基于GP-SRCDKF的初始对准技术研究

随着对惯性导航系统中对准时间要求的不断提高,初始对准需要在大方位失准角条件下进行,此时需采用非线性滤波方法来实现初始对准。基于此,提出高斯过程回归平方根中心差分卡尔曼滤波算法(GP-SRCDKF)。将高斯过程回归融入到SRCDKF算法中,利用高斯过程得到系统回归模型及噪声协方差,用回归模型代替状态方程和观测方程,对相应的噪声协方差进行实时自适应调整。该算法不仅克服了扩展卡尔曼滤波滤波精度低、需要计算雅可比矩阵的不足,而且可解决传统滤波容易受系统动态模型不确定和噪声协方差不准确的限制。仿真实验结果验证了该算法的有效性和优越性。     

一种基于区分服务的嵌套队列调度算法

现有队列调度算法只能满足某一种特定类型业务流量的服务质量(QoS)需求,无法广泛支持多种类型业务流量。为此,提出一种基于区分服务的嵌套队列调度算法。将现有队列调度算法通过嵌套模型进行组合,并根据该嵌套模型进行队列调度,从而为多种类型业务流量提供均衡的QoS保障。仿真结果表明,该算法能够满足不同类型业务流量的QoS需求,其各项性能指标所达效果与最优效果的差距较小,并且在多种类型业务流量的支持方面比现有队列调度算法表现更好。     

结合过渡区的多元线性回归昆虫图像分割方法

针对多元线性回归模型对含阴影的昆虫图像边界分割不准确的问题,提出一种结合过渡区的多元线性回归优化算法。算法首先对多元线性回归模型进行范数优化。即根据图像的RGB三色板信息建立多元线性回归基本模型,再利用余弦范数对模型进行优化。优化后算法对图像的分割效果有所改进,但仍保留了图像阴影部分,因而引入过渡区算法对边界和阴影进行分割,实现图像边界的二次分割优化。与单独应用多元线性回归算法相比,新算法提高了昆虫图像的分割精度,具有较强的鲁棒性。     

固体酸催化环氧丙烷醇解反应活性研究

讨论了工业化生产中使用杂多兰催化剂的方法和产率,以及氢型离子交换树脂,固体超强酸也可作为此反应催化剂的效果,并与直接溶解在反应液中杂多兰催化活性进行了比较,得出相关结论.     

用VB和SolidWorks实现列管式换热器的设计

利用结构化软件设计方法及程序模块化原理，结合换热器设计的工艺设计方法．以Microsoft Visual Basic 6．0语言为平台，开发出换热器设计软件。软件具有换热器的三维结构设计功能，实现了换热器的设计结果以Excel形式表格保存。软件安装方便，界面友好，经验证设计结果合理、准确。     

加入助剂的马来酸酐熔融接枝聚丙烯研究

用双螺杆挤出机研究了马来酸酐 (MAH)对聚丙烯 (PP)的自由基熔融接枝。采用正交试验优化了熔融接枝条件 ,系统研究了引发剂过氧化二异丙苯 (DCP)、单体MAH、助剂ABX用量对马来酸酐接枝率的影响 ,并对其影响因素作了分析。研究表明ABX助剂能降低PP降解 ,同时也提高了马来酸酐的接枝率。确定了较佳的原料配比为m(PP)∶m(MAH)∶m(DCP)∶m(ABX)=1 0 0∶4∶0 4∶0 35。     

重金属在宽叶香蒲人工湿地系统中的分布与积累

本文通过对广东韶关凡口宽叶香蒲（Typha latifolia)人工湿地系统的进出水口，土壤剖面及四种优势植物体各部分器官中Pb,Zn,Cu和Cd含量进行分析。结果表明；重金属主要库存于土壤中。从水平上看，全量的重金属含量从进水口到出水口呈上升趋势，而有效态则相反；从土壤剖面的垂直分布上看，全量和有效态重金属含量都随土壤深度的增加而递减，四种植物都具有较强的吸收和富集重金属的能力，且主要富集在植物的地下部分。     

基于SVG的功率因数校正系统研究

为了减少感/容性负载与电网之间的无功交换,提高电网电能质量,提出和实现一种基于SVG的功率因数校正系统。该系统使用IGBT全桥电路为主电路,采用TMS320F28335作为控制器,将解耦控制算法移植到DSP中,DSP产生PWM对IGBT进行控制。实验结果表明,该系统能够快速地响应负载侧无功功率的变化,有效地对其进行补偿,减小负载和电网的无功交换。     

基于传播模拟的消息流行度预测

社交网络中的消息流行度预测问题对于信息推荐和病毒式营销等应用具有重要意义。该文提出了一种基于传播模拟的消息流行度预测方法,首先使用最大熵模型学习并预测用户转发消息的概率,然后使用独立级联传播模型在真实的社会网络上模拟消息的传播过程,从而完成消息流行度的预测。该方法的优点在于更充分的利用了社会网络的结构和用户特征信息。该文在Twitter数据集上的实验结果表明,相对于基准方法,该文提出的方法具有更高的准确率和稳定性。     

一种基于Sigmoid函数的改进协同过滤推荐算法

随着电子商务和社交网络的蓬勃发展, 推荐系统逐渐成为数据挖掘领域的重要研究方向。推荐系统能够从海量信息中定位用户兴趣点, 提供个性化服务。协同过滤算法能够有效分析用户偏好, 提供合适的推荐服务。针对评分矩阵稀疏时传统协同过滤算法性能很差的问题, 提出一种基于Sigmoid函数的改进推荐系统算法。利用Sigmoid函数对不同项目进行建模, 得到项目的平均受欢迎程度; 利用Sigmoid函数对不同用户进行建模, 将评分映射为用户对项目的喜好程度; 根据用户对项目喜好程度应该与项目平均受欢迎程度贴近的原则进行评分预测。在两组真实数据集合上的实验结果表明, 该算法较好地解决了数据稀疏性问题, 能够有效提高传统算法的预测准确性。