仿分子动理学数据聚类法在基因表达数据上的应用

为了识别出可能具有诊断力的特征基因,常常使用聚类的方法对基因表达数据进行分析,而仿分子动理学聚类法通过仿效分子间的作用力机制能达到对数据聚类的目的。仿分子动理学聚类技术不需要预设簇个数,且可用于估计数据中的簇个数。该方法被应用于基因表达数据,结合相关指标用以估计数据中存在的簇个数和发现可能具有诊断力的特征基因。实验与分析结果显示了仿分子动理学聚类技术具有良好的知识挖掘能力。     

双材料混合型界面裂纹尖端应力场、位移场

研究了正交异性双材料中心穿透界面裂纹问题。在特征方程组的判别式都小于零的情形下,求解一类广义重调和方程组边值问题,通过构造新的应力函数,推出了Ⅰ型、Ⅱ型、混合型界面裂纹尖端的应力场、位移场及应力强度因子的解析表达式。其结果没有振荡奇异性及裂纹面没有相互嵌入现象,当上下半平面材料参数相同时,可获得正交异性单材料的应力场、位移场。     

西门子6RA70型直流调速器在轧机换向辊中的应用

简要介绍了3 300 mm轧机机前换向辊道在改造过程中西门子6RA70型直流调速器的选型及改造、调试方案,阐明了PLC和数字直流调速相结合无论在安装、调试还是在维护上比以前的模拟系统都具有很强的优势.     

正交异性粘弹性材料Ⅰ型裂纹尖端场研究

研究正交异性粘弹性材料在对称载荷作用下,裂纹尖端的应力与位移分布。首先利用La—place积分变换法,将正交异性粘弹性问题转化为拉普拉斯空间的正交异性弹性问题进行求解;其次,在正交异性弹性材料板裂纹尖端解的基础上,利用准静态粘弹性-静态弹性对应原理,得到Laplace域内正交异性粘弹性裂纹尖端的解;最后采用F-Durbin数值方法将其作逆变换,求得正交异性粘弹性材料Ⅰ型裂纹尖端的数值解。通过在力作用开始时的粘弹性解与相同条件下的弹性解进行对比,表明采用F-Durbin数值反演方法可以得到更精确的解。     

单幅近红外手掌图像掌静脉和掌纹多特征识别

传统的掌静脉和掌纹图像融合识别一般需分别采集掌静脉和掌纹两类图像,而单幅近红外手掌图像中实际上同时包含了掌静脉和掌纹结构信息。由于二者局部纹理细节差异较大,且像素值分布范围不同,因此,可以先分离再分别增强处理。首先,提出了改进的引导滤波算法以便去除掌纹结构,并设计了反模糊细节增强模型增强掌静脉结构图像;然后,提出了一种改进的分块增强算法,可以在增强掌纹结构图像的同时滤除掌静脉结构信息,再利用基于Sobel算子的反锐化掩模算法以便突出掌纹主线条结构信息;最后,对单幅近红外手掌图像中获取的掌静脉和掌纹图像进行融合识别。在香港理工大学近红外手掌数据库上进行了实验,结果表明：所提出的算法识别率达到了99.63%,与其他已有算法相比等误率平均降低了0.66%,验证了所提出算法的有效性。     

基于消息队列的多角色多媒体信息交互应用

引言近年来,智慧教室的建设如火如荼,在学校的教学活动中,以信息技术为基础的互动教学不断展开,但在多人互动教学的场景中,智慧教室存在着较为突出的问题。一是自动成组功能弱。在很多应用场景中,往往需要各种智能终端或其他多媒体设备依据自身的角色进行分组,以便更好地进行讨论和信息分享。而现有方案要么不支持成组功能,要么只能事先将设备固定分到某一个组上,无法实现自动基于设备角色成组的功能。     

基于DEA模型的区域主导产业选择方法研究

在建立区域主导产业指标体系下,运用非线性的DEA方法来分析、评价区域内重要产业,通过优化分析来确定区域主导产业,最终给出区域主导产业选择与优化的路径和方法,使区域主导产业的选择更加科学、实用.在此基础上,以京津冀区域主导产业的选择为例进行实证分析,为区域经济发展选择了一个战略方向.     

正交异性双材料纯扭界面裂纹尖端场研究

通过复合材料断裂复变方法,构造特殊挠度函数,研究了受纯扭曲载荷作用的正交异性双材料界面裂纹尖端附近的断裂问题。在特征方程组的判别式都大于零的情形下,根据边界条件得到了两个八元齐次线性方程组,推出了含两个实奇异指数的应力函数。根据载荷条件,确定了自由未知量和待定系数,得到了界面裂纹尖端附近的弯矩、扭矩的计算公式。     

基于模型故障诊断方法的仿真研究

介绍了一种以典型的电液控制系统为目标，利用SIMULINK平台的仿真功能，虚拟化地再现了该控制系统及其几种常见的故障的虚拟故障诊断实验系统。通过系统模型和虚拟故障系统的输出特性对比，直观地描述了基于模型故障诊断方法的全部环节。     

基于HOG特征与SVM的胶体气泡识别方法研究

本文提出了一种基于HOG特征与支持向量机的分类方法,来代替目前人工检测光纤连接器中的胶体是否存在气泡.该方法先对视频中的胶体部分进行逐帧取样,根据样本制作正、负样本训练集以及测试集,接着选择适当的参数提取了训练集和测试集中胶体气泡HOG特征,并通过支持向量机来进行训练和测试统计的HOG特征,来识别胶体是否存在气泡.最后以人工识别为标准,并与本方法的分类结果进行验证.其实验结果表明该方法能够有效地将有、无气泡的样本进行分类,并在时间和人力上取得明显的优势.