含氢类金刚石膜沉积过程的分子动力学模拟

含氢类金刚石膜(diamond-like carbon, DLC)的超低摩擦特性与其沉积制备过程密切相关. 采用分子动力学模拟的方法, 计算了以CH₃基团为沉积物, 在多种不同入射能下制备含氢DLC膜的动力学过程. 通过沉积原子数统计分析、薄膜密度和sp杂化分析考察了含氢DLC膜的结构特性. 通过比较模拟结果, 发现随着入射轰击能量的增加, 含氢类金刚石膜中碳的含量总体上呈现增加的趋势; 在含氢DLC膜中所沉积的氢原子数存在峰值, 峰值前后变化趋势相反, 大于80 eV以后趋于饱和与稳定, 薄膜相对密度也随之增加, 达到50 eV时趋于稳定值; 膜中碳原子比氢原子具有更强的成键能力, 易与基底发生化学吸附; 沉积源基团的氢含量决定生长成膜以后的薄膜氢含量, 沉积源基团中的氢含量高, 则所生长薄膜的氢含量高.     

在导电界面反射电磁波的横向偏移研究进展

综述了在导电界面反射电磁波的横向偏移研究现状. 对在导电界面反射电磁波的横向偏移时间和横向偏移规律进行了分析, 并介绍了横向偏移随入射角变化曲线的分布特点. 对电磁波测井还介绍了电磁波横向偏移效应的校正方法及电磁波横向偏移所产生误差的量级分析, 电磁波波长越长, 对测量结果的影响就越大. 针对考虑非均匀电磁波横向偏移效应的测量问题, 指出了在实际应用中尚需解决的实际问题, 并展望今后的研究发展趋势和应用前景.     

VB.Net 2003中串行端口通信的实现

针对MSComm控件的不足,探讨在VB.Net2003中如何利用API函数来定义串行端口类,并通过一个应用实例介绍如何利用该类的声明来实现PC与可编程控制器之间的串行通信.这对开发高质量的串行通信有一定的应用和借鉴价值.     

利用TIRFM技术检测PC12细胞中类突触小囊泡的锚定和融合特性

受到广泛关注的神经递质的释放是通过突触囊泡与突触前膜的融合完成的．通过对单个囊泡动力学的分析发现，在突触囊泡分泌过程中除了“完全融合”（fullfusion）模式外，还存在着“部分融合即离开”（kissandrun）和“部分融合且停留”（kissandstay）两种融合模式．在神经元受到强烈刺激时，这两种分泌模式尤为重要．同时突触囊泡融合前的转运、锚定、激活过程在神经递质的释放和调节过程中起着很关键的作用．在高l（＋刺激下的PCI2细胞中，我们运用全内反射荧光显微镜（total internal reflection fluorescence microscopy，TmFM）技术，通过VAMP2．pHluorin和VAChT-TDimer2双色荧光成像的方法跟踪类突触小囊泡（synaptic vesicle-1ike microvesicles，SLMVs）的锚定和融合过程．结果表明，在高K^＋刺激的PC12细胞中，部分融合即离开这种分泌模式占主导地位，同时发现在高K^＋刺激下SLMVs在细胞膜上的停留时间增加了，说明被激活囊泡的囊泡数量增加．     

基于半模糊核聚类的模糊超球支持向量机多类分类方法

针对支持向量机(SVM)在大类别模式分类中存在的问题,提出了一种基于半模糊核聚类的超球SVM分类方法.该方法基于半模糊核聚类生成模糊类,利用模糊类提供的边缘样本信息,利用超球SVM进行多类分类,从而有效提高分类器的性能.实验表明,该方法比传统方法具有更高的速度和精度.     

投影寻踪动态聚类模型

投影寻踪聚类模型在多因素聚类分析中被广泛应用并取得了满意的效果,然而,该模型还存在诸如密度窗宽参数取值经验确定等不足,有待改进提高.本文针对投影寻踪聚类模型的不足,首次把投影寻踪的思想和动态聚类方法结合起来构造投影指标,基于免疫进化算法,建立了投影寻踪动态聚类新模型.新模型一方面在整个运算过程中毋需人为给定参数,聚类结果客观、明确,另一方面,它还具有稳定性好、操作简便等特点.洪水分类的实际应用表明,投影寻踪动态聚类模型切实可行,取得了很好的效果,在多因素聚类分析领域具有广阔的应用前景.     

基于谱聚类的图像多尺度随机树分割

针对谱聚类（spectral clustering）应用于图像分割时权矩阵的谱难以计算的实际问题，定义了像素点与类之间的距离，给出一个采样数定理，设计了一个图像的分层分割（hierarchical divisive）算法．在利用该算法进行图像分割时，由于既要对待分类的点进行随机抽样，又要通过调节尺度因子来合并较小的类或拆分较大的类，因此图像的分割既具有随机性又具有多尺度特性，称之为基于谱聚类的图像多尺度随机树分割（multiscale stochastic hierarchical image segmentation byspectral clustering，简写为MSHISSC）．实验结果表明了算法的有效性．     

钢铁企业合作创新项目选择的模糊聚类分析

在合作创新过程中,针对区间数的评价信息,提出一种基于遗传算法的模糊聚类方法.考虑方案各准则的权重、准则值为区间数,同时要求对聚类中心各准则值有严格序关系.然后结合隶属度变量构建优化模型,利用具有动态惩罚函数的遗传算法求解,计算得到各方案的所属类别.实例证明了该方法的有效性和可靠性.     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。     

自动化系统数据挖掘问题的模拟退火解法

数据挖掘是近年来发展起来的新技术,指挥自动化的辅助决策过程也越来越依靠数据挖掘求解。通过数据挖掘,可以有效地处理海量数据,为正确决策提供支持。模拟退火是一种性能优越的计算智能算法,广泛应用于求解非线性最优化问题。数据挖掘中的数据聚类与模拟退火在本质特性上存在相似,可以将模拟退火应用于数据挖掘。通过蒙特卡罗方法生成随机数据,进行基于模拟退火的聚类分析。算例表明,新方法能够很好地进行数据聚类,具有较好的适用性。