多流形判别分析在人脸识别中的研究

局部保持投影LPP(Locality Preserving Projection)是一种有效的非线性降维方法,能够使投影降维后的数据与原输入空间中的相似局部结构保持一致,但是该方法没有充分利用类间样本点的权重等重要信息。为了解决这个问题,提出基于Fisher准则的多流形判别分析FMMDA(Fisher Multi-Manifold Discriminant Analysis)方法。结合Fisher准则训练样本类内拉普拉斯图和样本均值类间拉普拉斯图,既保持了原样本的相似局部结构,又充分地利用了不同类别之间的权重。在ORL及Yale人脸库上验证了该方法的有效性。与其他几种最先进的方法相比,FMMDA方法取得了更好的识别效果。     

污水深度回用反渗透膜面微生物污染机理试验研究

微生物污染是最复杂的膜污染形式,是污水深度回用反渗透设备运行过程关注的焦点。通过实验室静态试验和错流过滤动态试验研究了污水回用反渗透膜的微生物污染的机理和特性,结果表明:造成污染的微生物主要为杆菌和丝状菌;在没有微生物源及没有微生物生长和繁殖的必需营养物质的情况下,膜面基本不发生微生物污染;杀菌处理对于防止微生物污染很重要,已经污染的膜面更易于发生微生物污染,做好反渗透设备的停备用保护工作是防止微生物污染的必要手段。     

基于CUDA的大规模流体实时模拟

流体模拟是计算机图形学中一个重要课题。使用基于粒子的光滑流体动力学SPH(smoothed particle hydrodynamics)方法模拟大规模流体的运动需要大量的粒子模拟流体,计算量巨大,传统的方法很难达到实时性要求。为了解决该问题,使用NVIDIA的并行计算架构CUDA(Compute Unified Device Architecture)将SPH方法的全部处理过程在GPU上实现,充分利用了GPU并行计算的性能优势。使用Z-order排列改进已有的并行邻域搜索算法,并通过优化数据结构及存储器分配,有效缓解了SPH方法在GPU架构上的性能瓶颈。实验结果表明,该方法能实时逼真地模拟大规模流体,与已有的GPU方法相比处理速度有显著的提升。     

市政污水深度回用系统中反渗透膜表面微生物污染特性研究进展

污水深度回用是世界各国解决水资源危机的战略性选择,反渗透是污水深度回用不可替代的核心技术.中水水质有其自身的污染特点,微生物污染是最复杂的污染形式,是市政污水深度回用反渗透运行过程关注的焦点,目前对生物膜形成和其对反渗透运行性能的影响还知之甚少.结合国内外反渗透膜微生物污染研究及分析的文献成果,总结了微生物污染造成渗透通量和脱盐率变化的规律;为了阐明由于微生物细胞沉积和生物膜生长造成膜性能下降的机理,对微生物污染的性质、影响因素及相关理论、污染评价方法进行了总结,重点分析了微生物和胞外聚合物(EPS)对生物膜形成的影响,并提出今后研究的方向,以期为实际工程污染的评价、预测和减轻污染提供系统指导.     

污水深度回用反渗透膜面微生物污染机理试验研究

微生物污染是最复杂的膜污染形式,是污水深度回用反渗透设备运行过程关注的焦点.通过实验室静态试验和错流过滤动态试验研究了污水回用反渗透膜的微生物污染的机理和特性,结果表明:造成污染的微生物主要为杆菌和丝状菌;在没有微生物源及没有微生物生长和繁殖的必需营养物质的情况下,膜面基本不发生微生物污染;杀菌处理对于防止微生物污染很重要,已经污染的膜面更易于发生微生物污染,做好反渗透设备的停备用保护工作是防止微生物污染的必要手段.