准确估计临产前胎儿体重的方法

指出影响胎儿发育的若干因素及预测体重的简易公式，并展望了发展前景。     

行政事业单位财务监督初探

本文论述了行政事业单位财务监督管理的重要性，分析了当前行政事业单位财务监管的现状与问题，最后提出了完善行政事业单位财务监管的对策建议。     

基于眼睛与嘴部状态识别的疲劳驾驶检测

为在驾驶员佩戴眼镜的情况下也能准确有效地检测疲劳状态, 提出一种判断是否佩戴眼镜的方法, 并建 立了基于眼睛与嘴部状态的疲劳驾驶检测系统。 对该系统中有关目标检测、 特征提取与图像识别等算法进行 研究。 首先, 采用 Adaboost 算法通过人脸分类器从视频帧中检测人脸区域, 并根据面部器官几何分布规则粗检 眼睛与嘴部区域; 其次, 基于大律法自适应二值化, 采用垂直积分投影法判断是否配戴眼镜, 根据灰度直方图 统计特征值法判断戴眼镜的眼部区域状态, 另外, 利用似圆度判断嘴部打哈欠情况; 最后, 利用 PERCLOS (Percentage of Eyelid Closure over the Pupil)值识别眼睛疲劳状态, 利用打哈欠频率识别嘴部疲劳状态。 当检测 到驾驶员处于疲劳状态, 则及时给出疲劳警告。 实验结果表明, 该方法可有效解决眼镜对检测的干扰, 并适用 于不同光照与环境。 同时, 在戴眼镜情况下对于眼睛与嘴部疲劳状态的判断优于其他方法。 基本满足疲劳检 测系统对良好的实时性、 稳定性与鲁棒性等要求。     

草原毛虫核型多角体病毒的安全性研究 Ⅱ.用Ames法检测核型多角体病毒的致突变性

用Ames法检测了GrNPV的致突变性.实验用常规的点试法,不经代谢活化和经代谢活化的渗入法,和改良的平板渗入法来检测不同剂量的GrNPV对原核生物的致突变性.结果表明,GrNPV对原核生物无诱变作用,无剂量效应关系,从而推测GrNPV对哺乳动物无潜在的致突变性.     

无位置传感器无刷直流电机开环起动的实现方法

针对具有梯形反电势波形的无位置传感器无刷直流电机（BLDCM）的开环起动控制，提出一种基于AT89C2051芯片的软件实现方法．此种方法能有效的克服无位置传感器无刷直流电机在起动和低速运行时，由于反电势过小而带来的运行困难．并通过实验验证了这种方法的可行性．     

金属卟啉在医学和催化中的应用Ⅱ氯化血红素的制备和性质研究

以氧合血红蛋白为原料，分别用酸性丙酮萃取—减压蒸馏和酸性丙酮萃取—ＮａＡｃ沉淀两种方法制备氯化血红素。产品用吡啶—ＮａＣｌ的醋酸饱和溶液重结晶进行纯化，通过元素分析，红外光谱和快原子轰击质谱对血红素进行确证。发现粗品中存在着与血红素铁配位的小分子（离子或基团）杂质。这些杂质可以通过重结晶的方法除去。最后还对血红素的质谱裂解机理做了探讨。     

小鼠电激怒实验中应用研制的智能化电刺激系统提高成模率的探索

摘要:目的 为提高小鼠电激怒模型制备成功率,研制了智能化电刺激系统以满足电激怒实验要求。 方法 电刺激系统由计算机窗口界面输入用户的控制参数,通过计算机系统与 STM32F103 单片机之间的 RS232 通讯,将用户输入的控制参数传入 STM32F103 单片机中,控制高压输出电路输出用户所需高压脉冲到鼠笼电极装置,以此激怒小鼠,并在动物实验中应用。 结果 制备小鼠激怒模型,通过采用计算机设定电刺激参数,使小鼠激怒模型制备的成功率达 90% ,并符合实验动物福利的“3R”原则要求,可以满足氯丙嗪对小鼠抗电激怒实验效果观察。 结论 研制的电刺激系统实现了计算机对刺激参数的智能化控制,技术性能可满足小鼠电激怒实验教学的要求。     

渐变截面型入料口夹角对旋流器流场及压降的影响

利用RSM雷诺应力模型和VOF多相流模型,通过数值试验方法考察了渐变截面型入料口夹角对Φ50 mm水力旋流器流场及压降的影响.结果表明,增大入料口夹角,切向速度增加,致使分离效率提高;与此同时,轴向速度和溢流管底端的最大径向速度也随之相应增加,导致沉砂分流比略有降低、短路流量增加,但对湍流结构影响不明显;空气柱直径同样随着夹角的增加而增大,从而有效分选空间减小.旋流器内部的压力损失主要包括主分离区域的损失和入料口区域的损失;增大入料口夹角,总压降增加,导流能力增强,当夹角为20°时,导流性能最优,但能量利用率降低.     

基于支持向量机的机器学习的研究

对机器学习、支持向量机的研究现状进行了综述,阐述了机器学习和支持向量机的基本概念以及支持向量机的训练算法.     

基于小波散射深度序列神经网络的制动噪声分类识别

为实现对制动噪声的智能化识别,研究了一种小波散射结合深度序列神经网络的识别方法。采用3层小波散射变换构造出制动噪声相应卡钳振动信号的小波散射多维特征向量。首先,以单层一维卷积神经网络（1DCNN）和单层双向长短时记忆网络（BiLSTM）为基础,将小波散射特征以序列形式和分别输入方式进行训练和测试;结果显示,与短时能量和短时平均过零率这类一维序列输入相比,小波散射变换多维特征输入能够大幅提高分类准确率。其次,针对网络欠拟合状况,建立的4层深度1DCNN与3层深度BiLSTM网络相比,其基础网络具有更强的特征捕捉能力,均进一步提高了制动噪声分类准确率。根据分类性能指标F₁,4层1DCNN的整体性能均超过3层BiLSTM网络,并且具有训练参数数量较少的优越性。