沃尔玛采用生物降解塑料包装

生物降解聚合物聚乳酸（PIA）NatureWorks在美国零售市场包装的应用正在起动和扩大。沃尔玛商店已化一年时间试用这种以玉米为原料的塑料包装，并在2005年11月推出包装草莓、水果和香草的透明PLA硬质容器，该商店还计划用PLA包装分装的蔬菜、西红柿、坚果以及礼品卡。     

单极板微位移电容传感器结构设计与优化

根据单极板微位移电容传感器结构优化设计的问题,提出了一种基于纵横推进法的电磁场仿真参数化建模方法。在建立合理的单极板电容传感器电磁仿真参数模型基础上,首先通过仿真实验选择保护环和绝缘层缺口的最优值。然后依据仿真得到的最优值,选择结构与最优值接近的电容传感器产品对比,取得了较好的研究结果,电容仿真值与实际测量值误差小于0.3%。最后对电容传感器极板倾斜对测量结果的影响进行了研究,极板倾斜2°时测量误差为1.6%。电容传感器结构优化结果满足实际工程要求。     

一种基于FPGA的实时视频跟踪系统硬件平台设计

提出一种基于FPGA的视频跟踪系统硬件平台的设计方法,包括主控芯片、CMOS图像采集、多端口SDRAM控制器、图像VGA显示、SOPC系统和云台控制驱动等电路的设计。通过该平台,可以实现实时图像采集、缓存、显示和云台驱动;在SOPC系统中加入代码,可以实现运动目标的检测、跟踪、定位,改变云台转动方向,实现自主跟踪。     

梭子鱼被IDC评为邮件安全领域领导厂商

正云互联安全与存储解决方案领导厂商梭子鱼网络(NYSE:CUDA)近日宣布在《IDC Marketscape:2013-2014全球邮件安全设备/软件厂商评估》报告中被评为领导厂商。这份报告指出,包括虚拟设备在内的梭子鱼垃圾邮件防火墙具备强大的产品组合和交付模式,全面满足客户对邮件安全的要求。     

基于自适应进化学习的约束多目标粒子群优化算法

针对约束边界粒子在边界区域搜索能力不足的问题,提出一种基于自适应进化学习的约束多目标粒子群优化算法。该算法根据不符合约束条件粒子的约束违反程度,修正优化算法的进化学习公式,提高算法在约束边界区域的搜索能力;通过引入一种基于拥挤距离的Pareto最优解分布性动态维护策略,在不增加算法复杂度的前提下改进Pareto前沿的分布性。实验结果表明,所提出的算法可以获得具有更好收敛性、分布性和多样性的Pareto前沿。     

三峡流域一体化水污染应急管理系统开发及应用

以三峡库区流域为对象,利用ArcGIS Engine组件库,以VB为程序开发语言,以DLL动态连接库的形式构建了水力/水质模型库,以Geodatabase为数据库,开发了一体化的水污染综合管理信息系统,为三峡库区突发性水污染事故的应急管理提供了一种信息化的技术手段。该系统同时集成了多种数学模型,并实现了不同模型之间的无缝衔接,不仅具备了污染源动态管理、水体水质查询及评价、流速场和浓度场模拟等功能,而且具备了流域内突发性污染事故的应急管理功能。通过针对翻船事故污染的应急管理应用,表明该系统能快速模拟出事故污染带的迁移转化过程,自动统计出各种污染事故所产生污染带在不同时间的影响范围和污染程度,为突发性污染事故的应急措施提供决策支持。     

新型医用无镍奥氏体不锈钢研究获进展

<正>由中国科学院金属研究所生物医用材料与器件课题组研发的新型医用高氮无镍奥氏体不锈钢(00Cr17Mn15Mo2N)在中国药品生物制品检定所通过了细胞毒性、溶血、致敏反应、急性毒性     

Teknor Apex乙烯基“微球”塑料

<正>美国Teknor Apex公司推出了一种乙烯基"微球"塑料--Tek-Spheres,主要用于汽车仪表板、安全气囊盖和饰件等。Teknor Apex公司为非汽车市场生产这种微小直径的塑料颗粒已有多年。目前,该公司已与拜耳     

基于消息优先级队列分布式交换网元调用系统的研究

为解决现有技术存在的无法按照优先级处理订单的问题,设计一个基于消息优先级队列的分布式交换网元调用 系统。增添消息队列topic个数并且赋予每个消息队列topic优先级属性,然后按照高优先级的消息队列topic优先消费来将处 理订单的顺序重新排列。通过Json微服务调用工单拆分模块,将优先级高的订单分配到优先级高的消息队列中,然后工单调 度系统按照高优先级队列优先处理原则进行工单的调度,最后高优先级的订单会优先执行工单激活模块。本技术可以简化业 务逻辑,提高系统效率,保证多主机多节点同时工作,起到负载均衡和自动切换的作用。     

基于LDA和Word2vec的微博标签生成算法

针对基于传统LDA主题模型的标签生成算法对用户兴趣主题描述不完整的问题,提出一种基于主题嵌入表示的微博用户标签生成算法TopicERP.该算法在LDA模型的基础上,通过引入Word2vec词嵌入模型,对用户兴趣主题进行全面描述,并对匹配度计算方法进行改进.首先利用LDA主题模型对用户微博进行主题分析,生成用户兴趣主题;然后利用Word2vec词嵌入模型将主题文本转换为主题向量,用于匹配度计算;最后,利用余弦相似度和主题在文档中的条件概率,计算主题向量与候选标签匹配度,选取Top-Q的候选标签作为目标用户标签.本文在公开微博数据集microPCU上进行实验,实验结果表明,该算法在总体性能上高于基于传统LDA主题模型的微博标签生成算法,生成的用户标签能够较为准确地描述用户的兴趣偏好.