自修复三氧化二铝涂层研究

结构材料表面涂层是解决聚变堆液态金属自冷却包层中的磁流体动力学压降(MHD)的主要方法之一.探讨了在包层结构材料表面直接形成电绝缘三氧化二铝涂层的液体渗铝法,并对渗层结构和表面三氧化二铝的形貌和成分分布进行了多种电子显微分析.研究结果表明:液体渗铝法是制作自修复三氧化二铝涂层的可靠方法,但渗铝和氧化工艺对涂层性能影响较大.     

无氰电刷镀金技术在航天工业中的应用

应用FJY-18无氰电刷镀金技术制得的金镀层具有孔隙率低、色泽金黄、光亮、结合力好,镀厚能力大于20μm,显微硬度HV=130～150,施工温度范围宽、无毒等特点,该技术已用于航天工业中某一关键部件的表面减磨密封镀金.     

70m/min PC钢棒生产线

介绍了生产率达70m／min的PC钢棒生产线的构成及其运行原理，以φ9mm的钢棒为例，给出系统运行的电气参数，并分析对比了该生产线热处理与其他同类生产线的吨电耗。经该线处理的PC钢棒产品的力学性能达到国标。结果表明本系统是高效率的，高质量的，高稳定性的PC钢棒生产线。     

电磁分离技术及其研究现状

综述电磁分离技术的研究现状。分析各种电磁力的施加方法的原理、影响因素、应用的局限性。就目前存在的问题和应用中必须解决的问题提出自己的见解。     

四辊轧机轧辊弹性变形解析模块的开发

采用影响函数方法开发了四辊轧机轧辊弹性变形解析模块，完善了辊间压扁和工作辊压扁影响函数计算模型，克服了轧辊压扁影响函数计算过程浮点数被零除的缺陷，提出了平滑指数和收敛指标取值的处理方法，有效地解决了四辊轧机辊系弹性变形计算精度及收敛问题。该模块适应于普通四辊轧机、PC轧机和CVC轧机轧辊弹性变形计算，为热轧带钢板形控制提供了解析工具。     

机会网络中基于能量消耗的缓存管理策略

为了减少机会网络中节点的能量消耗,均衡各节点之间能量使用情况,延长网络寿命,提出基于能耗的缓存管理策略。在节点缓存空间有限的情况下,所提出的算法根据周围邻居节点能量的使用情况,动态调整节点用于缓存转发消息空间的大小,从而减少节点在存储-转发过程中的能量消耗。同时,为了避免传统休眠机制的能耗路由算法中由于目的节点休眠而导致消息投递失败的情况,引入了新的Inactive节点状态。实验仿真表明,与定时休眠机制的能耗算法比较,采用基于能量消耗的缓存管理策略能够使得机会网络中所有节点的整体能耗降低50%左右,并且节点之间能耗的标准差降低80%以上。     

基于决策树的大学生科研活动与毕业走向的关联研究

本科生的科研活动越来越得到教育研究者的重视,然而,研究者很少关注学生科研活动与毕业走向之间的关联问题。为了探究本科生参与科研情况对其未来发展的影响,从学生毕业走向切入,挖掘影响学生未来毕业去向的重要因素。以北京市某师范高校计算机相关专业的2009级的所有学生的科研情况与毕业走向作为数据主要来源,以Weka作为模型建立和评估的辅助工具,采用J48决策树分类,进行十折交叉验证,建立了基于学生科研活动的毕业走向预测模型,并通过对模型进行验证评估,证明了模型预测准确率良好。研究结果表明,学生参与竞赛的数量、专业、作为项目负责人的项目数量、参与教学类项目的数量对学生的未来走向有着重要影响。     

语言竞争社会仿真模型与计算实验

语言竞争传播演化现象是典型的不能假设、无法进行"真实性实验"的社会科学问题,而建立在社会仿真模型基础上的计算实验是可行的方案。利用基于Agent的社会圈子网络理论并引入语言的内部词汇结构给出一种新的动态微观语言竞争社会仿真模型,其能反映语言内部结构演化涌现宏观语言态势的机制。计算实验表明:无干预调控情况下,语言共存的参数空间范围很小,很难达到共存状态,但在合适的时间窗口实施动态的调控政策可以让语言共存的参数空间显著扩大,在社会开放度高的情况下政策调控效果更好,这一发现扩展了之前人们对复杂网络语言竞争模型的认识。     

改进人工蜂群算法优化RBF神经网络的短时交通流预测

为了提高径向基函数RBF神经网络预测模型对短时交通流的预测准确性,提出了一种基于改进人工蜂群算法优化RBF神经网络的短时交通流预测模型。利用改进人工蜂群算法确定RBF网络隐含层的中心值以及隐含层单元数,然后训练改进的人工蜂群算法RBF神经网络预测模型,并将其应用到某城市4天的短时交通流量数据的验证。将实验结果与传统RBF神经网络预测模型、BP神经网络预测模型和小波神经网络预测模型进行了比较。对比结果表明,该方法对短时交通流具有更高的预测准确性。     

基于Tri-Training的事件关系分类方法研究

事件关系分类是一项研究事件之间存在何种逻辑关系的自然语言处理技术。针对事件关系分类任务中训练语料不足的问题,提出了基于Tri-Training的事件关系分类方法。该方法首先根据已标注的语料训练三个不同的分类器,以多数投票的方式从未标注集中抽取置信度较高的样本对训练集进行扩充,然后利用新的训练集重新训练分类器,反复迭代,不断完善分类模型,最终达到提升事件关系分类性能的目的。实验结果表明,以F1值为评价标准,基于Tri-Training的事件关系分类方法在四大类事件关系上的分类性能为64.36%。