结合船舶工程建设需求 探讨我国自主CAE软件产业建设

针对我国缺乏自主CAE软件的现况,结合船舶工程建设的创新发展需求,探讨建设自主CAE软件产业的可行性.阐述政府在政策和经济上扶持的重要性,指出生产性服务业、先进制造业与自主CAE软件产业联动对我国船舶工业自主创新发展的必要性.     

无线传感器网络应用综述

传感器被越来越多地布置到实际的网络环境中,用于实现某些应用.无线传感器网络已经成为了科学研究领域最前沿的课题之一,引起了工业界和学术界众多研究者的关注.通过总结相关方面的工作,综述在不同领域中无线传感器网络的实际应用,并对具体应用的一些重要特性进行分析,在此基础上提出若干值得继续研究的方面.     

虚拟机在实践教学中的应用

随着高职院校课程的不断改革深入,越来越重视实践教学。虚拟技术的发展和其自身所具有的特点,被高校广泛的应用在实践教学上。虚拟机的应用不仅充分有效的利用现有设备,而且对硬件设备及系统具有很好的安全性。教学上更加灵活、方便的设计实践项目,从而提高实践教学的质量。     

可信安全体系架构原理与实践

本文介绍了可信安全理念和应用设计示例。可信安全简要概括为通过结构化的可信计算基、可信安全工程化等可信安全机制,保证系统安全机制具有期望的功能以及来源的真实性、机制自身的不可旁路和防篡改能力。结构化可信计算基也增加了系统安全功能机制形式化描述的可行性,从而提高人们对系统安全的信心。     

基于历史信息的对等网络负载均衡算法

针对当前对等网络中存在的负载不均衡问题,提出了基于历史信息查询的负载均衡算法(HILBA),以提高系统的整体心?实验结果表明,此算法在节点同构和异构环境下都提高了系统的负载均衡能力.     

基于方面的实时特性的研究与实现

针对实时系统中实时特性横切整个系统,跨越多个对象和模块,与核心功能混杂在一起,给这类系统的设计和维护带来很大风险和困难,而传统的软件开发方法又不能很好地解决这些问题的特点.利用面向方面(Aspect-Oriented)技术对横切特性具有封装并集中处理的能力,分析实时特性的特点,结合具体实例,针对不同类别的实时特性说明了面向方面的软件开发方法是如何把实时特性封装成为方面的,同时给出了相应的方面描述和实现方法,为实时特性从设计模型到方面代码的自动生成奠定了基础.     

遗传神经网络-紫外分光光度法同时测定苯酚和邻苯二酚

研究吸收光谱重叠严重的苯酚和邻苯二酚的两组分体系,针对BP神经网络易陷入局部极小等缺陷,将遗传算法与BP神经网络相结合,用遗传算法优化神经网络的初始权值和阀值,由神经网络输出的误差构造适应度函数,建立遗传神经网络算法,用紫外分光光度法同时测定混合的苯酚和邻苯二酚,预测集样品的相对平均误差分别为0.818%和0.366%,对水样的加标回收率分别为104.7%和102.9%。     

矩阵求逆运算的VLSI实现

矩阵运算广泛应用于各类电路计算中,矩阵运算的硬件实现能够充分发挥硬件的速度和并行性。其中矩阵求逆是矩阵运算中重要的运算。为加速矩阵求逆,研究构造出一种非常易于实现的基于心动阵列的矩阵求逆的电路结构。通过硬件描述语言Verilog建模,VCS仿真及用Design Compile进行综合,结果表明这种并行结构能快速实现矩阵求逆,且运算精度较高。     

辐照方式对南酸枣糕品质及货架期的影响

目的：选择最佳辐照方式及辐照剂量处理南酸枣糕。方法：分别采用0～10 kGy梯度剂量⁶⁰Co-γ射线和电子束辐照处理南酸枣糕,测定其微生物负载、蛋白质、脂肪、总糖、L（+）-抗坏血酸、有机酸、pH值及感官品质等指标以及在常温贮藏期间品质的变化。结果：⁶⁰Co-γ射线和电子束辐照对南酸枣糕杀菌作用明显,4 kGy辐照后样品中微生物限量指标菌（菌落总数、大肠菌群、霉菌）和致病菌限量指标菌（沙门氏菌、金黄色葡萄球菌）均未检出。不超过10 kGy的⁶⁰Co-γ射线和电子束辐照对南酸枣糕中蛋白质、脂肪、总糖、有机酸（以柠檬酸为主）、pH值及感官品质无显著影响,但辐照后南酸枣糕中L（+）-抗坏血酸含量与对照组相比显著降低（P＜0.05）,与辐照剂量呈负相关,且⁶⁰Co-γ射线辐照对其影响效应大于电子束辐照。设定4～10 kGy剂量⁶⁰Co-γ射线和电子束辐照处理南酸枣糕批量产品,在常温下贮藏0～360 d,产品的微生物限量指标菌（菌落总数、大肠菌群、霉菌）均<10 CFU/g。南酸枣糕的气味、滋味和组织状态无明显变化,但随着贮藏时间延长,其色泽会由于发生褐变而加深,贮藏270 d尚可接受。结论：⁶⁰Co-γ射线和电子束辐照是南酸枣糕杀菌贮存的有效方法,推荐南酸枣糕辐照杀菌的工艺剂量为4～10 kGy。     

基于视觉传感器采集光流特征的精神疾病识别方法

目前,精神疾病的筛查主要依靠临床医生的访谈和问卷进行评估,具有高成本、主观性等问题。本文提出了一种基于视觉传感器采集光流特征的精神疾病识别方法,可以实时监测和预警,以较低的成本和非侵入性的方式来进行精神疾病的辅助筛查。该算法通过视觉传感器全面采集患者的面部数据来提取光流特征,输入TSMOSNet进行训练。TSMOSNet以TSM为基础网络进行改进,替换普通卷积为光流提取头,针对视觉传感器采集而来的光流特征图进行密集采样,并添加了时序注意力模块、DML蒸馏和VideoMix数据增强等方法,增强了视觉特征,以提高精神疾病识别的准确率。实验结果表明,在H7-BDSN数据集上相比于其他方法,本文提出的识别算法在精神疾病的筛查任务中取得了最好的效果,准确率为85%,F1分值为0.84。