无土培育罗汉果种薯初探

以罗汉果无病毒苗为试材,利用不同容器进行无土培育罗汉果种薯。结果表明,在富含有机基质的容器内培育罗汉果块茎,能得到良好的生长,其根系旺盛发达,种薯直径5 cm以上达94.3%。     

中国经济发展的潜力分析

对后发现代化国家来说,在一定时间内经济超常发展是不足为奇的。因为,引入发达国家的技术、资金和管理经验都能极大地推动发展中国家的经济增长。但对象中国经济这样在长达二十多年的时间中一直保持很高的增长速度,却不得不被称之为奇迹。通过研究发现,在中国经济增长奇迹的背后存在着诸多推动因素。其中有些因素的作用已经基本完结,有些正在发挥作用,还有一些因素的作用尚未充分显现出来。中国经济增长的潜力还很大。     

复杂框支剪力墙结构模型试验

针对某楼板开洞的复杂框支剪力墙结构高层商住楼制作了1／20整体试验模型，进行了模型的振动台试验，得到了结构在不同裂度地震作用下的加速度、速度、位移及应力一应变曲线，分析了结构的动力特性和动力荷载下的受力特点。研究结果表明，合理的楼板开洞可有效减小转换层以上结构的侧向刚度，避免结构沿竖向产生较大的刚度突变。     

字符型液晶在彩色密度计设计中的应用

在彩色密度计研制过程中,针对便携式低功耗仪器仪表使用环境的要求,巧妙使用字符型液晶进行较大量信息显示的相关技术。对硬件接口电路的设计、硬件调试技巧、指令系统的功能和使用方法进行了详细的分析,并给出了利用C语言编写的完整的驱动程序。给类似的工程应用提供了完整的应用实例。     

磁性纳米催化剂SO2-4/TiO2-Fe3O4的制备及表征

用溶胶一凝胶法、沉淀法将磁性材料与固体酸进行组装，制备了磁性纳米固体酸催化剂SO4^2-／TiO2-Fe3O4．该类催化剂能通过外加磁场进行分离、回收．扫描电镜、透射电镜观察及磁性能、比表面积测试结果表明，用溶胶-凝胶法制备的催化剂比用沉淀法制备的催化剂具有更小的粒径、更高的磁强度和更优异的催化性能．X射线衍射、傅里叶红外光谱分析表明，影响催化剂磁性能和催化活性的主要因素是Ti与Fe的摩尔比、焙烧温度和浸渍液浓度。     

基于非线性参数的意识任务分类

研究了非线性参数作为脑电（EEG）信号特征时对意识任务分类的作用，使用的3种非线性参数特征为最大Lyapunov指数、轨道平均周期和轨道平均初始距离，分类方法为Fisher线性判别式．对4个实验对象共60个任务对进行了分类处理．使用3种参数在2s数据段上取得的平均分类精度分别为82．3％、90．7％和93．3％．在较短（1s）的数据段上，应用轨道平均初始距离参数进行分类取得了平均为90．8％的正确率，分类精度接近于Anderson取得的实验结果．轨道平均周期和轨道平均初始距离算法具有较小的运算量，能够应用于在线系统．     

自主车辆视觉系统的摄像机动态自标定算法

为了解决自主车辆视觉传感器在姿态变化后摄像机旋转外参数的在线自标定问题,提出了一种利用道路图像消失点相对不变量的摄像机旋转外参数的动态自标定算法.它首先从汽车采集到的道路视频序列中实时分析道路消失点,然后依据中心极限定理并使用相应的统计量,动态地估计主消失点与消失线参数,最后利用小孔成像模型下的消失线与消失点方程,解析地求得对应于当前统计特征的摄像机外部参数动态解.实验结果表明,在摄像机进行姿态调整后,实验系统使用本算法可在不超过90帧有效图像样本的基础上,能对摄像机旋转外参数进行精确标定,使旋转外参数的绝对误差值收敛于0.001 rad的误差带之内.     

在非时齐马氏决策过程中的动态贝叶斯网络研究

提出了用动态贝叶斯网络（DBN）对非时齐马氏决策系统进行建模的改进方法，使动态贝叶斯网络能被更广泛地应用于各种复杂的真实系统中．该方法的基本思路是，将扩展后的隐藏变量引入DBN的演化过程来建立假设条件所要求的马尔可夫模型，给出从不完整的样本数据集以及存在隐藏变量时来学习DBN结构的算法，进而用贝叶斯概率统计方法对后来的时间片的充分统计因子进行估计，并通过当前已存在的和估计的充分统计因子对基于时间变化的转移概率进行学习，以解决假设条件要求的转移概率的时不变性．原理性分析和仿真实验结果也验证了改进方法的有效性．     

一种基于区域分割的多传感器图像融合方法

针对传统像素级图像融合方法割裂像素间联系的问题，提出一种基于区域分割的图像融合方法．在图像配准的基础上进行区域分割，提取显著性因子和可见性因子作为区域特征，自适应地确定融合权值以得到融合图像．该方法克服了传统像素级融合方法中融合图像模糊、对噪声敏感等不足，尤其适用于图像没有严格配准的应用场合．实验结果表明，与小波变换融合方法相比，均方根误差减小了33％～36％，灰度标准差提高了0．9％～53％，互信息提高了39％～42％，空间频率提高了0．3％～38％，客观评价准则与目视效果吻合良好．     

一种新的注意力相关脑电分类算法设计

提出了一种新的基于支持向量机(SVM)学习机制的注意力相关脑电分类算法.在对脑电信号进行3级小波分解之后,采用主分量分析方法提取主要的特征分量,并且采用SVM方法对其进行分类.在此基础上,依据数据融合理论,对多导分类结果进行综合判断.结果表明,本方法具有良好的鲁棒性,对注意力相关脑电信号分类的准确率可达89%左右,高于单导最优准确率.该方法对注意力缺陷反馈治疗、注意力机制研究等具有较高的实用价值.