基于.Net的N层机房管理系统设计与实现

比较了．Net实现N层应用程序与传统开发设计的N层应用程序的不同，依据微软应用架构体系，充分运用了．Net的新特性，利用．Net工具设计、实现了学校机房管理系统，该系统具有良好的可扩展性和易于维护性．     

一维纳米材料中电子局域态分布

从一维纳米随机链模型出发,在考虑近邻、次近邻相互作用的情况下,运用多对角全随机厄米矩阵求解方法计算了一维纳米材料的电子局域态中心位置.针对晶界无序度和晶粒大小,讨论了材料中的电子局域态分布.研究结果表明:局域态中心位置随能量的改变而改变,并且在不同的能量范围内局域态分布不同,在某些能量范围内,能量变化很小而局域位置变化很大,电子跳跃很容易发生,而在另一些能量范围内,能量变化很大但局域位置变化很小,电子跳跃难以发生,因而直接影响材料的导电、导热等性能;晶界无序度和晶粒大小对局域态分布影响很大,当晶界无序度变小时,体系趋向有序,局域态位置随能量的变化呈一定程度的周期性;而当晶粒粒径变小时,晶界的作用增强,无序作用也相应增强,局域态增多,分布密度增大.     

中心裂纹圆盘裂纹形状尺寸对应力强度因子的影响

采用有限元数值分析方法 ,分析了由脆性材料制成的中心裂纹圆盘试件 ,在复合模式加载条件下裂纹形状尺寸 ,尤其是裂纹宽度和中心小孔半径对应力强度因子的影响 .结果表明 :槽式和槽孔组合式裂纹圆盘试件 ,其I型无量纲应力强度因子FⅠ均比按理想裂纹推出的解析解大 ,而Ⅱ型无量纲应力强度因子FⅡ 均比解析解小 ;随着加载角度增加 ,FⅠ 的数值解与解析解的差值逐渐变小 ,而FⅡ 的差值逐渐变大 ;同时 ,随着裂纹槽宽度或中心小孔半径的增加 ,应力强度因子数值解与解析解之差逐步增加 .依据数值分析的结果 ,给出了这两类试件相对于理想中心裂纹圆盘试件应力强度因子解析解的修正公式 .     

基于图像处理技术的汽车追尾预警系统的研究

如何防止高速公路中汽车追尾是智能交通系统所要急待解决的问题．本文利用中心透视原理和图像处理的方法可以解决车道识别，车辆识别和车间距测量的关键难点，达到高速公路汽车追尾预警的目的．实验结果表明效果良好，算法简便，可以有很好的实时性．     

基于DPCA、ATI和MUSIC的动目标检测方法

针对SAR(合成孔径雷达)动目标检测,提出一种DPCA(中心相位偏置天线)、ATI(沿迹干涉)和MUSIC(多信号分类)相结合的三孔径动目标检测方法。该方法首先采用DPCA技术消除杂波干扰、检测运动目标,然后用ATI和MUSIC方法确定目标的位置和速度。理论分析和计算机仿真表明,该方法是有效的,不仅能够检测运动目标,而且能够精确估计其运动参数。     

简讯：东华大学科技与哲学研究中心揭牌

东华大学科技与哲学研究中心于2004年12月29日正式揭牌。来自中科院、南京大学、复旦大学、武汉大学、山西大学等十数名哲学界知名学者到会祝贺。东华大学科技与哲学研究中心是该校哲学学科的研究平台。它以现代科技的发展为大背景，综合东华大学有关学科的优势，调动该校人文学院的科研力量，广泛联系国内各兄弟高校及哲学社会科学研究单位，     

完善科技企业孵化体系建设加快用高新技术改造传统产业步伐

自1989年沈阳市高科技创业中心成立以来，作为国家发展高新技术产业的重要组成部分，我市一直对科技企业孵化器的建设和发展给予充分重视，在资金、政策、组织、管理等方面给予了重点扶植。特别是2003年4月，科技部将沈阳市列为国家“科技企业孵化器重点城市”，以此为契机，我市将科技企业孵化器体系建设工作作为用高新技术改造老工业基地的重要内容，取得了明显成效。     

禁止进口固体废弃物的逻辑与前景

封闭经济体中可以进行经济协同的空间较为狭小,经济全球化则深刻改变了各国在全球价值链上扮演的角色。商品、服务、资金、人员等各类要素的流动和分配方式更为多元,为各类经济活动的全生命周期管理提供更多方案。一直以来,生活消费品的最终阶段并非止于消费者,而是需要进一步延伸至垃圾处理、回收和再利用环节。长期以来,作为全球制造中心,中国通过大量进口原材料.     

成排连铸坯端面中心坐标视觉自动提取方法

为了实现成排连铸坯端面机器人贴标时各连铸坯端面中心坐标的快速提取,提出了先提取连铸坯端面图像角点像面坐标,再计算各连铸坯端面中心像面坐标的研究方案。首先,提出了一种改进型SUSAN角点检测算法,解决了图像中相邻连铸坯端面图像边界间距离过小和连铸坯端面图像角为弧形角所造成的角点漏检问题;然后,提取角点的像面坐标,并确定各封闭区域所包含连铸坯端面个数;最后,采用一种倾斜连铸坯端面图像中心像面坐标的提取方法,计算各连铸坯端面中心像面坐标。应用以上方法进行成排连铸坯端面机器人贴标实验,实验结果表明,连铸坯端面水平和竖直方向贴标位置误差范围分别为-0.625～0.850 mm和-0.550～0.875 mm,完全满足企业对多根连铸坯端面自动贴标位置误差允许值1 mm的要求。所提视觉方法在理论和实际应用上都是可行的,不仅为连铸坯端面贴标机器人提供了准确的贴标位置,而且为矩形图像元素的中心坐标提取提供了一种可靠的方法,具有一定的应用价值。     

中心损失与Softmax损失联合监督下的人脸识别

深度学习在人脸识别领域已经取得了巨大的成就,针对当前大多数卷积神经网络采用Softmax损失函数进行特征分类,增加新的类别样本会减小类间距离的增长趋势,影响网络对特征判别的问题,采用了一种基于中心损失与Softmax损失联合监督的人脸识别算法,来提高网络对特征的识别能力。在Softmax基础上,首先,分别对训练集每个类别在特征空间维护一个类中心,训练过程新增加样本时,网络会约束样本的分类中心距离,从而兼顾了类内聚合与类间分离。其次,引入动量概念,在分类中心更新的时候,通过保留之前的更新方向,同时利用当前批次的梯度微调最终的更新方向,该方法可以在一定程度上增加稳定性,提高网络的学习效率。最后,在人脸识别基准库LFW上的测试实验证明:所提的联合监督算法,在较小的网络训练集上,获得了99.31%的人脸识别精度。