一种用于300MHz系统的增补频道变换调谐器

ＣＡＴＶ频道变换器是目前有线电视系统中的一个重要产品，笔者从分析现有ＣＡＴＶ频道变换器的工作原理入手，提出了一种新型的变换方式，用这种变换方式组成的ＣＡＴＶ频道变换器有较高的性能价格比，文章最后给出了应用实例。     

浆态床铁基费托催化剂损影响因素分析

衡量费托装置的运行能耗的重要指标之一是催化剂的消耗量,通过催化剂的制备研究、优化工艺运行参数,降低催化剂的损耗,最终实现装置的降本增效。本文就浆态床铁基催化剂在工业运行过程中的损耗影响因素进行分析,并提出相应解决方案。     

引信安全系统某些性质的理论研究

根据引信安全系统理论和状态空间分析方法，研究了引信安全系统的物理方程及其无量纲归一化方程的动态特性不变性，各保险要素之间的独立性，安全系统解除保险过程的时滞性和平衡态及其稳定性，并对这些性质给出了严格的定义。这些性质和定义为深入研究引信安全系统及其解除保险过程，提供了理论依据和有效方法。     

城市垃圾填埋场渗滤液处理的试验研究

垃圾卫生填埋是处置固体垃圾的主要方法之一,当垃圾中所含水份超过其蓄积能力,就形成滤液,滤液量取决于降雨量和蒸发量.滤液成分复杂,变化大,若不加处理,对环境危害极大,是国内目前急待解决的重要课题.     

垂直矩形窄缝通道内气液两相流型的研究

本文研究了矩形窄缝通道内气液两相流的流型.用目测和摄影方法得到气液两相向上并流的流型.用x-y函数记录仪测得各种流型下的压差频谱图.作出了以1/X_(tt)～G_t和j_(?)～Re为坐标的流型图.作者还用Lockbart-Martinelli方法计算了矩形通道内气液两相流的压降,并与实测值进行了比较.     

相关向量机软件可靠性建模中失效数据选择

摘要：基于核函数的软件可靠性模型一般对软件失效时间数据与发生在其之前的m次失效时间数据的关系进行建模,着重研究了m取值不同时,其对核函数可靠性模型预测能力的影响。在5个不同类型失效数据集上,采用Mann-Kendall检验观测到m值增大时模型预测能力逐渐下降,说明现时失效时间数据能比较久之前观测的失效时间数据更好地用于预测未来,通过把m的取值划分成几个区间,运用配对T检验进行实验研究,结果表明当m∈｛6,7,8,9,10｝时,模型能够得到最好的预测性能。     

基于高斯过程的多任务联合学习

针对传统多任务学习方法只利用关系或者特征进行多任务学习的局限性,提出了一种基于高斯过程并且同时学习任务特征和任务关系协方差矩阵的多任务学习方法。该方法通过高速过程对多个线性函数进行建模,同时构建任务关系协方差矩阵和特征关系协方差矩阵,在训练的同时学习线性方程的参数、任务关系协方差矩阵和特征关系协方差矩阵,该方法称为基于高斯过程的多任务联合学习((multi-task joint learning based on gaussian process, MJLGP)。实验结果表明,所提方法在精度上比对比实验具有更好的优势。     

基于子带二次谱熵的语音端点检测

为了提高在强噪声环境下语音端点检测的准确度,提出基于子带二次谱熵的端点检测算法.该算法把子带二次谱熵作为端点检测新的特征参数,首先计算每帧语音信号的二次谱,再多子带分析,计算二次谱熵;引入顺序统计滤波对二次谱熵平滑处理;将有限状态机判别方法与子带二次谱熵相合,形成新的语音/噪声判别算法,有效地解决单门限法易出现的两类误判.实验表明:与传统的两种方法相比,提出的端点检测算法具有准确性高、抗噪性强等优点.     

Xi-3酱油菌株的筛选鉴定与中性蛋白酶的研究

我们从天津光荣酱油厂试管菌株中分离筛选出一株中性蛋白酶高产的菌株。其酶活性比目前生产上广泛应用的沪酿3.042高,在麸皮培养基上,xi-3菌株平均酶活力为5702单位/克,沪酿3.042平均为4523单位/克。形态特征鉴定,xi-3孢子穗为短柱状,而沪酿3.042为球状。根据“曲霉属”的分类意见,米曲霉在察氏培养基上生长10天以后变为暗绿色,孢子大小为6～8μ;而黄曲霉始终为黄绿色至水芹色,孢子大小在5μ以下,所以xi-3酱油菌株为米曲霉(Asp.oryzae)。     

基于AttentionGAN的加密流量分类方法

在网络流量分类中,各协议类别之间样本分类不平衡,从而导致训练的模型泛化能力差、识别准确率低。为此,提出了一种在生成对抗网络中添加通道注意力机制的方法（AttentionGAN）,来进行数据增强,对样本较少的协议进行扩充。该方法首先将原始流量数据报存储（Packet Capture,PCAP）数据按照流为单位进行切分、填充,并生成灰度图;其次使用AttentionGAN方法对数据集进行扩充;最后在公开数据集ISCX VPN-nonVPN和USTC-TFC2016上使用NIN、LeNet和VGG16模型对原始数据集和平衡后的数据集进行分类测试。实验结果表明,基于AttentionGAN的平衡方法在精确度、召回率、F1这3个指标上均优于过采样（Synthetic Minority Oversampling Technique,SMOTE）、生成对抗网络（Generative Adversarial Networks,GAN）和沃瑟斯坦生成式对抗网络（Wasserstein GAN,WGAN）平衡方法。