N,N′-二(β-十八酰氧基)乙基乙二胺二乙酸钠的合成及性能研究

用 N,N′-二羟乙基乙二胺、氯乙酸钠合成了 N,N′-二羟乙基乙二胺二乙酸钠(中间体),中间体再与硬脂酰氯反应制备了一种新型 Gemini 两性表面活性剂 N,N′-二(β-十八酰氧基)乙基乙二胺二乙酸钠。对产物合成条件进行了考察,优化的反应条件为:n(硬脂酰氯):n(中间体)=2.5,溶剂 V(水):V(氯仿)=1:2,pH=9.0～10.0,反应温度15～20℃,反应时间5 h。通过红外光谱和质谱分析确定了产物结构,并测试了产物的表面性能。结果表明,在25℃时,该产物的临界胶束浓度为0.24 mmol/L,临界胶束浓度下的表面张力为35.7 mN/m;即时泡沫高度为250 mm,5 min 后泡沫高度为220 mm;乳化时间为22.48 min(甲苯-水物系)和4.65 min(正己烷-水物系),亲水-亲油平衡值为5.4,等电点为 pH 3.3～6.5。     

《无机及分析化学》在多媒体教学的应用及思考

对多媒体技术在无机及分析化学教学的应用进行了，阐述和分析，指出使用多媒体教学应注意的问题。     

时滞系统方法的网络控制系统的研究

针对普遍存在的采样器和零阶保持器异步这一现象,研究了该类网络控制系统的状态反馈控制问题。首先,以事件驱动的零阶保持器的更新时刻为时间标识,并考虑到网络的诱导时延和数据丢包,建立网络控制系统的采样闭环模型,并转化为状态中连缀着两个时滞变量的时滞系统。然后,利用相应的时滞系统方法,对闭环网络控制系统进行了稳定性分析和控制器综合。最后,通过仿真实例验证了所得结果的正确性。     

一种自动确定分割阈值的指纹图像分割方法

针对传统的基于灰度特性的指纹图像分割方法的不足,提出了一种自动确定分割阈值的改进算法。首 先,对图像进行直方图均衡化处理。然后,提出一种自动确定分割阈值的方法,利用图像的灰度均值及方差分割图像。最后,对分割后的图像进行后处理。实验表明,该方法简单实用,处理速度快,鲁棒性好,满足实时性要求较高的自动指纹识别系统的要求,是一种行之有效的分割方法。     

改进粒子群算法在支持向量机训练中的应用

训练支持向量机需要求解二次规划问题,LPSO算法对于求解含线性约束优化问题是一种直观、简单的方法。改进后的LPSO算法较好的解决了早熟收敛问题。对谷氨酸发酵过程建模的实验表明本文提出的方法训练精度高,泛化能力强。     

基于自适应蚁群优化的Ad Hoc网络路由算法

针对蚁群优化固有的搜索时间长、易陷入局部最优解的缺点,提出一种改进的基于蚁群优化的AdHoc网络路由算法.通过增加自适应因子提高路由搜索能力,充分考虑节点间的时延来改进信息的更新机制,同时对路由表做出修改,提高路由算法性能,增强算法的适应能力.经过与已有路由算法DSR和AODV的仿真比较,结果表明该算法在成功传输率和平均端到端延迟上表现了较好的性能.     

基于颜色、边缘综合特征的图像检索技术研究

在基于内容的图像检索技术(CBIR)中,颜色作为图像的一种重要视觉信息,已得到广泛应用.相对于图像的几何特征而言,颜色具有一定的稳定性,对缩放、平移、旋转具有很强的鲁棒性.目前基于颜色特征的检索技术很多,但也都有各自的局限性.提出一种新的图像检索算法,基于颜色、边缘二种特征的综合来完成图像的检索.在颜色特征中采取了聚类方法优化像素点颜色量化过程.通过加权处理,将基于颜色直方图的检索技术与基于边缘直方图的检索技术相结合,实现图像检索性能的显著提高.     

基于归一化割的自适应多阈值图像分割方法

基于图谱理论的图像闽值分割方法是一种基于全局的单阈值分割方法,其对复杂图像的分割效果不明显,而且其采用的权值计算公式中含有两个需手动调整的参数,这些都限制了该算法的通用性.据此提出基于归一化割的自适应多阈值图像分割方法,它通过几个阈值来分割复杂图像,并且采用了一个自适应权值计算公式,提高了该方法的通用性.大量的实验结果表明该方法具有很好的分割效果,可以保留更多的图像细节.     

基于MVC的振动噪声数据库系统的设计与实现

预期的研究成果是拥有自主知识产权的振动噪声数据库.通过建立这样一个数据信息规模较大、可用性强、开放式的振动噪声数据库,为振动噪声试验工作提供坚实的基础.对系统进行了概要的介绍,提出了一套基于J2EE框架平台的系统解决方案.整个系统采用了MVC设计模式,还采用了Struts、Spring、Hibernate等多种技术,使得系统成为以网络为系统平台,基于B/S结构、具有结构清晰,具有良好的可扩展性、可维护性以及重用性的主题数据库应用系统.     

基于向量投影的KNN文本分类算法

针对KNN算法分类时间过长的缺点,分析了提高分类效率的方法.在KNN算法基础上,结合向量投影理论以及iDistance索引结构,提出了一种改进的KNN算法--PKNN.该算法通过比较待分类样本和训练样本的一维投影距离,获得最有可能的临近样本点,减小了参与计算的训练样本数,因此可以减少每次分类的计算量.实验结果表明,PKNN算法可以明显提高KNN算法的效率,PKNN算法的原理决定其适合大容量高维文本分类.