枫雅卫浴酒泉半价特卖

本刊讯 近日,笔者在甘肃省酒泉市卖场了解到,枫雅卫浴推出的5折特定商品促销,吸引大批消费者抢购。     

DMAB显现纸张表面潜在手印应用研究

纸张类客体是案件现场中常见的一类检材,其表面潜在手印的显现在物证检验鉴定过程中具有重要的意义。利用氨基酸敏感试剂N,N-二甲基-4-氨基苯甲醛(DMAB)对纸张表面潜在手印进行显现研究,结果表明,当浓度为0.4%时,DMAB对纸张表面潜在手印有很好的显现效果,显现手印在490 nm光源照射时,橙色护目镜下可观察到黄色荧光。该方法显现灵敏度高、显出手印纹线清晰、与背景反差较大,对于遗留30 d的陈旧性手印仍具有良好的显现效果。     

基于Informer的电池荷电状态估算及其稀疏优化方法

准确估计电池荷电状态（State Of Charge,SOC）是延长电动汽车电池使用寿命,确保电动汽车行驶安全的重要基础.传统的深度学习估计方法存在并行化计算效率不高、训练时间长的问题.为此,利用基于自注意力机制的Informer模型来估计电池SOC.其降低了传统自注意力机制的时间复杂度、提高了硬件使用率、降低了训练时长,与其他深度学习方法相比估计更准确.然而Informer模型仍然存在体量大及参数冗余的问题,故提出稀疏优化方法 .利用基于彩票假设的幅值迭代剪枝方法对Informer进行稀疏化处理,突出主导注意力特征,实现了在降低参数冗余的同时提升模型估计精度.在室温下,提出的稀疏化Informer模型估计电池SOC的平均绝对误差和均方根误差分别达到0.285 8%和0.383 0%,相比于Informer模型在平均绝对误差指标上估计精度提升了25%.并验证了其具备估计不同类型锂电池SOC的泛化能力.与循环神经网络、卷积神经网络这类传统的深度学习模型相比,本模型进行电池SOC估计时训练速度更快,估计准确性和稳定性更高.     

基于交叉指纹分析的公共组件库特征提取方法

软件公共组件库的广泛使用在提升了软件开发效率的同时,也扩大了软件的攻击面。存在于公共组件库中的漏洞会广泛分布在使用了该库文件的软件中,并且由于兼容性、稳定性以及开发延迟等问题,使得该类漏洞的修复难度大,修补周期长。软件成分分析是解决该类问题的重要手段,但是受限于特征选择有效程度不高和公共组件库的精准特征提取困难的问题,成分分析的准确度不高,普遍停留在种类定位水平。文中提出了一种基于交叉指纹分析的公共组件库特征提取方法,基于GitHub平台25 000个开源项目构建指纹库,提出利用源码字符串角色分类、导出函数指纹分析、二进制编译指纹分析等方式来提取组件库的交叉指纹,实现了公共组件库的精准定位,开发了原型工具LVRecognizer,对516个真实软件进行了测试和评估,精确率达到94.74%。     

浸没式离子交换-微滤组合膜的膜污染分析

针对浸没式离子交换-微滤(IE-MF)组合膜分离浓缩低C/N生活污水氨氮的过程中产生的膜污染问题,采用X荧光光谱、X射线衍射及电感耦合等离子质谱等技术对主要污染物成分进行了分析,并考察了膜污染机理。结果表明,微滤膜端滤饼层的晶体结构属针铁矿类,主要成分是Fe(OH)_3及少量的Fe CO_3、Mg CO_3等物质,离子交换膜内表面沉积物主要为Ca、Mg、Fe的碳酸盐等物质。滤饼层是由电极电解反应产生的Fe(OH)_3胶体与Ca、Mg等碳酸盐及其他固体杂质相互吸附聚集沉积在微滤膜表面所形成的;离子交换膜内表面沉积物为电解反应产生的OH~-使离子交换膜内表面碱化,引起Fe~(3+)、Ca~(2+)、Mg~(2+)等阳离子在离子交换膜内表面与相关阴离子结合生成附着于膜表面的沉淀而形成的。     

一种面向对象的时间序列极化SAR图像变化检测方法

提出了一种改进的时间序列极化合成孔径雷达(SAR)图像变化检测方法。该方法首先使用简单线性迭代聚类算法对时间序列极化SAR图像进行过分割,得到时间序列图像的超像素一致表达。然后对各个超像素进行时间序列上的任意双时相交叉变化检测,得到包含时间序列图像变化信息的变化检测矩阵。最后根据变化信息对图像在时间序列上进行平滑滤波并生成动态变化图,对地物变化情况进行分析。实验结果表明,文中方法能够有效地检测和分析时间序列极化SAR图像的变化情况。     

载人潜水器信息显控系统

本文介绍了基于工业以太网的载人潜水器的信息综合显控系统.详细地描述了该系统的软件结构及各相关模块的特点,并对系统中各部分所实现的功能进行了详细的介绍.目前,该系统已在实验室进行了实验,实验效果良好.     

载人潜水器数据采集与监控系统

介绍了基于工业以太网的载人潜水器的数据采集与监控系统.简要地阐述了载人潜水器的重要性.详细地描述了该系统的硬件结构及各智能节点的特点,并对系统中各层所实现的功能进行了详细的介绍.目前,该系统已在实验室进行了实验,实验效果良好.     

基于轨迹聚类的航空器轨迹模式挖掘研究

轨迹模式是航空器在某段时间或某个区域内相对稳定的飞行模式,对理解和判断目标在一段时间或一定区域内的行为有着重要的意义。针对目标轨迹的特点,在基于点密度的聚类算法的基础上,设计并实现了一种基于线段密度的轨迹聚类方法。该方法使用最小描述长度原则将目标的历史轨迹分割为若干轨迹段,通过计算轨迹段之间的相似度对飞行轨迹进行聚类,最后运用扫描线算法生成目标的轨迹模式。实验证明,该方法可以较为准确地从大量轨迹数据中发掘出航空器目标的轨迹模式。