齿轮箱出轴漏油问题的处理实践

采用密封圈密封时，在稀油润滑的齿轮箱出轴处常会产生漏油现象，通过改进采用动态密封可以很好地解决漏油的问题。     

嵌入式实时系统中的优先级反转问题

嵌入式实时系统中由于多任务共享资源,通常会出现一些奇怪的现象。本文就什么是优先级 反转及其产生原因进行分析,并提出2个行之有效的解决方案。     

陆地卫星光学载荷地基自动辐射定标与验证分析

针对传统地基辐射定标方法效费比低、单次定标不确定性大,难以满足卫星载荷高频次、高精度辐射定标等问题,发展了一种面向常态化运行需求的光学载荷地基自动辐射定标方法,并基于内蒙古包头附近的科技部"国家高分辨遥感综合定标场"(下简称"包头场")对Landsat-8/OLI相应通道进行了自动辐射定标试验及交叉验证分析,分析结果表明:2016～2017年过境包头场的11次Landsat-8/OLI自动辐射定标结果一致性较好;对于Landsat-8/OLI的蓝、绿、红、近红外4个波段表观反射率,地基自动定标结果与星上结果之间的平均相对偏差分别为0.83%、-0.21%、-0.20%、-1.37%,标准差则分别为2.78%、2.89%、2.94%、2.20%。进一步地,还对地基自动辐射定标过程中各项误差来源进行了量化分析,其在Landsat-8/OLI蓝、绿、红、近红外4个波段的不确定度分别为5.06%、4.65%、4.80%、4.98%。由此可见所发展的地基自动辐射定标方法除了可以很大程度上提升陆地卫星外场定标的频次,定标结果亦具有较好的稳定性与可靠性,对于陆地卫星光学载荷辐射性能的动态监测及数据质量保证具有重要意义。     

标志物检测与BLADE技术合用的临床应用现状及研究进展

标志物检测是当前的常规检查方式之一,因其取样范围广泛、检测成本较低等优点,现已逐渐被临床广泛采用。但其标本稳定性差、特异性和灵敏性均有待提高,因而难以满足临床的快速诊断。而刀锋伪影校正(BLADE)技术能够很好的解决传统磁共振(MRI)运动伪影的弊端,可以更好的同标志物检测相结合。现对标志物检测与BLADE技术合用的临床应用现状进行概述,以期为临床疾病快速诊断提供一种新的思路。     

基于趋势特征表示的shapelet分类方法

Shapelet是一种具有辨识性的时间序列子序列,通过识别局部特征达到对时间序列准确分类的目的。原始shapelet发现算法效率较低,大量工作关注于提高shapelet发现的效率。然而,对于带有趋势变化的时间序列,采用典型的时间序列表示方法进行shapelet发现,容易造成序列中趋势信息的丢失。为了解决时间序列趋势信息丢失的问题,提出一种基于趋势特征的多样化top-k shapelet分类方法：首先采用趋势特征符号化方法对时间序列的趋势信息进行表示;然后针对序列的趋势特征符号获取shapelet候选集合;最后通过引入多样化top-k查询算法从候选集中选取k个最具代表性的shapelets。在时间序列的分类实验中,与传统分类算法相比,所提方法在11个数据集上的分类准确率均有提升;与FastShapelet算法相比,提升了运行效率,缩短了算法的运行时间,并在趋势信息明显的数据上效果显著。结果表明,所提方法能有效提高时间序列的分类准确率,提升算法运行效率。     

冰酒葡萄栽培技术

冰葡萄酒是葡萄酒中的上上极品,其源自德国,以加拿大的冰葡萄酒最负盛名,由于其独特浓郁的甜香醇厚风味,加上繁复、严谨、漫长的酿造过程使其身价倍增,因而被誉为"液体黄金".     

巨峰葡萄控产优质栽培技术试验

为探明巨峰葡萄优质栽培技术的适宜控产措施,以4年生巨峰葡萄为试材,研究单位面积留梢量和新梢留叶片数对葡萄果实品质的影响.结果表明,10梢18叶(10梢/m2,18叶/梢)和新梢整形处理1(果穗上留4片叶摘心、3个副梢、每副梢留3片叶)两种调控方式的果实品质最好,其单果重分别为13.36g和13.94g,可溶性固形物含量分别为22.48%和22.04%,可滴定酸含量分别为0.545%和0.639%,Vc含量分别为6.249 mg/100g和6.547 mg/100g.通过两种不同技术措施提高了果实品质,基本上达到了优质果标准.     

基于Linux嵌入式系统的研究与实现

本文介绍了嵌入式系统概念、研究意义以及开发设计.在嵌入式系统的设计中主要论述了嵌入式操作系统的特点,Linux作为嵌入式操作系统的优势所在,最后提出了嵌入式Linux操作系统的设计与实现步骤.     

一种不确定连续时间序列的Top-K异常检测算法

针对噪声数据对时间序列异常检测准确性的影响问题, 提出了一种不确定连续时间序列Top-K异常检测算法。在典型时间序列异常检测方法的基础上对时间序列的异常值进行区间处理, 构造满足均匀分布的密度函数, 结合不确定Top-K技术, 实现含噪连续时间序列在分布未知情况下的Top-K异常排序。实验部分采用模拟数据和真实数据进行算法测试, 算法较传统方法在异常检测的准确率方面有明显提高, 虽然在计算时间上有所增加, 但提出了相应的优化策略, 使计算时间在k值大于5时有明显改善, 验证了算法的有效性。     

一种基于代表点的增量聚类算法

针对现有的增量聚类算法对参数敏感度较高、时空复杂度较高等问题,提出了一种基于代表点的增量聚类算法。首先采用代表点聚类算法对静态的数据库进行聚类;然后根据新增加的节点与已存的代表点之间的关系,判断是否将其添加到已存的代表点所属的类簇中,或是提升为新的代表点;最后,再次采用代表点聚类算法对其进行聚类。实验结果证明,该算法对参数的敏感性低、效率高、占用空间小。