溶胶—凝胶法制备基于荧光猝灭原理的光纤氧传感器在线监测水中溶解氧

利用氧分子对金属钌化合物的荧光具有猝灭作用的特性,构造出基于荧光猝灭原理的光纤氧传感器。就用于水中溶解氧在线监测的光纤光谱仪的搭建、传感器探头的设制及传感膜的制作过程进行探索,并对传感器的响应性能进行考察。结果表明以联吡啶钌等作为荧光指示剂以溶胶-凝胶法制备的传感膜对溶解氧的响应具有良好的可逆性,稳定性,较快的响应时间和较长的使用寿命。与标准法相对照,用本仪器系统测定了不同盐度的人工海水中的溶解氧浓度,两种方法在不同浓度水平下的溶解氧测定值均无显著性差异。本法的日内和日间RSD在1.7％～5.0％之间。     

Web日志挖掘技术的研究与应用

Web日志挖掘是Web数据挖掘的重要分支,已成为研究人员关注的焦点。本文首先分析了Web日志的格式,再对Web日志挖掘过程中的数据预处理进行了深入的讨论,最后阐述了Web日志挖掘在网站建设上的应用。     

符号社会网络中正负关系预测算法研究综述

一些网络中的边根据其潜在涵义可分为正关系和负关系,若用正号和负号来标记网络中的边,则形成一个符号网络.符号网络的应用场景非常丰富,在社会学、信息学、生物学等多个领域广泛存在,逐渐成为当前研究的热点之一.对符号社会网络中链接的正负预测问题进行研究,其成果对社会网络的个性化推荐、网络中异常节点的识别、用户聚类等都具有非常重要的应用价值.主要介绍符号社会网络中正负关系预测问题在国内外的研究现状和最新进展.首先介绍了社会结构平衡理论和地位理论,并将目前主要的预测算法按照设计思路分成两类:基于矩阵的符号预测算法和基于分类的符号预测算法,详细介绍各类算法的基本思路,并从算法效率、准确性和可伸缩性等角度进行详细的对比和分析,总结了符号社会网络预测问题具有的一些特点以及所面临的挑战,同时指出未来可能的发展方向,为相关研究人员提供有价值的参考.     

基于分布式聚类的有向传感器网络移动目标跟踪算法研究

针对有向传感器网络DSN（Directional Sensor Networks）中,传感器节点部署数量对目标跟踪精度、网络寿命和能效问题的影响方面,提出了一个分布式聚类算法,该算法在优化活跃传感器和节点的直接通信过程中,由分布式集群来负责协调成员间的节点,通过传输给Sink的定位信息及从多个节点聚集的传感数据来准确定位目标的位置。基于该理论的目标跟踪机制,提高了目标跟踪精度、增加了网络寿命和网络剩余能量。并进行了仿真验证,结果表明该方法能实现更高的跟踪性能。     

一种新的NURBS曲面的显示技术

提出了一种ＮＵＲＢＳ曲面的显示算法,该算法在通常参数曲面以网格形式显示的基础上,用小曲面片代替小平面片,利用曲线上部分点的切矢来决定显示曲线的点密度,同时增加了精度和速度控制的参数,使得显示的曲面更加光滑、流畅且易于控制。     

面向最严格水资源管理制度的水资源论证关键技术分析

在分析最严格水资源管理制度与建设项目水资源论证关系的基础上,从用水总量控制、用水效率控制、河流纳污能力、建设项目取退水影响、影响补偿、自来水厂水资源论证、论证专题的设立和评审、报告书编制收费标准8个方面分析了水资源论证的关键技术。     

A Novel Sample Selection Method for Plant Resistance Gene Recognition

植物抗性基因识别中的从头预测方法可以看作机器学习中的分类问题.通常情况下,一个分类器的训练需要正确标记的正例和反例.然而,抗性基因识别中可用的信息仅有少数人工标记的抗性基因,且不具有抗性功能的基因也不明确.为了消除由于正例太少和错误的反例带来的抗性基因识别的影响,基于抗性基因和其他基因在蛋白质相互作用网中的距离,提出了一种新的样本选择方法,并对提出的样本选择方法和通常样本选择方法分别在四种分类器上进行了10倍交叉验证.结果表明,文中方法的SN值平均提高了6.9％,SP值平均提高了13.1％.因此,就敏感性和特异性而言,提出的方法获得了更高效、更可靠的结果.     

一种新颖的电力用复式滤波器

介绍一种新型的用于补偿配电系统高次谐波的复合型有源滤波器。它能有效的抑制配电变压器附近设备产生的高次谐波。滤波器是由有源滤波器 (AF)和无源滤波器 (PF)串联组成。根据自动调整反馈放大系数K ,AF将根据高次谐波电阻的大小动作 ,从而实现控制。复式滤波器与通常的AF相比 ,能使PWM变换器的容量大幅度降低。因AF依电阻的正负而动作 ,能够有效减小流入PF中的高次谐波电流 ,从而避免了PF过负荷 ,经实验和仿真确认了PF的补偿效果     

Effect of Pre-deformation on Decomposition and Spheroidization of M2C Carbide in High-Speed Steel

Metallurgical and Materials Transactions A - One key challenge for tailoring microstructure of high-speed steel (HSS) is to obtain small-sized carbides with a homogeneous distribution. Although...     

Empirical Innovation of Computational Dual‐Loop Models for Identifying Vehicle Classifications against Varied Traffic Conditions

Clarifying traffic flow phases is a primary requisite for applying length‐based vehicle classifications with dual‐loop data under various traffic conditions. One challenge lies in identifying traffic phases using variables that could be directly calculated from the dual‐loop data. This article presents an innovative approach and associated algorithm for identifying traffic phases through a hybrid method that incorporates level of service method and K‐means clustering method. The “phase representative variables” are identified to represent traffic characteristics in the traffic flow phase identification algorithm. The traffic factors influencing the vehicle classification accuracy under non‐free traffic conditions are successfully identified using video‐based vehicular trajectory data, and the innovative length‐based vehicle classification models are then developed. The result of the concept‐of‐evidence test with use of sample data indicates that compared with the existing model, the accuracy of the estimated vehicle lengths is increased from 42% to 92% under synchronized and stop‐and‐go conditions. The results also foster a better understanding of the traffic stream characteristics and associated theories to lay out a good foundation for further development of relevant microscopic simulation models with other sensing traffic data sources.