膜蒸馏和膜吸收技术现状及发展

膜蒸馏和膜吸收是一种以蒸汽压差为推动力的新型高效的膜分离技术,作者介绍了膜蒸馏和膜吸收技术发展现状,机理及优缺点,并对其在有机废水处理中的应用及今后发展方向进行了论述。     

“计算机主机的安全防护”专题课程的探索与研究

做好计算机主机的安全防护,最大程度地防止网络泄密是信息化条件下部队官兵应具备的基本素质,也是任职教育背景下我院对于培养各层次学员计算机综合能力中不可或缺的环节。本文从教学内容的组织、教学方法的改进、教学手段的运用等方面进行了探索与研究,为"计算机主机的安全防护"专题课程提供了新的教学思路和方法。     

基于毫米波辐射特性的水面植被检测方法

针对采用3 mm波段辐射计对水面植被辐射特性进行检测的问题,在研究分析了水面的亮度温度和水面植被的介电特性的基础上,采用相干法建立了水面植被辐射特性的多层介质模型,与3层介质模型相比,仿真结果与实验数据更加吻合,表明多层介质模型能更精确地模拟水面植被的辐射特性;通过实验得出,在不同的入射角下,水面植被亮温相比水面亮温均有上升,说明水面相比植被具有亮温低、冷目标的毫米波辐射特征,可利用毫米波辐射特性监测区域内水面植被。     

气体膜分离数学模型建立及软件开发

气体膜分离是气体分离领域的新型分离技术,气体膜分离过程的设计数学模型建立及通用设计软件开发是工业应用的重要环节。考虑了原料气气质特点、丝内压降和浓差极化等影响建立气体中空纤维膜分离微分数学模型用于多组分分离的设计和较核计算,运用LabVIEW软件开发了气体膜分离计算软件。运行结果与文献中实验结果近似,可以方便准确地设计各种中空纤维式气体膜分离的校核,为气体膜分离的室内试验提供参考,为工业化应用奠定基础。     

结合马氏距离与自编码器的网络流量异常检测方法

当前网络流量数据规模较大且分布不均衡,传统网络流量异常检测方法检测准确率较低。提出一种结合马氏距离和自编码器的检测方法,使用马氏距离倒数及判别阈值快速检测部分正常数据以减少训练数据量,同时,在自编码器代价函数中添加马氏距离度量项以增强自编码器的特征提取能力。在此基础上,将自编码器与分类器相结合以解决网络参数初始化问题,并通过调整自编码神经网络交叉熵损失函数中各项的权重,提高自编码神经网络对数据分布不均衡数据集的训练效果。实验结果表明,该方法在CICIDS2017数据集、NSL-KDD数据集上的异常检测准确率分别高达97.60%、99.84%,在CICIDS2017数据集上的F1值为0.941 3,高于DNN、LSTM、C-LSTM等方法。     

如何锻造人体声音“乐器”

声乐演唱的“乐器”的隐蔽性，决定了歌唱学习是一个需要反复思考、琢磨、实践并不断认识自我、调整自我从而实现理论与实践一致，理想与现实统一的过程。这个过程是一个充分开发人体乐器的过程，其间涉及一系列高难度的肌肉控制与精神控制。本文试图通过阐述大脑控制下的人体肌肉通过不断的训练、调整及组合使人体呼吸、共鸣发声组成一个和谐完善的整体。从而使人体乐器发出悦耳的歌声，本文从打开腔体，呼吸控制，声音高位置，高音的理想获得等一系列问题进行了概括性分析和综合性论述。     

屈曲约束支撑与钢框架节点板连接的抗震性能#br# 试验与分析研究

屈曲约束支撑作为耗能减震构件,其与钢框架连接形成屈曲约束支撑钢框架结构体系。然而目前对于屈曲约束支撑与节点板不同连接形式的抗震性能和破坏模式尚缺乏研究。为了获悉不同连接形式对屈曲约束支撑钢框架结构抗震性能和破坏机理的影响,进行5榀屈曲约束支撑与钢框架节点板连接试件的水平低周往复荷载试验,观察试验现象和破坏特征,考察屈曲约束支撑与节点板两端采用销轴连接、螺栓连接、焊接连接和混合连接对钢结构抗震性能的影响,研究屈曲约束支撑与钢框架节点板连接试件的滞回曲线、骨架曲线、延性系数、刚度退化、耗能能力等抗震性能指标,探讨屈曲约束支撑与钢框架节点板转动变形和关键部位的应变规律,分析结构的破坏模式和各构件屈服顺序。结果表明：屈曲约束支撑的芯板先于梁、柱和节点板屈服,试件滞回曲线饱满,表现出良好的抗震性能和延性。文章研究成果以期为屈曲约束支撑钢框架结构设计和应用提供科学依据。     

归一化互相关中计算基准子图能量的快速递推

景象匹配对匹配算法的运行速度和内存占用均要求较高。为提升归一化互相关算法的运行速度并降低其内存占用率,本文重点对其中的基准子图能量计算步骤进行了加速研究。经过详细分析,积分图法具有灵活、快速的优点,但缺陷为其在快速计算的同时需花费较大内存,并不适合直接应用在嵌入式系统中。本文提出了一种快速递推算法。该算法利用相邻像素值的能量进行连续递推,计算时可以不必像积分图法那样给所有的图像能量都分配空间,只需预留1行的像素空间便能完成整个能量计算过程。实验结果表明:在时间花费方面,快速递推法具有和积分图法相当的运算速度,耗时均只为传统归一化互相关算法的1/2;在内存占用率方面,快速递推法约为积分图法的1/3以下,且实时图尺寸越大,快速递推法占用的内存越小。综上所述,在归一化互相关算法中利用经典积分图法和本文提出的快速递推法计算基准子图能量,均较传统NCC算法有所加速,两种算法各具优点,经典积分图法快速、灵活,适用于对速度要求高,但对内存占用率要求不太高的应用场景;而快速递推法快速、省内存,更适用于嵌入式系统的应用。