用激光与基质隔离技术制备微晶镍和无定形镍铝合金

利用脉冲激光加热的特点,结合超低温基质隔离技术,制得了结构疏松的微晶镍和无定形镍铝合金及其超细微粒,粒径可达5～10nm。用γ-Al_2O_3基片收集的样品,用扫描电子显微镜放大1.2万倍看不出载有样品的基片与γ-Al_2O_3空白基片形貌的差别。这一方法适用于寻找新的金属催化剂、实验室制备金属微晶和无定形金属。     

关于图形识别的视觉反应的研究

文中叙述了以实验的方法所进行的人工智能视觉领域的基础性某些图形识别的研究工作。在实验中将一些字母和图形按拓扑结构和几何性质分组。试图寻找人类视觉在图形识别过程中的一些规律，运用了模糊数学中的综合评定法。     

MIDP2.0中AMS对MIDlet生命周期控制的设计与实现

本文首先对MIDP2．0和AMS进行了简要介绍。然后对MIDlet的生命周期展开了详细的讨论。最后通过对几个协同完成控制功能的类的分析，描述了AMS对MIDlet生命周期控制的设计和实现。     

153Sm-葡庚糖酸钠的制备

研究了制备条件对153Sm标记GH的影响及标记物的体外稳定性,建立了有效的153Sm标记葡萄糖酸钠(GH)方法。结果表明:用通氮敞开体系、沸水浴加热的标记方法,反应时间不低于30min,GH浓度不低于2.4×10-2mol/L时,可获得标记率大于98%的153Sm-GH;用高比活度153Sm(～4.5TBq/g(Sm))标记,其比活度可达14GBq/g(GH)。该标记物在室温下具有较好的稳定性,放置40h内,其放化纯度>96%。     

基于网络数据库的物料需求计划管理系统设计

根据物料需求计划的功能与算法要求，运用当前流行的Web技术与数据库技术相结合的信息管理系统体系结构，设计和开发了基于网络数据库的物料需求计划管理系统。     

微通道平行流换热器分配特性及优化研究

微通道平行流换热器内制冷剂分配不均是限制其进一步推广应用的原因之一,当微通道平行流换热器做蒸发器时,制冷剂在换热器入口为气液两相状态,会加剧其分布不均匀性。本文以气液两相R134a制冷剂为工质,提出一种数值仿真模型,并利用前人实验数据验证了模型可靠性。提出通过改变不同扁管在集管内突出深度以改善制冷剂分配特性的4种方案,利用数值仿真模型进行计算,当质量流速为100 kg/(m2?s),制冷剂干度为0.4时,发现通过改变不同扁管在集管内的突出深度可以使液相制冷剂分配特性改善29.4%~52.4%。     

耦合双循环冰箱运行参数与耗电量实验研究

本文研究了耦合双回路冰箱样机在不同工作状态下的运行参数,同时在标准工况下测量了系统耗电量,并与现有产品进行对比。结果表明:系统在耦合运行后,冷藏循环负荷增加导致两台样机冷藏循环的冷凝压力比耦合前分别上升23 k Pa和40k Pa,蒸发压力比耦合前分别上升18 k Pa和32 k Pa,同时还造成冷凝器和蒸发器出口温度的上升;耦合运行对于冷冻循环的影响主要表现在冷凝压力及冷凝器出口过冷度的下降。其中样机Ⅰ冷冻循环的冷凝压力下降27 k Pa,过冷度下降1. 4℃。样机Ⅱ由于独立运行时冷凝器出口过冷度较小,耦合运行后冷凝压力下降超过160 k Pa,导致冷凝压力低于环境温度对应的饱和压力,冷凝器中没有潜热交换。标准条件下的耗电量实验表明,耦合双循环冰箱系统比改造前的传统冰箱系统节能8%。     

功能性有机/无机杂化纳滤膜的研究进展

有机高分子与无机纳米材料之间的有效复合,已被广泛应用于功能性有机/无机杂化复合纳滤膜的制备.本文根据有机/无机杂化复合纳滤膜的性能进行分类,重点论述了抗污染、抗氧化、耐有机溶剂、耐酸碱、耐高压和多功能性有机/无机杂化复合纳滤膜的最新研究进展.提出了目前研究中存在的一些问题,并对其未来发展做了简要建议.     

基于频谱增强的软件多故障定位

检测故障是繁琐而耗时的,为了提高传统软件故障定位方法的效率以及精确度,提出了一种基于频谱的故障定位新方法;充分利用了失败的测试用例与故障之间的关系,通过使用频谱增强的方式,采取逻辑与运算的关键技术和方法,对失败的测试用例进行精简,优化失败测试用例中的频谱信息,从而得到频谱增强后的测试用例,克服了冗余测试用例对定位效果的消极影响,再根据新的频谱信息计算可疑度值,最后生成优化后的可疑度排序列表;首次将频谱增强的方法同时运用到单故障与多故障程序场景中,在包含植入故障的西门子程序和真实故障的Defects4j程序中,经实验检测证明本研究方法能够显著减少代码检查的范围,尤其是在高性能范围内(EXAM5%),并且仅通过检查Top-1至少能有效地定位超过原有约20%的故障,结果表明基于频谱增强的故障定位方法有效提升了检测率,可以更好地帮助程序员精准定位故障位置。     

基于迁移学习的遥感图像场景分类

在遥感图像场景分类中,基于卷积神经网络 (convolutional neural network,CNN) 的分 类算法存在对训练数据的依赖性,且在缺乏训练数据时分 类效果差等问题,提出一种基于迁移学习的分类算法。首先,选取现有的多个CNN预训练模型,利用迁 移学习的优势对模型进行微调,目的是提取图像不同的高层特征;然后,融合图像的多种高 层特征,使得特征信 息更加丰富;最后,将融合后的高层特征输入到基于逻辑回归的遥感图像分类器中,得到遥 感影像的分类结果。 在UCMerced_LandUse遥感数据集中进行实验,与现有算法进行比较分析,所提算法在3种评 价指标上有明显提 升。通过分析实验结果表明,该算法在仅有10%的训练数据下,能够 达到92.01%的分类准确率和91.61%的Kappa系数。