多尺度自适应加权形态边缘检测方法

针对常用的多尺度边缘检测方法因卷积运算造成模糊图像边缘，提出一种多尺度自适应加权形态边缘检测方法，利用大小不同的结构元素提取图像边缘特征，在大尺度下抑制噪声，可靠地识别边缘，在小尺度下定位，再由粗到细跟踪边缘，得到边缘的位置，再由各尺度结构元的抗噪性确定加权值的大小，然后加权处理得到最后的边缘结果，实验表明，用多尺度自适应加权形态边缘检测算法可得到较理想的图像边缘。     

山梨酸钾的三维荧光光谱特性分析

山梨酸钾作为一种较为安全、高效的防腐剂,长期或过量摄入会对人身造成伤害,因此各国对山梨酸钾的使用量都有严格的限定.文中采用FLS 920荧光光谱仪研究了山梨酸钾溶液的三维荧光光谱,发现激发光从320 nm红移至500 nm时,先后出现两个荧光峰:485 nm和565 nm,前者强度明显大于后者,对应的激发峰分别为380 nm和470 nm.分析认为这两个荧光峰分别是由山梨酸钾分子中的共轭π键和未成键n电子受激跃迁所致,根据其在485 nm谱峰荧光强度随质量浓度(0.05 ～ 12 g/L)的非线性变化规律可以检测山梨酸钾质量浓度.进而以鲜榨苹果汁为例,研究了基于荧光光谱技术检测山梨酸钾在鲜榨苹果汁中质量浓度的可行性,为进一步检测液态食品中山梨酸钾的含量提供了实验和理论依据.     

离子色谱法测定环境中毕克草的含量

建立了用离子色谱法测定环境中毕克草含量的方法.选用NJ-SA-4A型阴离子分析柱,以3.36 mmol/L碳酸钠-1.5 mmol/L碳酸氢钠作淋洗液,流速为1.5 mL/min,样品用乙酸乙酯萃取浓缩10倍后,电导检测器检测.该方法具有良好的重现性和线性关系,地表水样品回收率在98.0%～102%之间,土壤样品回收率在97.1%～98.7%之间,结果令人满意.     

Multi-ISM联盟的网络安全系统协作模型及算法

针对现有网络入侵检测系统(NIDS)存在智能程度低、自适应能力弱、协同性差、负载不均衡等局限性,引入了免疫软件人(ISM)智能体的理论,提出了一种基于multi-ISM联盟的网络入侵检测与防御系统的分布式社区协作控制模型及其算法.该模型系统采用了部分-全局规划(PGP)策略以及multi-ISM间的协作、协调和协商机制,融合了网络协作模型与层次模型的优点,从性能上改善了当前分布式入侵检测系统(DIDS)难以适应高带宽、大流量的动态网络环境等问题.实验结果表明:该模型系统相比其他的DIDS,在检测性能和误报率等方面具有明显优势,对于服务器系统资源的占用率不是很大,同时它还能够较好地解决网络信任社区内与社区间的协同防御和预警问题.     

重金属检测技术研究与应用

阐述了近年来国内外在重金属检测技术研究与应用方面的进展,从原理和应用角度重点分析和比较了目前我国常用的国标、行标主要检测方法,以及快速检测新方法研究状况,指出了重金属检测技术研究应用的发展趋势和重点.     

大规模入侵检测体系下追踪机制的设计与实现

在大规模网络环境下，追踪恶意主机及其真实位置，对于整体网络的安全防御十分重要。因此，在大规模入侵检测系统中，利用各级控制中心的自动响应和处理功能，设计和实现了基于存储转发技术的追踪机制。测试表明，该机制可以有效地追踪和定位恶意主机的口地址，进一步完善了大规模入侵检测系统的监控功能。     

焊缝图像边缘线提取的一种有效算法

基于机器视觉智能焊接自动化,提出了一种有效的焊缝识别算法.通过对图像进行滤波、图像锐化、二值化增强,以及针对二值化后的图像以形态学滤波方法进一步滤除图像中的孤点噪声等方式,采用Roberts边缘算子提取出焊缝图像的边缘,并利用骨架运算提取.在预处理和检测时都使用感兴趣区域.结果表明,该算法具有良好的实时性、可靠性和鲁棒性.     

基于瞬时无功功率理论改进的APF谐波电流检测方法

针对传统的ip-iq检测方法中PLL抗干扰能力差、电路复杂和延迟滞后等问题,以瞬时无功功率理论的谐波电流检测方法为基础,提出一种加入电压基波正序提取法和预置微量补偿相位法的改进型ip-iq检测方法.仿真结果表明:改进的ip-iq检测方法可以准确地计算出感性负载电网中的谐波电流,能够有效地解决传统的ip-iq谐波电流检测方法延迟滞后的问题,显著降低了补偿后负载电流的畸变率THD,提高了APF的动态补偿能力,证明了改进方法的有效性.     

合安高速公路柏年河大桥单梁承载力试验研究

通过对合安高速公路柏年河大桥 I型梁进行破坏性加载试验 ,采用电子应变仪测取梁的应变、高精度水准仪观测梁下缘的挠度 ,掌握了这种新型结构的单梁承载能力。同时对试验梁作了振动信号的采集 ,通过这些动载检测资料 ,分析出构件在外力作用下逐渐损伤过程中 ,结构动力响应的有关参数变化 ,从而为采用无损检测方法判定结构损伤提供了依据     

基于代价敏感SVM优化组合算法的微钙化簇识别

微钙化簇是乳腺癌一个重要的早期发现,现有的检测技术为了达到高敏感性要求,产生很多假阳性数据.根据微钙化簇特点,提出一种整体和局部相组合的分类识别策略,并根据真假阳性样本错分代价的不同,使用代价敏感SVM方法进行分类学习.在构造分类器模型过程中利用粒子群进行分类器的参数优化及特征集合的选择,以提升分类学习的泛化能力.该算法在保证高敏感性的同时,降低了过多的假阳性数据,并删除了冗余和不相关的特征.实验结果表明,基于粒子群优化的代价敏感SVM组合分类算法提高了传统方法的识别能力.