,11(HHTDD)的放热分解动力学行为和对热抵抗能力。方法用高灵敏布鲁顿玻璃薄膜压力计研究空、高温低装填密度条件下HHTDD的熟分解过程。由热分解气体的标准体积(V_H)对时间(t)的关系曲线,得到HHTDD在不同温度下热分解反应的初速(W_0)、极大速度(W_(max))、诱导期(t_(in))、半分解期(t_(1/2))、极大速度到达时间(t_(max))、极大速度常数(k_(max))和平均叠合系数(k_(dh))。用非线性等转化率微、积分法所得的表观活化能E_α校验由lgx(x=W_0,W_(max),t_(in),t_(1/2),t_(max),k_0,k_(max),k_(dh))-1/T关系得到的表观活化能E_a。借助不同加热速率(β)下非等温DSC曲线离开基线的初始温度(T_0),onset温度(T_e),峰顶温度(T_p),Kissinger法和Ozawa法求得的热分解反应的表观活化能E_K和E_O)和指前因子(A_K),微量热法确定的比热容(C_p),以及密度(ρ),热导率(λ)和分解热(Q_d,取爆热之半)数据,Zhang-Hu--ie-Li公式,Hu-Yang-Liang-Xie公式,Hu-Zhao-Gao公式,Zhao-Hu-Gao公式,Smith方程,Friedman公式和Bruckman-Guillet公式,计算HHTDD在β→0时的T_0,T_e和T_p值(T_(00),T_(e0)和T_(p0))、热爆炸临界温度(T_(be)和T_(bp))、绝热至爆时间(t_(TIad))、撞击感度50%落高(H_(50))和热点起爆临界温度(T_(cr))。结果 E_α与各特征值所得的对应E_a间的相对误差在±5%以内。得到了评价HHTDD热安全性的结果:T_(SADT)=T_(e0)=456.91K,T_(SADT)=T_(p0)=460.30K,T_(be0)=467.58K,T_(bp0)=470.03K,t_(TIad)=10.7s,H_(50)=20.40cm,T_(cr)=441.30K。结论 HHTDD有好的对热抵抗能力。     

基于核模糊C均值的异常检测方法

探索聚类方法在异常检测中的应用,提出了一种基于核的模糊C均值的异常检测方法.该方法使用核的模糊C均值对网络数据进行聚类,并使用基于簇内距离的判断规则对聚类结果进行标定,从而识别出攻击.使用KDD CUP1999数据集进行实验,结果表明本文表现出了高检测率和低误报率的良好性能.