电子资金处理系统数字签名算法的研究

从资金处理系统为安全保密要求出发,强调了识别签名的重要性,基于公开钥密码体制,为解决签名纠纷,提出了一种可用于电子资金处理系统的数字签名算法,对算法的正确性进行了证明,并对算法的保密强度进行了分析。     

分离刚度法测试杨木单板层积材木梁剪切模量的试验研究

目前中国杨木人造板以非结构为主,而在机电包装行业中使用大量实木作为包装材料,从经济成本、资源利用和环境保护等诸多方面都迫切需要以结构人造板替代实木作为机电包装材料。针对厚型单板层积材面内剪切模量测试,从理论上给予推导,并从实践上利用理论指导实际测试,以期为单板层积材的结构设计、性能测试以及使用提供技术基础。     

电极材料对脉冲放电产物一氧化氮的影响研究

用铝、黄铜、不锈钢、钼、钨和石墨等材料分别制作了相同尺寸的针、板电极，用负脉冲电弧放电装置研究了材料对放电产物NO气体体积分数的影响。实验结果显示，电极材料对NO、NO2气体体积分数和NO2／NO比值有一定影响。故用脉冲电弧放电产生医用NO气体时，可以通过对电极材料的选择与组合，来降低脉冲电弧放电过程中产生的NO2体积分数。     

一种便携式普及型多功能8051系列单片机开发系统的设计

目前在单片机应用系统开发中广泛使用仿真器或仿真软件,然而,由于常见仿真器不是价格较高,就是功能难以扩展,使用时不方便,且不能作为用户目标板使用,而仿真软件常常又不能进行实时硬件调试,该文以一种便携式普及型多功能51系列单片机开发系统OPEN-SC51的设计为例,提出了解决问题的思路与方法。     

导向式气力采摘系统流动特性研究北大核心

为提高采棉机的作业效率并解决采棉机在高速作业中存在棉花采摘效率低及落地棉较多等问题,根据采棉机导向器与采摘头工作原理,对导向器进行优化设计。根据棉株物理属性和气力采摘理论数值分析,建立导向式气力吸棉装置数学模型;运用Fluent软件对不同结构模型的气力吸棉装置进行数值模拟,对比分析吸棉装置气流场流动特性及吸棉口的速度与压力。结果表明:当吸棉装置为圆柱体模型时,吸棉口速度与理论相差较小,合理地分配了内部速度流线;该模型具有结构简单、操作方便、性能稳定、经济实用等优点。研究结果为采棉机气力采摘系统研发提供了参考。     

带哈夫分型与内抽芯机构的双色模设计

介绍了双色注射成型原理,以带嵌件的双色电动牙刷壳塑料件为例,分析了双色注射模具的结构特点、模具工作原理和设计要点,巧妙设计了哈夫分型与弹簧内抽芯机构,实现了模具多分型面的顺序开合.     

水轮发电机组进相运行试验

分析了发电机进相运行的必要性，结合相关技术标准，对当前发电机的普遍运行状态改进相运行工况进行了理论分析，说明了进相试验和运行需要注意的相关事项。通过在宁波电网白溪水电厂的试验，证明了进相运行是发电机的一种正常且安全的运行工况。     

提高大学课堂教学效益的研究

本论述了新的教学效益概念,为科学合理地构建大学课程教学目标提供了新思路。提出了通过紧紧围绕专业人才培养目标及其知识、能力和素质的规格要求,精选课堂教学内容,合理确定教学要求,优化知识结构体系,改革课堂教学方法,大力更新教学手段等综合措施,以提高大学课堂教学质量和效果。     

酱香型白酒中氰化物含量测定方法的改进

氰化物是酒类的一项重要安全指标，为了确保白酒质量安全，氰化物含量的准确测定十分重要，主要介绍对GB/T 5009.48—2003中氰化物检测方法的改进，使用紫外可见分光光度计和一次性注射针筒及一次性针孔过滤器对显色后的浑浊液进行过滤，消除白色浑浊物对检测结果的影响。经试验表明，此法操作简便，稳定性好，准确度高。     

Feature selection for support vector machines with RBF kernel

Linear kernel Support Vector Machine Recursive Feature Elimination (SVM-RFE) is known as an excellent feature selection algorithm. Nonlinear SVM is a black box classifier for which we do not know the mapping function F{\Phi} explicitly. Thus, the weight vector w cannot be explicitly computed. In this paper, we proposed a feature selection algorithm utilizing Support Vector Machine with RBF kernel based on Recursive Feature Elimination(SVM-RBF-RFE), which expands nonlinear RBF kernel into its Maclaurin series, and then the weight vector w is computed from the series according to the contribution made to classification hyperplane by each feature. Using w_i²{w_i^2} as ranking criterion, SVM-RBF-RFE starts with all the features, and eliminates one feature with the least squared weight at each step until all the features are ranked. We use SVM and KNN classifiers to evaluate nested subsets of features selected by SVM-RBF-RFE. Experimental results based on 3 UCI and 3 microarray datasets show SVM-RBF-RFE generally performs better than information gain and SVM-RFE.