机械化验证一个高效的迭代数据流求解算法

迭代计算数据流等式的解,是数据流分析的常用方法.计算支配节点,从而识别自然循环,是许多现代编译器优化分析的重要组成部分.机械化验证高效的求解支配节点的算法通常是获得一个实际的“验证编译器”不可或缺的一部分.为了形式化证明一个高效的迭代求解严格支配节点的算法(CHK),首先建立了值域是逆序列表集合的半格结构,逆序列表中的元素是控制流图中节点的逆后序遍历次序,并证明了它是一个半格,其偏序满足上升链条件.然后使用半格结构,实现了一个基于工作表的Kildall迭代算法,计算严格支配节点.接下来,首先给出了控制流图中支配节点的定义性规范和相关性质定理,然后构造并证明了迭代求解算法所满足的重要性质.利用这些性质定理,相对于定义性规范,证明了该迭代求解算法的正确性和完备性.最后进行总结,并讨论未来工作.整个形式化开发使用的是定理证明助手Isabelle/HOL.     

国家基础地理信息系统全国1：25万数据库设计和应用研究

国家基础地理信息系统是我国国家空间数据基础设施的重要组成部分。ＮＦＧＩＳ的全国１：２５数据库已于１９９８年建成。它是我国目前最大基础地理信息空间型数据库。迄今,已在许多领域应用,取得十分显著的社会物经济效益。本文论述该数据库的设计,技术特点和应用情况及该方面的经验教训,可供设计和建设大型地理信息 参考。     

商品化生产分散松香胶与纸厂自制分散松香胶的研究

1乳化剂的选择分散松香胶的制备过程中,乳化剂的作用在于降低油一水界面并能形成表面双电层,以防止松香液滴的重新凝聚,从而形成稳定的分散松香胶乳液。乳化剂的选择可以遵循如下原则：（1）乳液粒子和乳化剂带同种电荷相互排斥,选用乳化剂时应考虑其离子型,以便得到较稳定的松香胶乳液。（2）松香亲疏平衡值（HLB）和乳化剂的亲疏平衡值（HLB）大致相等。（3）乳化剂的疏水基部分应和松香结构相似,乳化效果好。（4）实验表明,具体应用中阴离于型乳化剂和非离于型乳化剂混配,具有更好的乳化效果。（5）由于商品化生产分散松香胶…     

天普太阳热水器通过国家免检产品认定

2005年12月9日，天普太阳热水器等2个北京太阳热水器品牌率先通过国家免检产品资质评审，获得了国家质监总局颁布的“国家免检产品”权威资质认定。     

铁基高温合金GH2871成分对组织和性能的影响

开发出新型含０．５％Ｎｂ，并以Ｗ、Ｍｏ复合固溶强化的２８Ｎｉ－１４Ｃｒ－１．ＯＷ－１．５Ｍｏ－２．１Ｔｉ－Ｎｂ－Ａｌ铁基高温合金ＧＨ２８７１。该合金的综合机械性能优于同类２５Ｎｉ－１５Ｃｒ铁基高温合金。     

哈尔滨城市地铁大断面隧道施工稳定性分析

以哈尔滨城市地铁隧道施工为工程背景,基于区域地质条件,构建了有限元数值模型,分析双侧壁导坑法和交叉中隔墙法(CRD法)施工过程围岩变形和受力变化规律,结合现场监测手段,分析大断面隧道的施工方法及其稳定性。结果表明:弱围岩区域隧道施工,无论是隧道变形总量还是施工引起的地表沉降,双侧壁导坑法均比CRD法有优势,且应力变化、最大应力值均较小,围岩主应力分布也较均匀,而CRD法仅在隧道变形收敛有优势;通过分析现场监测数据可知,施工的先后顺序会影响变形,后开挖的断面会影响先开挖的,使用双侧壁导坑法也能够很好的满足施工的变形控制标准。     

低温余热蓄热型地源热泵系统运行土壤温度场特性研究

通过将低温余热技术与地源热泵技术结合起来,构建低温余热蓄热型地源热泵系统。通过数值仿真方法研究了低温余热蓄热型地源热泵系统运行温度场的变化特性。研究结果表明,该系统运行一年后,土壤平均温度上升了0.32℃,有效解决了地源热泵在北方地区应用时土壤全年蓄释热总量严重不平衡的问题,为地源热泵技术的发展提供新思路。     

光电检测传感器阵列在运动物体检测中的应用

本文构建了一个光电检测传感器阵列,基于覆盖理论和卡尔曼滤波算法,该阵列具有采集和处理阵列覆盖区域中所感知对象信息的功能,即检测和描述感知对象的存在、运动及其运动轨迹等情况。     

基于信息浓缩的隐私保护支持向量机分类算法

支持向量机(SVM)的分类决策过程涉及到对原始训练样本的学习,容易导致数据中隐私信息的泄漏。为解决上述问题,提出一种基于信息浓缩的隐私保护分类方法IC-SVM。该算法首先根据样本的邻域信息,通过模糊C均值(FCM)聚类算法进行聚类分析;接着,使用信息浓缩准则对聚类中心进行处理,得到浓缩点组成的新样本;最后,使用新样本进行训练并得到决策函数,并用它去进行分类测试,可以较好地保护数据的隐私。在UCI真实数据和PIE人脸数据上的实验结果表明,IC-SVM方法既能保护数据信息的安全,又有较高的分类准确率。     

基于改进核模糊C均值类间极大化聚类算法

传统的核聚类仅考虑了类内元素的关系而忽略了类间的关系,对边界模糊或边界存在噪声点的数据集进行聚类分析时,会造成边界点的误分问题。为解决上述问题,在核模糊C均值（KFCM）聚类算法的基础上提出了一种基于改进核模糊C均值类间极大化聚类（MKFCM）算法。该算法考虑了类内元素和类间元素的联系,引入了高维特征空间的类间极大惩罚项和调控因子,拉大类中心间的距离,使得边界处的样本得到了较好的划分。在各模拟数据集的实验中,该算法在类中心的偏移距离相对其他算法均有明显降低。在人造高斯数据集的实验中,该算法的精度（ACC）、归一化互信息（NMI）、芮氏指标（RI）指标分别提升至0.9132,0.7575,0.9138。