水合氧化处理法对铝涂膜粘着性的影响

一、前言众所周知,经水合处理的铝及铝合金(以下称铝)表面可形成耐蚀性好的氧化膜,该法在工业上广泛应用于室内空调机类的热交换器、饮料罐和管材等防蚀。尽管铝的水合氧化处理材在涂装和底层粘接方面的应用是引人注目的,但是研究报告不多,和广泛应用工业上的磷酸盐处理法及电解腐蚀处理法等相比,其应用的实例也比较少。本文从工业角度研究高速处理铝带卷生成水合氧化膜的涂装底层的适用性,作者在     

组播路由协议及其应用

当代社会已经进入信息时代,网络技术在飞速发展。由于视频会议、推送技术、大规模协作计算、为用户群进行软件升级、用于培训和企业报告的共享白板式的多媒体应用、网络代理、镜像和高速缓存站点等等应用,都依赖于从一个主机向多个主机或者从多个主机向多个主机发送同一信息的能力,而在Internet上分发的数目可能达数十万台,这些都需要更高的带宽,并且大大超出了单播的能力。一种能最大限度地利用现有带宽的有力武器是IP组播技术,这项技术已获得了包括AT＆T、HP、IBM、Intel、Microsoft、Cisco和3Com等业界有影响的众多厂商的支持。     

关于应用Bayes评价函数的弹性转子参数识别和平衡的研究

为了抑制因测定影响系数而造成的运转次数增加,本文提出了利用已有类似转子的影响系数和被平衡转子大轴承特性,采用Bayes评价函数进行参数识别,通过反复修正求取所需的影响系数,并提出了识别计算的判据,应用数值模拟计算,检验了其有效性。     

一种基于博弈论的5G异构网络多目标优化干扰算法

为解决高铁无线网络的通信干扰问题,提升高铁通信的吞吐量和能量效率,提出了一种基于博弈论的双目标优化干扰算法。首先,通过获取非理想信道的相应预编码矩阵和干扰抑制矩阵,计算包括延迟和衰落的非理想信道状态信息,实现干扰信号的空间对齐。其次,基于系统总功率、信干噪比,建立了功率分配双目标最佳博弈模型,实现吞吐量和能效的双重优化,并采用最大信噪比的干扰对齐算法,通过迭代计算实现干扰管理优化。最后,基于Matlab仿真平台与传统的干扰优化算法进行对比分析。实验结果表明,当信干噪比为30 dB、列车运行速度为300 km/h时,所提算法的吞吐量增加48.95%,能量效率增加53.02%,误码率减少14.37%;当信干噪比为30 dB、轨旁设备数量为5时,所提算法的吞吐量达到88.03%,能量效率达到71.58%;与其他算法相比,所提算法在系统吞吐量、能量效率和传输可靠性方面均具有显著优势。     

联盟链技术测试观察与分析

对可信区块链推进计划2019年度开展的功能测试、性能测试、BaaS测试、垂直行业(供应链金融)测试的测试情况进行整理披露,提出十大测试观察,涵盖联盟链的底层架构、共识算法、账本数据库、加密算法、智能合约、治理、隐私保护、跨链、性能测试观察以及供应链金融测试观察,以供业界参考。     

均匀热源条件下类叶状微通道矩形热沉的构形设计

针对均匀背景热流条件下的散热问题,构建了类叶状微通道矩形热沉模型,基于构形理论,在给定热沉体积与液冷通道总体积的约束条件下,以热沉最高温度和压降最小化为 目标,以微通道单元数、主通道与分支通道的夹角、主通道与分支通道的管径比为设计变量进行了优化设计.结果表明:通过增加微通道单元数、减小主通道与分支通道的夹角、采用较小的主通道与分支通道之管径比,可以降低热沉的最高温度,但是会增大压降损失.     

3D堆叠芯片硅通孔的电-热-力耦合构形设计

建立了3D堆叠芯片硅通孔(TSV)单元体模型,在单元体总体积和TSV体积占比给定时,考虑电-热-力耦合效应,以最高温度、(火积)耗散率、最大应力和最大形变为性能指标,对TSV横截面长宽比和单元体横截面长宽比进行双自由度构形设计优化.结果表明,存在最佳的TSV横截面长宽比使得单元体的最高温度、(火积)耗散率和最大应力取得极小值,但对应不同优化目标的最优构形各有不同,且TSV两端电压和芯片发热功率越大,其横截面长宽比对各性能指标的影响越大.铜、铝、钨3种材料中,钨填充TSV的热学和力学性能最优,但其电阻率较大.铜填充时,4个指标中最大应力最敏感,优先考虑最大应力最小化设计需求以确定TSV几何参数,可以较好兼顾其他性能指标.     

基于信任机制下概率矩阵分解的用户评分预测

互联网的蓬勃发展,在为用户提供便利的同时,其海量信息也为用户选择造成了困难,基于用户理解的信息推荐服务正成为应时之需.相较于面向单个用户信息的传统推荐技术,基于社交信息的推荐技术通过引入影响力建模,可以更真实地还原用户属性及行为.然而,已有的社交推荐技术往往停留于对用户影响的笼统归纳,并没有对其内在机制进行清晰分类和量化.针对这一问题,通过对用户评分行为中的信任关系进行分析,着重研究了信任用户间接影响用户偏好和直接影响用户评分两种不同机制,进而提出了基于用户间信任关系融合建模的概率矩阵分解模型TPMF,从而实现对上述两种机制的有效融合.在此基础之上,针对不同用户受两种机制影响权重不同的问题,通过借助评分相关性对用户进行聚类并映射到相应权重,实现了用户模型参数的个性化选择.公开数据集的多项实验结果表明：提出的TPMF及其衍生算法在各项指标上优于现有代表性算法,验证了所提出的影响机制及技术框架的有效性.     

结合半监督聚类和数据剪辑的自训练方法

针对自训练方法在迭代中选出的置信度高的无标记样本所含信息量不大和自训练方法容易误标记无标记样本的问题,提出了一种结合半监督聚类和数据剪辑的Naive Bayes自训练方法。该自训练方法在每次迭代的时候,首先利用少量的有标记样本和大量的无标记样本进行半监督聚类,从而选出聚类隶属度高的无标记样本作Naive Bayes分类;然后利用数据剪辑技术来过滤掉聚类隶属度高而被Naive Bayes误分类的无标记样本。该数据剪辑技术能够同时利用有标记样本和无标记样本信息进行噪声过滤,解决了传统数据剪辑技术的性能可能因有标记样本数量匮乏而下降的问题。通过在UCI数据集上的对比实验,证明了所提算法的有效性。