氨基功能化聚苯乙烯纳米微球的制备及其CO2吸附性能研究

以苯乙烯(St)和甲基丙烯酸缩水甘油酯(GMA)为共聚单体,通过细乳液聚合法制备出聚苯乙烯纳米微球,并研究了单体配比与反应条件对纳米微球粒径大小与分布的影响。然后利用GMA上的活性环氧基团将有机胺接枝到纳米微球表面,并将其应用于CO2吸附。采用动态激光散射、扫描电子显微镜、红外光谱、元素分析等方法对纳米微球进行了结构表征。结果表明,所制备的纳米微球最小粒径为67 nm,粒径大小均一可控,而且纳米微球表面成功地接枝上有机胺;乙二胺改性纳米微球的CO2吸附量为2.45 mmol/g,并且吸附循环稳定性较好。     

电站锅炉烟气余热利用系统的热力学分析和优化

通过烟气余热利用系统的热力学分析发现,提高烟气余热利用的节能效果,需要对烟气热量的释放过程和蒸汽回热系统进行耦合优化。结合典型百万kW燃煤电厂机组,采用能量梯级利用的方法,对锅炉烟气余热利用系统进行了优化设计,相对于将低温省煤器布置在空气预热器出口之后的传统方案,采用优化方案可使机组供电煤耗降低值由2.18 g/kW·h提高至5.19 g/kW·h,节能优势明显。     

双层规划下考虑环境侵害的垃圾分拣中心选址研究

针对含有害垃圾分拣任务的垃圾分拣中心选址主从博弈问题,提出具有上层奖励机制的双层规划选址方案。首先,将收集点与有害垃圾处理企业作为回收物流发起方构建上层模型,将分拣中心与回收点作为接收方构建下层模型;其次,上下层均引入因有害垃圾存在而带来的环境侵害成本,考虑奖励等级为决策方案使上下层成本相互制约。最后以遗传算法求解算例,通过与单层双目标模型比较,讨论该双层成本模型的设计机制在成本控制上的优势与不足。     

突发公共事件网络在线评论序列的特征分析

针对网络评论这种新型文本的特点,给出了一组描述网络评论序列特征的指标,提出了一种基于网络评论倾向性的网络评论序列特征分析方法,并结合实例对网络评论序列的特征、网络新闻与其评论序列的关系,特别是谣言对评论序列的影响进行了分析。     

基于基本回路的MPLS网络重路由故障恢复机制

研究MPLS网络中的重路由故障恢复机制,提出一种新的计算备用路径的方法,将备用路径的计算分为预处理和在线计算2个过程,给出一种基于基本回路的重路由故障恢复机制(FC-R)。仿真分析表明,FC-R恢复时间较短,可以对抗节点故障或链路故障,大大缩短在线计算时间,减轻节点负担,能够得到性能较优的备用路径,进一步节省网络资源。     

PAC耦合的脑电信号中疲劳特征过滤提纯仿真

脑电信号具有高维度和复杂性,如果筛选出的特征不合理,会导致分析结果存在较大的误差。针对这一问题,研究一种脑电信号中疲劳相关特征过滤提纯方法。针对采集到的脑电信号,利用ICA方法去除其中的伪影,降低非脑电活动所引起的信号的干扰,并通过计算信息增益实现脑电信号中疲劳相关特征过滤。针对过滤出来的功率谱密度以及PAC耦合值特征,通过计算熵值进一步筛选出不同波段的功率谱特征,完成特征提纯。测试结果表明：所研究方法应用提纯得到的功率谱特征+PAC特征输入下,准确率相对较高,且反应时间相对较低,由此说明所研究方法过滤提纯得到的功率谱特征和PAC特征较为合理。     

生活·思维·生命:一种整合视角上的教学建构

该团队荣获第十届NOC活动网络教研团队赛项恩欧希教育信息化发明创新奖2012年7月27日至29日注定是不平凡的三天,在首都北京,正开展着一场教育的盛宴,各路"英雄"齐聚,"京城论剑",尽显风骚。喧嚣的城市因为他们的到来,更具魅力;中国的教育因为他们的不懈,充满希望。这就是——NOC活动网络教研团队竞赛。     

用VB中RichTextBox控件的多重撤销

在VB编程中,经常使用RichTextBox控件来显示、编辑文件内容.在编辑过程中,多重撤销操作(Undo/Redo)可以极大地增强程序的实用性和趣味性.本文给出了一种简便易行的解决方案.     

基于神经网络的微博情绪识别与诱因抽取联合模型

情绪诱因抽取作为深层次的文本情绪理解已成为情绪分析任务中的新热点,当前研究通常把诱因抽取和情绪识别看作两个独立的任务,容易导致错误在任务间的传播问题。考虑到情绪识别及诱因抽取是相互作用的,以及微博文本中表情符通常表达文本的情绪,提出了一种基于双向长短期记忆条件随机场（Bi-LSTM-CRF）模型的情绪诱因和表情符情绪识别的联合模型。该模型将情绪诱因抽取以及情绪识别形式化为一个统一的序列标注问题,充分利用了情绪诱因与情绪之间的互相作用,将情绪诱因的抽取和情绪识别同时进行。实验结果表明,该模型在诱因抽取任务中的F值为82.70%,在情绪识别任务中的F值为74.74%,相比串行模型的F值分别提高5.82和17.12个百分点,这个结果表明联合模型能够有效降低任务串行进行时的误差传递,同时提高了诱因抽取和情绪识别的F值。     

基于协同表示学习的个性化新闻推荐

新闻推荐是互联网推荐系统的研究热点之一,传统的协同过滤算法应用于新闻推荐中会面临严重的新闻冷启动问题,而且也没有考虑新闻内容本身包含的丰富的语义信息。该文将文档与词的表示学习模型与基于矩阵分解的协同过滤算法结合起来,提出一种用于推荐领域的协同表示学习模型,能同时学习带有语义信息的用户和文档的表示向量。在真实的新闻点击数据集上的实验表明,该文提出的模型优于其他基准模型。