基于融合特征和LS-SVM的脱机手写体汉字识别

提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块.特征提取模块主要包括采用基于不变矩和弹性网格技术的串行特征融合方法,所得到的特征向量不仅充分反映了手写体汉字的全局和局部特征,而且具有很强的区分表达能力.分类识别模块将神经网络多类分类策略与最小二乘支持向量机相结合,所得到的分类器不仅识别率高、泛化能力强,而且有效地解决了多类分类问题.实验证明本文提出的识别系统能够取得很好的识别效果.     

聚球藻对镍的富集作用及影响因素

研究了环境因素与自身因素对聚球藻富集镍的影响.聚球藻对镍的富集时间在80min可以达到平衡;镍藻质量比最优值为16%～18%,此时富集量达到最大值即饱和吸附范围;pH值是影响富集的一个重要因素,同样条件下随pH值的增加富集量会不断增加,但由于过高pH会导致氢氧化镍生成,因此最佳pH值在9～10;温度和光强是调节富集量的两个因素,温度在35℃、照度在30001x左右是最佳的富集条件;同样条件下,死藻比活藻的富集量略高.     

粉末高温合金平衡相析出行为的热力学对比

利用热力学平衡相计算方法及相应的高温合金数据库对René95,Rene88DT和эп741нп三种合金在平衡相析出温度范围和析出量以及之间的关联性进行了系统的热力学计算对比分析.结果表明:三种粉末高温合金的平衡相种类基本相同,主要平衡相为γ,γ'和碳化物M23C6,MC,M6C.René95合金中的碳化物含量要高于其他两种合金.3п741нп有着较高的γ'相析出温度和较大的析出量.随温度降低,Co和Nb从γ'相中析出,在其周围富集,其中3п741нп合金中尤为明显.合金元素的偏聚度也和合金的初熔点与终熔点之差的大小有关,其熔解区间越大即初熔点和终熔点之差越大,合金元素的偏聚度越大.     

LF-拓扑空间的强拟紧性

本文将文[1]给出的拟紧概念推广到α-拓扑空间，证明了它是L-好的推广并且它对于正则闭子集是可遗传的．在LF-半正则空间中讨论了强拟紧集与强F紧集的等价性。     

G蛋白偶联受体研究进展

G蛋白偶联受体（GPCRs）是体内最大的蛋白质超家族，根据结构的同源性，主要分为A、B、C3族．GPCRs配体的多样性决定配体结合域的多样性．受体分子内相互作用力的破坏、质子化、构象改变、与G蛋白的偶联及受体二聚化参与了GPCRs的活化过程，近年发现GPCRs的失敏和内吞对受体功能调节亦非常重要，本文拟综述以上内容的研究进展．     

基于 Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.     

聚硅酸类混凝剂的改性研究进展

综述了聚硅酸类混凝剂的制备工艺、改性方法及机理探索方面的研究概况，并对未来的研究方向进行了分析和预测．     

信息类与感染类源语的改进与英译

根据纽马克的功能翻译类型学，本文提出译者有权修改信息类与感染类原文语言上的缺陷，举例讨论了缺陷的类型，其改正方法及改正后原文的翻译。鉴于目前基层企业这类送译稿数量巨大，其中不少在语言上有一定的缺陷，这种讨论具有较大的意义。     

聚3-丁酰基吡咯偶氮苯甲烯的非线性光学性能

通过3 丁酰基吡咯单体与4 醛基4’ 二甲氨基偶氮苯的缩聚反应合成了一种侧链含偶氮基团的新型聚吡咯甲烯衍生物———聚[(3 丁酰基吡咯 2,5 二)对二甲氨基偶氮苯甲烯](PBPDMAABE).与无取代基的聚[(吡咯 2,5 二)对二甲氨基偶氮苯甲烯]相比,该聚合物的溶解及成膜性能得到了很大的改善.PBPD MAABE的分子结构通过氢核磁共振谱和红外光谱得到了确认.由聚合物紫外 可见吸收光谱测得其光学禁带宽度为1 82 eV.采用后向简并四波混频(DFWM)技术测试了聚合物溶液与薄膜的三阶非线性光学性能,其浓度为3 65×10-5 mol/L的氯仿溶液和薄膜的三阶非线性极化率分别为 2 12×10-8 esu和 3 91×10-8esu.通过理论计算可得 PBPDMAABE 的二阶超分子极化率和非线性折射率分别为 2 68×10-25 esu 和5 47×10-7 esu.实验结果表明,PBPDMAABE具有优良的非线性光学性能.     

人工免疫C-均值聚类算法

通过借鉴生物免疫系统中的克隆选择原理和记忆机制，提出了一种人工免疫C-均值混合聚类算法．该算法采用了新的克隆选择方法，通过亲和度排序和个体浓度定义了个体的选择概率，从而可确定个体的适应值评价函数，以评价和选择个体．算法还集成了一种C-均值搜索算子，用于加快收敛速度．在聚类数目已知的情况下，所提算法能够得到给定数据集下的全局最优划分，与基于遗传算法的聚类方法比较，它具有更快的收敛速度和更高的收敛精度，并可扩展到性能指标能够表示为优化聚类中心函数的聚类模型之中．仿真结果表明，所提算法是有效性的．