基于三角模型的机场拦阻功能评估

机场工程应用中,拦阻系统是飞机滑出跑道时的重要安全保障,评价拦阻系统功能的有效性与可靠性对保证飞机安全尤为必要。以舰载机拦阻索为主要研究对象,将拦阻系统在拦阻飞机过程中的具体功能分为阻碍功能、缓冲功能、导向功能等,分别对以上三项功能建立量化指标,采用函数分析方法确定不同指标量化数值,与权重组合得到相应指标评价值;最后结合三角图论构建模型对拦阻系统进行综合评价,分析拦阻系统功能变化趋势,确定具体评价结果。以某机场拦阻系统为例,收集拦阻过程各项数据进行实例分析。评价结果表明：利用所建立的拦阻功能评价方法,可得到拦阻系统在具体拦阻过程中的各项功能评价数值,其中拦阻系统阻碍功能、非缓冲功能、非导向功能所得值依次为0.83、0.46、0.64,根据结果对拦阻系统有效性和可靠性变化趋势做出判断。研究结果可为拦阻系统功能作用评估提供参考依据。     

变压器绝缘油老化产物的紫外可见光谱特性

绝缘油是变压器中的重要组成物质,其品质直接影响着绝缘系统的性能以及变压器的运行安全。绝缘油老化过程将导致其绝缘及散热性能下降,进而引发故障。因此,变压器绝缘油的分析检测是了解变压器工作状态的重要手段,分析结果是变压器检修及更换新油的参考依据。本文利用紫外—可见吸收光谱,对不同工作年份的绝缘油进行了光谱分析,得到了绝缘油老化程度与其紫外光谱特征的关联。进一步对糠醛这一标志性老化产物的紫外光谱进行了深入研究,结合量子化学计算,解析了糠醛紫外—可见光谱特征对应的电子跃迁机制。研究结果证实了紫外—可见光谱用于分析变压器绝缘油老化程度的有效性,相关结果可作为变压器检测的参考依据。     

分量化探方法在苗儿山张家铀矿床北部地区铀矿勘查中的应用

张家铀矿床是苗儿山铀矿田北部的代表性铀矿床之一,区内断裂构造发育,岩浆活动频繁,具有良好的铀成矿地质条件.区域内矿床浅部工程揭露程度较高,可是对深部探索研究成果较少.以苗儿山地区的张家铀矿床为研究对象,利用分量化探手段,对分量元素采集处理、相关性分析、R型聚类、因子分析等,提取元素分量中的成矿相关信息和预测深部成矿潜力...     

一种基于H.264的自适应快速模式选择算法

提出了一种基于H.264的快速模式选择算法.该算法首先进行Skip模式的判断.如果Skip模式不适合当前宏块,则继续利用宏块的空间同质性和时间静态性进行其他帧间模式的筛选.然后根据帧间模式选择的结果判断是否继续进行帧内预测.算法设计过程中,充分考虑Quan-tize Parameter对模式选择的影响,从而可以适用于不同码率的环境.实验证明,该算法在高低码率下都能在保证图像质量的同时大幅度提升编码速度.     

基于矢量量化的仿生模式识别方法研究

该文探索了另一种新的仿生模式识别算法:基于矢量量化的仿生模式识别,用高维空间闭域作为同源类模板,并将其应用于语音关键词识别。实践表明仿生模式识别方法有许多优点,能够有效降低识别的错误率,识别效率优于传统模式识别方法。     

基于混合统计模型的DNA序列压缩算法

基于专家模型算法(XM算法)原理和有限上下文混合统计模型估计DNA序列每一个符号的概率,提出一种基于混合统计模型的DNA序列压缩算法.将采用混合统计模型计算出的概率估计应用于算术编码中,对标准DNA序列集的符号位进行压缩编码.实验结果表明,文中提出的混合统计模型能得到比原有限上下文模型更好的压缩效果,且能比其他经典DNA序列压缩算法产生更大的压缩率,弥补基于统计信息的当前较先进的XM算法用于标准DNA序列集时一些数据的不足,但对高通量DNA系列的压缩效果有待提高.     

可持续发展定量评价的生态足迹分析方法

生态足迹分析是由加拿大生态经济学家William Rees和他的博士生Wackernagel于20世纪90年代初提出的一种用于衡量人类对自然资源的利用程度以及自然界为人类提供的生命支持服务功能的方法．该方法因其基于生物生产性土地的量化指标、新颖的思路和简便的计算方法以及较为科学的、完善的理论体系及方法本身的普适性而日益流行．自提出以来，已经在全球、国家及区域可持续发展评价中得到广泛应用．本介绍了生态足迹的概念及生态足迹计算方法和步骤，并对生态足迹的研究成果、评价与改进等进行了阐述．     

利用小波变换进行地震数据压缩

根据Ｍ带小波变换理论,结合地震数据的特征,将Ｍ带小波变换应用于地震数据的压缩处理,提出了地震数据的压缩编码算法。实验结果表明,该方法简单,对地震数据压缩行之有效     

一种基于小波变换的矢量量化算法

提出了一种基于波变换的矢量量化逄法，算法利用小波变换后各子带间的相关性，合理地构造矢量。采用最优矢量量化器设计原则，给出了小波域的误差竞争学习算法（DCL）。实验表明，这种算法获得的码本优于其它几种算法。     

基于多任务权重参数学习的兴趣点推荐算法研究

基于位置的社交网络的快速发展,通过借助社交网络来分享用户位置信息,其中包含了丰富的上下文信息,比如用户签到、兴趣点地理位置、用户社交关系等,从而对兴趣点推荐的发展提供了很大的机遇.但是,如何有效地利用这些上下文信息,解决数据稀疏和隐式反馈等问题,是很大的挑战.针对这一问题,提出了一种能够动态融合不同上下文因素的推荐算法,该推荐算法可以融合不同类型的上下文因素,比如地理信息、类别信息、时间信息等,通过一种类似梯度下降的动态权重参数学习的方法,动态地学习每个因素的权重,适应不同类型用户特点,从而改善兴趣点推荐效果.