Web2.0环境下图书馆信息服务创新探究

Web2.0是一种以用户为中心的信息技术与服务,图书馆2.0是Web2.0在图书馆管理和服务中的应用理念.阐述了Web2.0在图书馆服务中的典型应用方式,探讨了Web2.0环境下图书馆信息服务的创新内容.     

探究高校素质课中声乐教学的推行

声乐教学是音乐教师通过科学的发声方法和理论知识,用歌声透过音乐文化的语言,指导学生唱出优美动听的歌声,塑造出生动的音乐人物形象,描绘歌曲意境传达并抒发思想情感的一门学科.同时,声乐又是一个再创造的过程,它与文学、历史、民俗文化、民间艺术等学科都有着千丝万缕的联系,是提高大学生人文素养、树立高尚的审美情趣、激发学生创新思维能力的重要途径,也是理论与实践相结合的完美体现.     

基于FPGA＋DSP的数字波束形成的实现

文章就数字波束形成(DBF)技术在雷达信号处理中的应用做了讨论。对数字波束形成原理及其数字实现作了简单的介绍。针对采用数字波束形成技术带来的传输数据量大、工程运算较复杂的问题,设计了一套使用FPGA DSP波束形成系统,这样FPGA多路并行处理的速度快和DSP控制结构复杂,运算速度高、寻址方式灵活、通信机制强大的特点都得到充分的发挥。     

一种感应电机直接转矩控制磁链观测的改进方法

根据感应电机直接转矩控制的特点,对低速下磁链观测误差产生的原因进行了分析,给出了一种磁链观测的改进方法———低通滤波器补偿法.这种方法在采用低通滤波器代替纯积分环节的基础上,根据定子磁链的实际值与估计值之间的关系,推导出估计磁链的补偿公式,给出了原理框图,并对观测结果进行了仿真比较.仿真结果表明,采用低通滤波器补偿法,直接转矩控制系统的低速性能有十分明显的提高,证实了该方法的有效性.     

工业过程广义稳态研究

基于混沌现象普遍存在于各类非线性动力学系统中这一事实,针对工业过程中出现的平衡（常值）态、周期态、拟周期态和混沌态等稳态行为,提出了广义稳态的概念,并根据微分动力系统理论,对此给出了一种统一的数学描述;另一方面,就广义稳态的存在性问题进行了深入的分析,证明了非线性系统在满足较宽的条件下,其广义稳态的存在．仿真结果表明,文中给出的广义稳态定义是正确和恰当的．     

监测连铸振动台功率可行性探讨

提出了以连铸振动台功率为参数监测结晶器内拉坯阻力的新方法，在理论分析基础上，通过现场监测试验，证明功率法对工艺参数变动及特殊情况有高的敏感性，可作为在线监测连铸结晶器段拉坯状况的有效方法。     

长时腐蚀过程中异种材料连接结构的失效机理与性能弱化机制

电偶腐蚀是腐蚀环境下异种材料连接结构的重要失效形式。本文采用浸泡腐蚀试验开展了异种材料连接结构在3.5%NaCl溶液中的腐蚀行为研究,并通过扫描电子显微镜(SEM)和材料拉伸实验对试样的腐蚀形貌观察和力学性能测试,分析了长时腐蚀过程中异种材料连接结构的失效机理与性能弱化机制。研究结果表明,电偶因素和缝隙腐蚀因素联合作用使2A12铝合金的力学性能指标明显降低,但是对强度指标(屈服强度和断裂强度)的影响程度没有对塑性指标(延伸率和断面收缩率)的影响程度大。     

用于图像压缩的小波变换编码

提出了一种二维小波变换编码方案，使用塔形算法结构将图像沿水平与垂直方向分解成一组多分辨率子图像。根据小波系数的统计特性和人类视觉特性，对小波系数进行门限量化，推导了量化门限与量化间隔的计算公式，量化后的多分辨率子图像采用自适应分块编码进一步进行压缩。计算机模拟结果证明了本方案的优越性能。     

美洲黑杨×欧美杨F1无性系一级分枝特性与生长及干形关系的研究

对美洲黑杨×欧美杨Ｆ１代１３个无性系及亲本１－６９杨的一级分枝特性，生长，干形指标分层次进行系统研究。生长和一级分枝特性在无性系间存在较大差异；相关及通径分析结果表明：上层分枝较直立，中下层分枝趋于平展；上，中层分枝较短，较少；下层分枝较长，较多； 上，中层小枝和而下层小枝浓密的尖塔形分枝结构是美洲黑杨×欧美杨Ｆ１无性系的理想冠型。综合生长，干形及一级分枝特性可将该批无性系统归为三类。     

基于卷积神经网络的灾难场景图像分类

为了对灾难场景图像进行快速分析和识别,提出了一种基于多分辨率卷积神经网络和残差注意力机制(attention module)相结合的图像分类模型.首先,对灾难场景数据集进行预处理,在相同类型的条件下将其随机划分为训练集和测试集.基于改进的卷积神经网络(convolutional neural network,CNN),提取训练集的图像特征.使用训练集图片的特征进行训练,并且在测试集图片上实现分类测试.选取DenseNet、Xception和MobileNetV2三种模型,以灾难场景数据集(Disaster_Data_Scenes)为数据集进行实验验证.结果表明:改进的Xception和MobileNetV2网络在灾难场景数据集上进行的图像分类实验测试,比原网络精度分别提升了4.56％和3.04％.其中改进的DenseNet网络比原网络模型精度分别提升9.13％、17.88％和10.27％.可见改进的卷积神经网络模型的分类精度得到有效提高.