风险矩阵法在A水泥工厂风险分级的应用初探

本文介绍“风险矩阵法”进行风险分级工作的基本思路，结合水泥厂的生产特点通过危险有害因素辨识，获得危险源分布情况，采用风险矩阵法对风险进行评估，按风险值将风险等级划分为重大风险、较大风险、一般风险和低风险，为水泥生产企业的安全风险分级工作提供参考。     

电荷掺杂聚苯胺气体传感器的理论研究

为了对质子酸掺杂聚苯胺的传感机理进行详细的理论研究,本文设计了电荷掺杂模型来模拟质子酸掺杂聚苯胺气体传感器,运用Uωb97xd和TD-Uωb97xd密度泛函理论方法在6-31G(d,p)基组下从几何结构、电子性质、自然键轨道、HOMO-LUMO能隙和第一激发能等方面对其吸附二氧化碳、甲醇和氨的传感机理进行了探究。结果表明,电荷掺杂导致共轭链失去电子被氧化,表现出一定的导电性,小分子与电荷掺杂聚苯胺之间的电子转移导致了共轭链得到电子被还原,进而表现出导电性的差异。此外,电荷掺杂聚苯胺及其吸附二氧化碳、甲醇和氨的复合物外推到无限长链时HOMO-LUMO能隙分别为2.0233 eV、2.2458 eV、2.2552 eV和2.2191 eV,而第一激发能分别为1.1584 eV、1.3312 eV、1.5503 eV和1.6506 eV,进一步确证了质子酸掺杂聚苯胺的氨敏感性。     

基于SAOR的Massive MIMO系统信号检测算法

大规模多输入多输出(Massive multiple input multiple output, Massive MIMO)系统采用最小均方误差(Minimum mean square error, MMSE)接收检测方法时存在矩阵求逆复杂度高的问题，已有较多降低复杂度的研究。在降低检测算法复杂度的同时，如何提高算法收敛速度和检测性能一直是人们关注的焦点。本文将对称加速超松弛(Symmetric accelerated over-relaxation， SAOR)迭代算法应用于Massive MIMO系统信号检测中，避免了复杂的矩阵求逆计算，实现了复杂度较最小均方误差算法降低了一个数量级。仿真结果表明，基于SAOR的检测方法通过较少的迭代次数就能逼近最小均方误差（Minimum mean square error, MMSE）算法的检测性能，为Massive MIMO系统中接收信号的快速检测提供了较好的实现方法。     

基于LBSN动态异构网络的时间感知兴趣点推荐

随着基于位置社交网络(Location-Based Social Network,LBSN)的快速发展,兴趣点(Point-Of-Interest,POI)推荐可以帮助人们发现有趣的并吸引人的位置。针对签到数据的稀疏性和用户兴趣的动态性等挑战性问题,提出了基于LBSN动态异构网络的时间感知兴趣点推荐算法。在LBSN异构网络模式中增加会话节点类型。通过动态元路径,在用户和兴趣点语义关系之间有效地融入时间信息、位置信息和社交信息等。设置了用户-兴趣点之间的动态元路径集,并提出了动态路径实例的偏好度计算方法。采用矩阵分解模型对不同动态偏好矩阵进行矩阵分解。根据不同动态元路径的用户特征矩阵和兴趣点特征矩阵,获取用户在目标时间访问兴趣点的推荐列表。实验结果表明,与其他兴趣点推荐方法相比,所提方法在兴趣点推荐精确度上取得了较好的推荐结果,具有良好的应用前景。     

基于改进型巴特勒矩阵的短波8元圆环阵列多波束技术研究

传统短波接收天线为单一的波束指向天线或全向天线。为提高接收天线增益,同时产生多个波束指向不同方向,提出利用巴特勒矩阵作为短波接收天线阵的无源波束形成网络。在传统8×8巴特勒矩阵结构的基础上,设计改进型8×8巴特勒矩阵。以均匀8元圆环阵列为天线模型,利用FEKO仿真分析了其天线特性。在3~11 MHz频段内,P2、P3、P6、P7四个端口分别在202.5°、292.5°、112.5°、22.5°方向上得到了方向性较强的单一波束,7 MHz时波束增益达到最大11.9 dBi,波瓣3 dB宽度平均为60°;在P1、P4、P5、P8端口产生相同的2个波瓣,7 MHz时其波束增益达到最大9.8 dBi,波瓣3 dB宽度平均为89°。由以上仿真分析得出,该改进型8×8巴特勒矩阵能够同时产生6个波束,波束覆盖8个方向,提高了波束的方向性,提高了天线增益。     

融入局部几何特征的流形谱聚类图像分割

为了改善谱聚类图像分割的精准性和时效性,文中提出融入局部几何特征的流形谱聚类图像分割算法.首先,考虑图像数据的流形结构,在数据点的K近邻域内执行局部PCA,得到数据间本征维数的关系.然后,引入流形学习中的局部线性重构技术,通过混合线性分析器得到数据间局部切空间的相似性,结合二者构造含有局部几何特征的相似性矩阵.再利用Nystr m技术逼近待分割图像的特征向量,对构造的k个主特征向量执行谱聚类.最后,在Berkeley数据集上的对比实验验证文中算法的准确性和时效性优势.