基于zigbee技术在矿井下节点切换机制的研究

节点接入切换机制和路由技术是井下定位系统的关键技术。根据矿井环境的特点,改进移动节点入网接入方式,提出移动节点地址分配的新方案。该方案中移动节点的地址不由协调器分配,在入井前由程序直接设定,且不随位置的移动而改变。仿真结果表明,提高移动节点入网成功率,减少了端到端的延时和丢包率,提高了数据传输效率。     

基于螺旋型铂铱合金电极的植入式葡萄糖生物传感器

采用螺旋型铂铱合金电极设计,旨在提高植入式葡萄糖生物传感器的葡萄糖氧化酶担载量并增大工作电极的电化学活性面积.以扫描电镜(SEM)观察聚氨酯(Polyurethane,PU)半透膜的形貌,采用循环伏安法(CV)和计时电流法(I-T)考察PU涂覆厚度、PU含量以及酶含量等参数对传感器电化学性能的影响,结果表明:所制备的螺旋型传感器灵敏度在20 nA/(mmol/L)~30 nA/(mmol/L),可在人体生理条件范围内线性检测(2 mmol/L~30 mmol/L)葡萄糖浓度,并且具有良好的重现性、稳定性和选择性,符合电极长期植入式需求,有望作为今后糖尿病患者血糖连续监测的关键器件.     

结构尺寸对LNG低温螺旋波纹钢管弯曲性能的影响分析

基于ANSYS三维壳模型,依据结构几何尺寸对LNG低温螺旋波纹钢管进行参数化有限元建模.考虑低温环境下材料力学性能的改变和结构几何非线性因素,对弯曲载荷作用下低温螺旋波纹钢管结构力学性能进行数值模拟;分析管体弯曲失效模式和力学行为特点.改变结构几何尺寸,分析比较波峰和波谷极值应力以及管道整体力学性能,发现尺寸参数对低温波纹钢管力学性能的影响显著,分析相应的灵敏度规律,最后给出合理的截面尺寸参数.分析结果可以为低温柔性管道的结构设计提供参考.     

倾角传感器自动校准系统的设计

为了解决倾角传感器传统手工校准方法成本高、效率低和精度低等问题,设计了一种倾角传感器自动校准系统.分别对该系统的硬件设计、软件设计以及校准算法三部分进行了阐述.硬件设计主要包括ATmega128微处理器模块设计、CH340串口转换模块设计、ADM3251 RS-232收发器模块设计、有源晶振模块设计以及电源模块设计;软件部分主要是上位机的程序设计;校准算法部分介绍了最优精度算法对数据进行处理的过程.最终对单轴倾角传感器进行了校准实验,实验数据表明,自校准系统相比于传统手工校准方法精度高,校准误差缩小了近1个数量级.     

协同过滤技术的改进研究

协同过滤算法应用于个性化推荐系统中取得了巨大成功,它是通过用户项目评分数据,以用户之间或者项目之间相互协作的方式来产生推荐。然而,邻居用户的相似度计算不精确一直是阻碍推荐系统推荐精度进一步提高的主要因素。从提高用户间相似度计算精度出发,提出了一种改进算法,该算法通过考虑不同特征、加强平均值影响、惩罚热门项目的比重,对用户的相似度计算方法进行改进,以期生成更加合理的邻居用户集,最后,根据评分预测公式进行预测,最终产生推荐。在MovieLens数据集上的实验表明,改进算法计算用户间的相似度更加精确,推荐算法的预测精确度有了显著提高。     

两种面向推荐系统的数据压缩方法

今日头条的服务器每天都会产生规模庞大的训练数据,为方便进行训练,这些数据都具有特定的格式和分布特征。使用不同类型的通用压缩算法(字典类型及非字典类型)进行测试,发现单独任何一种算法都无法在满足业务需求(速率需求和CPU占比等)的同时获得较为可观的压缩比。针对今日头条的训练数据,提出了分段聚类压缩和Hash recoding压缩两种策略。实验结果表明,分段聚类压缩方式在更好地保证了压缩率的同时提高了压缩速率的目的;Hash recoding压缩方式则更好地达到了以少量压缩速率的损失换取更可观的压缩率的目的。分段聚类方式搭配Gzip压缩算法的组合能使压缩速率提高300%以上;Hash recoding方式匹配Snappy压缩算法能使压缩率缩小50%以上。根据实际需求,不论选择哪种策略,对于降低今日头条的运营成本,提升业务处理的效率,提供更好的用户体验,都有一定意义。     

一种面向空地一体化组网的体系架构

空间网络是空地一体化组网中地面网络延伸的重要组成部分。针对空间网络为移动星座的场景,传统的空地一体化组网模型将空间网络视为独立自治域,利用边界网关协议将空间网络与地面自治域互联起来,最大化同地面网络保持兼容。然而,传统组网模型存在边界网关面临频繁会话中断或大量路由更新等问题。通过重新审视空间网络的角色定位和边界划定问题,提出一种面向空地一体化组网的体系架构Slink。Slink的核心思想是空间网络为地面网络提供互联通道,利用星地网关隔离空地两网间的路由更新。实验仿真表明,Slink体系架构能够有效减小对空间路由器的路由存储空间需求,降低星地网络间的带宽消耗。     

Rotation,scaling and translation invariant texture recognition by Bessel-Fourier moments

The ideal of Bessel-Fourier moments (BFMs) for image analysis and only rotation invariant image cognition has been proposed recently. In this paper, we extend the previous work and propose a new method for rotation, scaling and translation (RST) invariant texture recognition using Bessel-Fourier moments. Compared with the others moments based methods, the radial polynomials of Bessel-Fourier moments have more zeros and these zeros are more evenly distributed. It makes Bessel-Fourier moments more suitable for invariant texture recognition as a generalization of orthogonal complex moments. In the experiment part, we got three testing sets of 16, 24 and 54 texture images by way of translating, rotating and scaling them separately. The correct classification percentages (CCPs) are compared with that of orthogonal Fourier-Mellin moments and Zernike moments based methods in both noise-free and noisy condition. Experimental results validate the conclusion of theoretical derivation: BFM performs better in recognition capability and noise robustness in terms of RST texture recognition under both noise-free and noisy condition when compared with orthogonal Fourier-Mellin moments and Zernike moments based methods.