判断ODS替代品HFC、HCFC可燃性的简单方法

国家环保总局于2004年9月公布了《消耗臭氧层物质（ODS）替代品推荐目录（第一批）》，并将随着消耗臭氧层物质的淘汰及其替代技术的发展，将适时更新目录。在目录说明中第一条提到所推荐的替代品在选用时应遵照相关技术规范要求（尤其是安全方面）。     

SO42-／TiO2-Al2O3-SnO2固体超强酸的制备及其催化合成马来酸二正戊酯

制备了酸强度为-14.52的SO4^2-/TiO2-Al2O3-SnO2固体超强酸，考察了浸渍液H2SO4的浓度、金属原子配比、焙烧时间对其酸强度的影响。该催化剂催化合成马来酸二正戊酯，具有很好的催化性能。     

在新工科背景下计算机操作系统原理的教学改革探讨与实践

操作系统原理是计算机学科领域非常重要的一门专业基础课,新工科背景下,课程内容需要与时俱进、教学方式需要提高"感性和趣味性".在引导学生理解和掌握操作系统的基本概念和基本方法的基础上,设置"差异化"教学内容与实践环节,采用混合学习和掌握学习相结合的教学形式.将课程实践与课程设计结合,注重知识的拓展,从而强化应用基础性知识点,挖掘学生潜力.     

基于信道状态特征的手势动作识别技术研究

手势识别作为人和机器之间重要的交互手段,在日常生活中具有广泛的应用场景。基于无线信号特别是WiFi的手势识别由于其无接触、成本低等优点成为当前热门的方式。为解决传统基于无线信号手势识别算法没有充分利用信号相位特征的缺点,本文提出利用WiFi信道状态信息幅值和相位结合的方式进行手势识别。通过子载波降维和动作曲线提取对接收的WiFi信号进行处理,并将信号的幅值和相位结合,利用机器学习算法对数据进行训练和分类,实现了单手向前、单手向后、单手向左、单手向右、单手向上和单手向下六种手势的识别。实验结果显示,本文算法在近距离和远距离下的精确度分别为96%和92%。     

高校智能咨询系统实施过程中的关键问题研究

高校是"最多跑一次"思想的有力支持者,目前已有百余所高校同步推进,且取得显著成效.在此背景下,从高校留学生群体入手,分析当前高校智能咨询系统在"最多跑一次"实施落地过程中存在的问题.通过加强团队建设、规范事项、梳理流程、细化颗粒度的方式弥补仅靠系统带来的不足,旨在更好的为高校"最多跑一次"服务.     

基于同态高低通滤波与多尺度Retinex的低照度彩色图像增强

针对低照度条件下彩色图像的细节丢失与视觉效果不佳等问题,提出一种改进的低照度彩色图像增强算法。对三个颜色分量图像分别进行同态高低通滤波处理,在提取高频成分的同时,保留部分低频成分。对其中高频图像进行多尺度Retinex算法、指数变换及量化等处理,加强图像细节;对低频图像进行量化和线性伸缩变换处理,避免图像过度增强。MATLAB仿真结果表明,该算法不仅改善了低照度图像的视觉效果,而且在信息熵、峰值信噪比和对比度等性能指标上也有较大提升。     

基于改进AdaBoost算法的复杂网络链路预测

链路预测是复杂网络的重要研究方向,当前的链路预测算法因可利用的网络信息有限,导致预测算法的精确度受限。为了提高预测算法的性能,采用改进的AdaBoost算法进行链路预测。首先根据复杂网络样本建立邻接矩阵,完成样本的矩阵化处理;然后采用AdaBoost算法进行分类训练,通过权重投票获取预测结果;最后,考虑到复杂网络弱分类器预测正负误差分布的不均衡问题,设置权重调整因子η及其调整范围[η1,η2],并根据η值动态调整AdaBoost算法的多个弱分类器分类结果的权重,从而获得准确的链路预测结果。实验结果证明,相比其他常用网络链路预测算法及传统AdaBoost算法,改进的AdaBoost算法的预测准确率优势明显,且在节点数量较多时,其预测时间性能和其他算法的差距较小。     

基于ATT-DGRU的文本方面级别情感分析

方面级别情感分类是针对给定文本、分析其在给定方面所表达出的情感极性。现有的主流解决方案中,基于注意力机制的循环神经网络模型忽略了关键词邻近上下文信息的重要性,而结合卷积神经网络(Convolutional Neural Network,CNN)的多层模型不擅长捕捉句子级别的长距离依赖信息。因此,提出了一种基于截断循环神经网络(Disconnected Gated Recurrent Units,DGRU)和注意力机制的方面级别情感分类网络模型(Attention-Disconnected Gated Recurrent Units,ATT-DGRU)。DGRU网络综合了循环神经网络和CNN的优点,既能捕捉文本的长距离依赖语义信息,又可以很好地抽取关键短语的语义信息。注意力机制在推断方面情感极性时捕获每一个单词与给定方面的关联程度,同时生成一个情感权重向量用于可视化。ATT-DGRU模型在中文酒店评论数据集上进行ACSA任务,任务结果表明,其二分类、三分类准确率分别达到91.53%,86.61%;在SemEval2014-Restaurant数据集进行ATSA任务,任务结果表明,其二分类、三分类准确率分别可达90.06%,77.21%。     

虚拟现实环境下基于眼动跟踪的导航需求预测与辅助

针对复杂虚拟现实场景中传统导航方法对用户支持不足和用户沉浸感较低等问题,文中提出了基于梯度提升迭代决策树的二分类模型,利用用户在虚拟现实环境中使用辅助导航时需要的眼动数据,来分析和预测用户在任务过程中是否需要辅助导航.根据用户的注视序列对该模型进行评估,得到用户需求判定方法的平均精确率和准确率分别为77.6％与77.2％.此外,文中借助所设计模型实现了一个导航辅助原型系统,通过对用户的眼动数据进行分类,来自动呈现导航辅助界面.实验结果表明,与传统的永久性辅助导航方法相比,新提出的自适应辅助导航具有更好的用户体验.     

基于质心法的车联网目标跟踪方法与应用

车辆目标跟踪是实现车联网不可或缺的一环,旨在获取车辆的动态信息,以提高交通运行效率.其核心是对大量监控探头采集的视频图像进行分析处理,实现车辆的实时检测与跟踪.为了进一步提高目标检测效率,降低硬件成本,文中提出了基于二帧差分法的前景检测方法,以及基于质心法的车辆轮廓检测与跟踪方法.基于OpenCV3.4.1和VS2017进行验证实验和仿真测试,结果表明,该算法对车辆跟踪的精确率达到89.1％,平均处理耗时42.63 ms,具有较好的实时性和鲁棒性,可在车联网嵌入式设备上进行部署和应用.