纳米SiO2／Ni基复合镀层的研究现状与展望

介绍了纳米复合镀的特点,阐述了纳米SiO2/Ni和纳米SiO2/Ni-P复合镀层的研究现状,主要就纳米SiO2对复合镀层性能的影响进行了说明,分析了复合镀层的表面形貌和能谱数据,举例说明了纳米SiO:复合镀层在实际中的应用,并对纳米复合镀层的发展前景进行了展望.     

中压分解分离器贮槽碳钢壳体的损坏及维修

简要介绍了中压分解分离器贮槽的壳体腐蚀损坏情况,并提出了解决办法。     

轨道巷支护方案的优化设计与应用研究

为了解决A矿10145轨道巷变形严重的问题,利用现场调研的方式对工程地质条件和支护方案进行了调研,根据巷道的地质特点和受力特征制定了相应的支护方案,以低密度、低成本的支护方法达到了高效支护的目的,有效控制了围岩变形,满足生产掘进需求.     

一种开关电源模块并联供电设计与研制

为实现输出电压8V的情况下能按目标比例分配电流,本系统以单相PWM(脉宽调制)专用集成电路TL494芯片为核心,分别制作一个8.0V的DC-DC稳压源,一个0.5A的DC-DC稳流源。该系统在实践中获得效率高于60%,以0.5A均流(1:1)情况为基础,在满足电流相对误差值的前提下实现1:2、1:3、1:4的电流比例分配。     

改进Viterbi译码算法研究

本文对卷积码的Viterbi译码方法提出改进算法,以卷积码为例,介绍了Viterbi译码的思想,说明了改选算法的思想,然后通过数学分析的方法得出两者的比较结果,最后给出了MATLAB仿真结果。     

一种基于脉线流卷积神经网络的人群异常行为检测算法

在计算机视觉领域，人群异常行为检测技术可以广泛应用于视频监控、智能视频分析、群体行为识别等领域，因此，受到了学者们的广泛关注。由于视频中人群目标具有尺度变化大、透视形变、标注偏置等特点，人群异常行为检测依然是一个具有挑战性的难题。为此，本文提出了一种基于脉线流和卷积神经网络的人群异常行为检测方法(Streak Flow CNN Abnormal Behavior Detection，简称SFCNN-ABD)。SFCNN-ABD通过卷积神经网络获取显著的人群行为空域特征，并通过脉线流结合卷积神经网络获取人群行为时域特征。SFCNN-ABD是一个双流网络，网络结构由两个深度残差网络作为骨干网络，分别为空域网络和时域网络。其中，空间域网络的输入是原始视频帧，提取人群行为的表观特征，而时域网络利用脉线流提取人群行为的运动特征，脉线流能更准确地识别场景中的空域和时域变化，因而能进一步提升人群异常行为检测的准确性。最后将两个网络的输出进行融合，完成人群异常行为的检测。在UMN和VIF两个公开基准数据集进行了测试，实验结果表明本文方法的性能优于当前主流算法，验证了本文方法的有效性。     

分形维数计算的流水线优化方法研究

分形维数计算具有计算复杂度高、计算时间长等特点,严重影响计算的实时性。针对此问题,在充分分析分形维数计算内在特性的基础上,利用分形维数具有流水线计算的特点,提出了一种计算分形维数的流水线体系结构,可有效提高分形维数计算的实时性。由于嵌入式并行处理硬件平台资源有限,对分形维数计算实时性进行优化的同时还需要考虑资源消耗的优化。通过对不同级数流水线运行时间和资源消耗的分析,建立基于运行时间与资源消耗的优化目标函数,从而得到运行时间与资源消耗最优的流水线结构。并与已有的计算分形维数的并行算法进行对比分析,实验结果表明,本文提出的优化方法在提高计算实时性的同时有效降低了资源消耗,实现了运行时间与资源消耗的优化。     

转型你准备好了吗?

以做汉堡起家的麦当劳,在全球的财务报表上,销售收入最多的一项不是汉堡,而是房屋租赁。一直在工业领域叱咤风云的美国通用电气,70%的销售收入不是来源于工业产品,而是来源于利润丰厚的金融信贷服务行业。以做服务器起家的IBM,今天全球的一半收入来源并非硬件产品,而是IT底层的全方位服务。如何在变幻莫测的市场中获得商机?如何去开拓企业的又一片蓝海?转型,成为了当今企业不得不面对的一道难题。     

湖南省防汛中心基础工程施工控制

1工程概况湖南省防汛指挥调度中心座落在湖南省水利水电厅东侧，东临韶山路。该大楼为综合性办公大楼，内设防汛办公室、防汛指挥中心、水文总站、计算机中心和通讯中心等。大楼地上32层，地下2层，建筑高度113．7m，屋顶设微波通讯塔，塔高38．3m，总建筑面积299万m’，其中土0．00以上2．633万m’，地下室3．57万m’。大楼结构为框一剪结构，基础设计采用扩底墩一筏板基础，基础理深9．6m。大楼建设场地在湘江右岸IV级阶地上，地形总趋势西启东低，场地平整后总图标高为759．7m。地质结构比较简单，从上至下主要分为《层，第一层粉质粘土…     

一种新型的雨雪视频图像复原方法

针对雨、雪等恶劣天气极易影响视频图像质量的问题,提出了一种新型雨雪视频图像复原方法。该方法在深入研究视频帧序列时域特性的基础上,将R、G、B 3维彩色空间属性数据进行投影降维,通过研究低维数据的散布形状来揭示高维数据的聚类特征,进而依据统计特性进行雨雪去除,实现视频图像复原的目的。该方法依据雨雪区和背景区的数据特性进行分类,能提供更准确的类别中心,尤为关键的是,该方法所需视频序列帧数少,不需要进行数据的彩色空间转换,简化了运算。6个经典视频场景的实验结果表明,复原后的图像清晰度高,具有较强的鲁棒性。