基于单元格运动特征的人群异常检测

针对传统基于跟踪的异常检测方法无法适用的拥挤人群场景,提出一种根据单元格速度和前景像素数(大小)及其运动方向是否具有刚性运动特性来判别异常的检测方法。为了只分析前景目标忽略不相关的背景,首先将输入帧进行前景分割,再将输入帧分割成不重叠的单元格,通过计算单元格中前景像素的光流提取每个单元格的运动特征来判定异常的发生。其中,速度特征可以检测出速度过快的异常情况。为了区分出车和因人群走近而形成的大目标,提出运动方向统计的方法。实验表明该方法在较短的时间内具有较好的检测效果。     

3-(S)-(-)-(1-氨甲酰基-1,1-二苯基甲基)吡咯烷的制备

3-(S)-(-)-1-氨甲酰基-1,1-二苯基甲基)吡咯烷是合成抗尿失禁药物达非那新的重要中间体。它由3-(S)-( )-3-羟基吡咯烷盐酸盐经磺酰化和烷基化反应得到3-(S)-( )-(1-氰基-1,1-二苯基甲基)-1-甲苯磺酰基吡咯烷,再经过去磺酰化和水解4步反应制得,总产率为5.1%。     

PMMA/SiO2复合微球在常规乳液体系中的制备及其形态研究

以4-乙烯基吡啶(4-VP)为辅助单体,分别使用十二烷基硫酸钠(SDS)和OP-40(CA897)作乳化剂,在SiO2存在下用常规乳液聚合合成了PMMA/SiO2复合微球.在阴离子乳化剂体系中,通过改变聚合物乳胶粒大小可以得到不同形态的复合微球,在非离子乳化剂体系中,可以得到草莓型或核-壳形态的SiO2/PMMA复合微球,取决于单体滴加速度、乳化剂的浓度和单体/SiO2比.复合微球的形态通过透射电镜及扫描电镜进行表征.     

浅谈测定运动粘度的影响因素

通过讨论分析，阐述影响石油及石油产品运动粘度测定的六大因素。     

奈非西坦药物的合成研究

以碳酸钠为缚酸剂,摩尔比为1︰1的2,6-二甲基苯胺与氯乙酰氯反应合成了中间体2-氯-N-(2,6-二甲基苯基)乙酰胺;在强碱乙醇钠作用下,2-吡咯烷酮再与2-氯-N-(2,6-二甲基苯基)乙酰胺经亲核取代合成了目标化合物奈非西坦。探讨了影响中间体和奈非西坦产率的因素,在乙醇钠、2-氯-N-(2,6-二甲基苯基)乙酰胺和2-吡咯烷酮的摩尔比为2︰1︰2、反应时间为2 h的较佳工艺条件下,产品总收率达81%。     

纺织企业的原料库存控制模型研究

合理控制库存量,降低原料库存成本对纺织企业提高市场竞争力具有重大的意义。通过建立原料库存的不定量不定期控制模型,并采用遗传算法求解,给出了满足平均库存成本最小的(s,S)控制策略,并通过实例验证算法的有效性。     

原位反应增容无机非卤阻燃ABS微观结构研究

利用扫描电镜对原位反应增容技术制各的无机非卤阻燃ABS母粒及材料的界面形态进行了系统研究，考察了无机非卤阻燃剂与ABS树脂间的相容性。结果表明：采用该法制得的无机非卤阻燃ABS材料阻燃剂粒子被基体树脂包覆后均匀地分散在ABS树脂中，很难看出阻燃剂与ABS之问明显的界面，断裂截面显示出韧性断裂的基本特征，无机非卤阻燃剂与ABS良好的相容性是母粒法加工技术和原位反应增容技术共同作用的结果。     

Al_20_3粉体在液态石蜡中的分散行为

合成了Al2O3粉体在非水介质中分散用超分散剂，获得了含固率高，粘度低的Al2O3石蜡分散体系。对分散体的流变行为研究表明：超分散剂相对分子质量为1000时效果最佳，其最佳用量为固体的2％，所得稳定分散体的含固率达85％。超分散剂极性基因锚固在Al2O3颗粒表面，溶剂化链伸展于非极性介质中通过立体位阻和静电排斥的协同作用使体系稳定。     

回收PET共混物的非等温结晶和熔融行为

采用双螺杆挤出机制备了聚丙烯(PP)/回收聚对苯二甲酸乙二酯(r-PET)、r-PET/马来酸酐接枝PP(PP-g-MAH)和r-PET/甲基丙烯酸缩水甘油酯接枝PP(PP-g-GMA)共混物,并研究了共混物组成、熔融温度与时间以及降温速率对共混物非等温结晶与熔融行为的影响.结果表明,r-PET与PP共混,结晶温度均提高,这与组分间起到异相成核诱导结晶作用有关.r-PET结晶温度随PP-g-MAH用量增加而降低,但受PP-g-GMA用量影响较小;r-PET可提高PP-g-MAH结晶温度,但降低PP-g-GMA结晶温度.熔融温度提高,共混物中PP结晶温度和熔点均降低,r-PET熔融峰形和熔点取决于共混物的熔融温度及界面相互作用.     

基于LASVM-NC和TF.RF的文本分类方法

非凸在线支持向量机（LASVM-NC）具有抗噪能力强和训练速度快的优点,而词频相关频率积（tf.rf）则是一种自适应能力很强、分类性能非常好的文本特征。通过把非凸在线支持向量机和词频相关频率积相结合,提出了一种新的文本分类方法,即LASVM-NC＋tf.rf。实验结果表明,这种方法在LASVM-NC与多种其他特征的结合中性能是最好的,且与SVM＋tf.rf相比,不仅所产生的分类器具有泛化能力更强、模型表达更稀疏的优点,而且在处理含噪声的数据时具有更好的鲁棒性,在处理大规模数据时具有快得多的训练速度。