一种懒惰的Chord指向表更新算法

在节点加入退出或者失效情况下,结构化P2P算法Chord搜索指向表(FT)出现大量指向错误,降低搜索效率。针对该问题,讨论和比较几种搜索 FT的更新策略,分析各算法维护指向正确的开销,提出一种懒惰算法解决搜索 FT更新效率低下的问题。该算法最小化搜索FT更新的消耗,可作为一种有效的错误恢复机制。通过实验对比证明了该算法的有效性。     

预防电压波动对电除尘的影响

电压波动对电除尘器的影响很大,它不仅会降低电除尘效率,且导致未经除尘器收集的粉尘随气流进入风机,加速了风机叶轮的磨损,影响其使用寿命,电压波动也给操作带来很多麻烦和不便.文章就造成电压波动的原因进行了分析,并提出了预防措施.     

常温固化硅橡胶防污闪涂料涂层厚度无损检测技术

正0引言污闪是电力系统主要故障形式之一,由于国内环境污染较严重,而污闪重合闸成功率相对较低且易形成大面积停电事故,因此电网防污闪成为电力系统一项常抓不懈的重点工作。常温固化硅橡胶防污闪涂料RTV是在20世纪80年代由清华大学引入国内的,引入目的是为了缓解当时电力系统日趋严重的污闪问题。近年来因为硅橡胶防污闪涂料具有长效、免维护等突出特点,作为一种新技术、新材     

面向水下场景的轻量级图像语义分割网络

提出面向水下场景的图像语义分割网络，考虑到速度和准确度之间的权衡问题，网络采用轻量且高效的编解码器结构.在编码器部分，设计倒置瓶颈层和金字塔池化模块，高效地提取特征.在解码器部分，构建特征融合模块融合多水平特征，提升了分割的准确度.针对水下图像边缘模糊的问题，使用辅助的边缘损失函数来更好地训练网络，通过语义边界的监督细化分割的边缘.在水下语义分割数据集SUIM上的实验数据表明，对于320像素×256像素的输入图像，该网络在NVIDIA GeForce GTX 1080Ti显卡上的推理速度达到258.94帧/s,mIoU达到53.55%，能够在保证高准确度的同时，达到实时的处理速度.     

Fe3O4磁性石墨烯分散固相萃取水中的有机氯污染物

开发负载胶束的磁性Fe₃O₄纳米微粒修饰的石墨烯作为新型分散固相萃取材料,并用于水中有机氯的检测。磁性石墨烯由氧化石墨烯和Fe²⁺通过氧化还原法一步合成,负载阳离子表面活性剂CTAB形成纳米混合胶束作为提取系统。应用本方法分析水中的29种有机氯,检测限达到1.5~5.0 ng/L,样品加标回收率范围在75.22%~97.15%。复重性的相对标准偏差小于9.995%,与传统的固相萃取法相比,方法的灵敏度提高了50~113倍。该方法快速、灵敏、准确,可以同时测定水中多种有机氯农残,适合于大批量样品的测定。     

橡胶增粘剂TKO系列的基本性质及其增粘作用

通过展示橡胶增粘剂非热反应型对叔辛基苯酚甲醛树脂ＴＫＯ系列的红外光谱特征及其溶解度，粘度，比热容，导热系数等热力学性质，研究其对ＮＲ，ＳＢＲ，ＢＲ未硫化胶的高效增粘作用和对硫化胶物理性能的影响，以证明ＴＫＯ系列产品与国外先进同类产品的一致性。     

餐厨垃圾高温厌氧消化连续运行性能：有机物转化效率、发酵稳定性与代谢活性

在高温 (50±1)℃条件下处理实际工程的餐厨垃圾,采用全混式厌氧反应器（CSTR）进行了80 d的连续试验。试验以水力停留时间（HRT）20 d启动,HRT 15 d连续运行,研究了反应器启动和运行期间的发酵特性,解析了餐厨垃圾厌氧消化运行稳定性和代谢活性。试验结果表明,在HRT 15 d、有机负荷（OLR）为7.3 kg_COD/(m³∙d)的条件下,容积产甲烷率为2.2 L/(L∙d),挥发性固体（VS）的甲烷产率达到480 L/kg_VS左右,有机物转化率约为95%。批次试验表明,高温产甲烷菌代谢乙酸能力较强,在适宜pH下可承受10 000 mg/L的乙酸浓度。餐厨垃圾的高温降解速率快,10 d达到90%的产气,有承受更高负荷的可能。系统pH稳定在7.6 ~ 7.7,总氨氮和自由氨浓度低于抑制水平。研究结果表明,餐厨垃圾的高温厌氧消化可实现较高的产气潜力和有机物去除率,系统稳定性好且有机物转化效率高,具有应用于工程高温餐厨垃圾厌氧处理的潜力。     

基于融合逆透射率图的水下图像增强算法

针对水下图像质量退化严重的问题，提出一种端到端的基于融合逆透射率图的水下图像增强算法.将原始RGB图像和基于传统方法得到的逆透射率图分别输入到双流卷积神经网络的2个编码器中；通过跨模态特征融合模块使得2种图像信息充分融合互补，让网络更好地学习到水下光学成像的特点；通过特征增强模块，增强特征的表达能力；通过残差解码模块连接解码器和编码器，以补充和丰富RGB特征.通过逆透射率图的水下图像增强算法以及跨模态跨尺度的信息融合，由粗到细地进行逐级处理，最终输出增强后的RGB图像.实验结果表明，所提算法能够有效地提升水下图像视觉质量.综合主观评价和客观评价，所提算法优于所对比的白平衡WB、直方图均衡化HE、Water-Net、UGAN、UWCNN、Ucolor 6种算法.     

基于图像风格转换的水下图像显著性检测算法

由于水下显著性检测数据集不足,导致基于深度学习的水下图像显著性检测网络容易出现过拟合的问题,从而影响显著性检测网络的性能。针对上述问题,本文引入图像风格转换方法,提出一种基于CycleGAN的水下显著性检测网络。网络生成器由图像风格转换子网络和显著性检测子网络构成。首先,通过无监督的级联方式对风格转换子网络进行风格转换训练,并利用该网络对陆地图像和水下图像进行风格转换,构建训练和测试图像数据集,以解决水下显著性检测数据集不足的问题;然后,使用陆地及其风格转换后的显著性数据集对显著性检测子网络进行训练,以增强网络的特征提取能力;最后对两个图像风格的输出结果进行融合优化,以提高显著性检测网络性能。实验结果表明,本文提出的水下显著性检测网络相比于单纯的陆地和水下图像显著性检测网络,其检测平均绝对误差和F值至少分别提高了10.4%和2.4%。