小波变换在图像压缩中的应用

介绍了小波变换在图像压缩中的应用，并提出了小波基选择的几个准则。     

锚注在软岩支护中的应用分析

通过对锚注支护技术在土城矿软岩及顶板极为破碎地带进行试验，对有关矿压指标进行了测量统计，并综合分析，证实了锚注支护在软岩巷道中的有效性和经济性。     

基于对偶基的比特并行算法实现RS编码

以DVB-C系统中的RS编码为例，参照Berlekamp比特串行乘法器，提出了一种基于对偶基的比特并行乘法器的方法来实现RS编码器，可以达到较高的吞吐率，从而可以采用FTGA／CPLD实现高速RS编码。     

基于语言偏好的群体决策的软解法

群体决策模型用于支持系统或专家系统，面临的两个问题是：自然语言与机器语言的匹配以及模型解与决策者意向交融．本文在许多学者大量工作的基础上，试图提出群决策的软化求解模型．主要提出两方面的结果：一是多准则语言偏好的综合；二是采用模糊匹配方法和语言变量的软算法将个人语言偏好聚集为群体可接受决策解．最后给出实例计算以说明操作步骤．该模型可用于人－机交流式ＧＤＳＳ或小群（７～１２人）会议支持系统的软件设计     

英语构词活前缀anti-的剖析

英语活前缀anti-是现代英语中构词力最强的词缀之一。随着其构词力的不断增强，这个前缀的构调特点有了新的变化，语义范围也得以进一步的扩展。本文对前缀anti-的构词特点与变化进行探讨，对其语义特点和范围进行研究，以阐明这个前缀的应用规律，便于人们在阅读、翻译和撰写英语文章时，能正确理解和运用这个前缀及其派生词。     

基于强化学习的电磁悬浮型磁浮列车悬浮控制

为了保证磁浮列车的安全、可靠运行,研究了悬浮系统在参数摄动条件下的悬浮控制问题。首先,对电磁悬浮（EMS）型磁浮列车的基本悬浮单元建模,给出了电流控制模型;然后,建立了悬浮系统的强化学习环境以及软演员-评论家（SAC）智能体,并设计了加速训练的奖励函数与“吸死”处理方案;最后,提出了基于强化学习的悬浮控制方法。与传统比例-积分-微分（PID）控制方法的对比结果表明,本方法具有更快的动态响应,在损失50%线圈匝数或磁极面积变化时具有更好的跟踪精度。     

Al2O3-TiO2复合氧化物负载的钴基催化剂光热费托合成性能研究

选用Al₂O₃和TiO₂的复合物作为催化剂的载体,通过浸渍法合成了不同TiO₂含量(0%,5%,10%,15%)的负载型钴基催化剂,采用XRD、TEM、TPR、BET、UV-Vis、XPS、CO-TPD等技术对催化剂进行了表征,并考察了其光热催化费托合成性能。结果表明,含量较少的TiO₂是激发光催化反应的决定因素,引入紫外光照能够激发光生电子从TiO₂向金属钴转移,有利于反应物CO分子的解离活化,致使CO转化率大幅提升。产物分布方面,抑制产生CO₂,促进低碳数烷烃生成。当TiO₂含量为5%时,光照引起的CO转化率提升幅度最高,可达68.8%。此研究有助于理解光热催化费托反应体系中催化剂构效关系和反应过程。     

基于神经网络的船舶稳性预报研究

为省略船舶稳性计算中横摇阻尼以及船舶阻力等参数的复杂计算过程,提出一种采用径向基函数(RBF)神经网络对第二代完整稳性失效概率预报的方法.研究包括过度加速度、瘫船稳性以及骑浪/横甩3种失效模式.通过研究船舶相关参数对各失效模式失效概率的影响,确定采用RBF神经网络对每种失效模式进行预报时输入特征的选取,从而降低训练时长.使用训练后的网络对样本船稳性进行预报,采用均方误差和平均绝对百分比误差对预报结果进行评估.对3种失效模式预报结果的平均绝对百分比误差分别为6.49%、7.09%、5.70%,均小于10%,表明采用RBF神经网络可较为精准地对船舶稳性进行预报.