基于压缩采样匹配追踪的稀疏度和稀疏信道联合估计

原始的压缩采样匹配追踪算法依赖于已知稀疏度,因此本文研究了一种稀疏度和稀疏信道联合估计算法。首先提出了一种新的稀疏向量的替代,能够在有限长度的训练序列下,达到较好的稀疏度和信道估计效果。然后通过对稀疏信道估计中的噪声分量的分析,提出了一种稀疏度估计算法,结合信道估计最终给出了一种稀疏度和稀疏信道联合估计算法。仿真结果表明：新的稀疏向量的替代在稀疏度和信道估计方面都有明显的优势,并且提出的稀疏度和稀疏信道联合估计算法在性能上好于mCoSaMP算法。     

锈蚀钢筋混凝土梁的疲劳性能

对8根模拟锈蚀钢筋混凝土梁进行了高周疲劳试验,研究和探讨了模拟锈蚀钢筋混凝土梁的疲劳性能。结果表明,交变荷载作用下试件的斜裂纹出现并迅速发展成主裂缝;模拟锈蚀钢筋混凝土梁多在端部发生剪切疲劳破坏;试件的挠度发展、裂缝分布与破坏形态密切相关;随循环次数增加,锈蚀主筋的最大、最小应力不断增长,应力幅值基本不变;混凝土的最大、最小压应变快速增长,应变幅值平稳增长;试件的疲劳寿命具有较大的离散型;同等条件下,锈蚀钢筋混凝土梁的疲劳寿命往往比锈蚀钢筋的轴向拉伸疲劳寿命长。     

薇菜干色变条件的研究

为了完善薇菜干加工工艺,实现工厂化规模化生产,以及提高制作鲜薇菜采收的预处理,通过设置不同温度、光照时间、光照强度。漂烫时间等因素,研究制作条件对薇菜从采收到色变等加工工艺的影响。结果表明,漂烫时间、光照强度和时间对薇菜干的制作工艺色变效果影响较大,烘焙干燥温度影响较小。同时,得出青色和褐色鲜薇菜对薇菜干品质的影响存在差异。其结果为：在盐水浓度为1％的开水中漂烫3 min后再在35℃、光照强度为6800 lx左右干燥5．5 h后能到效果较好的“赤干”,此为薇菜干从新鲜采摘到干品工艺制作的理想条件。     

本科生导师制激励问题研究

运用博弈论的分析方法解释本科生导师制在推行过程中遇到的激励问题。通过构建一个非对称信息的静态模型,发现导师指导学生的努力程度将取决于学校的惩罚力度、考核成本以及该制度给学校带来的收益,而学校对教师指导情况的考核概率则主要受到其制定的奖惩规则和教师科研水平的影响。     

以Mn3O4为锰源合成高性能LiMn2O4正极材料

以Mn3O4为锰源,采用固相反应法,在较低的温度(650℃)制得尖晶石LiMn2O4正极材料。采用X射线衍射(XRD)、扫描电镜(SEM)、循环伏安和恒流充放电等技术对其相组成、微结构和电化学性能进行表征。结果表明该正极材料结晶良好,一次粒径约为150 nm。它的电化学性能,尤其是循环性能,明显优越于在较高温度合成的LiMn2O4。在电流密度为74 mA?g-1时,测得比容量为128 mAh?g-1,在1 480 mA?g-1时,比容量为105 mAh?g-1;在室温、148 mA?g-1充放电200次循环后,容量保持率为93%。     

褐煤如何达到空气干燥状态试验探讨

通过大量的试验,从干燥温度、干燥时间等方面总结出褐煤达到空气干燥状态所需要的条件,规范了褐煤空气干燥状态试验的具体步骤,更有效地保证褐煤试验数据的准确可靠。     

基于连续小波变换参数选择的小麦近红外光谱模型优化方法研究

为了提高模型预测精度,结合连续小波变换（CWT）的最优参数选择,优化小麦蛋白质光谱模型。对原始光谱进行CWT,利用主成分分析（PCA）选出5种小波db1、sym2、sym5、sym7、coif1;在不同尺度参数下利用偏最小二乘法（PLS）建模,确定尺度参数为15;在此基础上,利用CWT结合多元散射校正（MSC）及支持向量机（SVM）建模确定最优小波db1;在最优参数下用CWT结合无信息变量消除算法（UVE）和连续投影算法（SPA）及SVM建立预测模型,预测均方根误差为0.3930,优于CWT-UVEPLS-SVM的0.4558和CWT-SPA-SVM的0.4415,研究结果表明,CWT参数选择可有效优化近红外光谱模型。     

海带绿豆饮料的工艺研究

以海带、绿豆为原料研制出一种新型饮料.通过茶叶脱腥处理海带,结果表明,茉莉花茶用量2.0%,80℃下持续25 min,脱腥效果最佳.通过正交试验,确定出该饮料的最佳配方为海带汁50%、绿豆汁35%、柠檬酸0.35%、白砂糖8%.所制得的饮料澄清透亮,酸甜可口,有茉莉的清香,产品中降压活性物质甘露醇的含量为21.2 mg/L.     

高等学校财务管理信息化建设研究

高校财务信息化是财务管理的重要组成部分。利用现代信息技术对高校财务管理工作模式进行业务流程重组,支持了高校财务管理与决策,提高了高校资金使用的效益与效果。文章阐述了高校财务信息化的发展概况,分析了高校财务信息化建设中存在的问题,构建了高校财务信息化建设的平台,提出了完善高校财务信息化建设的对策。     

初始聚类中心优化的K-均值项目聚类推荐算法

针对协同过滤推荐系统存在的数据稀疏性和扩展性差问题,提出了初始聚类中心优化的K-均值项目聚类推荐算法。该算法首先采用SlopeOne方法对评分矩阵预测填充来缓解数据稀疏性,然后采用初始聚类中心优化的K-均值算法对项目进行聚类,将相似度高的项目聚到同一个类中,最后根据目标项目所在的聚类搜索其最近邻并产生推荐。实验结果表明,该算法有效改善了数据的稀疏性和扩展性,提高了推荐质量。