三点弯曲试件塑性转动因子的试验研究

通过试验及理论分析,讨论了屈服强度对三点弯曲试件塑性转动因子的影响．试验结果表明：随着屈服强度的增加,塑性转动因子增大．     

相关反馈结合鲁棒局部二值模式的CBIR算法

提出了一种鲁棒局部二值模式结合相关反馈的基于内容的图像检索算法.鲁棒局部二值模式是一种性能较好的特征提取算子,对噪声和光照变化具有较强的鲁棒性,且不会造成原始数据的改变,可提高特征提取的准确性.相关反馈使系统可获知用户的偏好,对检索结果具有导向作用.多个纹理数据库的实验结果表明,提出算法的检索准确性和鲁棒性优于同类算法.     

电无级变速器的内燃机最佳效率控制

通过对混合动力汽车电无级变速器传动机构原理分析,提出一种内燃机最佳效率控制策略。该策略主要是基于底层控制系统的硬件结构,根据上位机发送的指令对双机械端口电机的内转子进行转矩控制,实现内燃机最佳效率运行;对外转子进行转速控制,满足车辆运行需求。并且给出了该策略下转矩辨识的方法;同时给出在整车中车辆总成控制与双机械端口电机控制系统和其他系统配合关系。通过实验,验证了该控制策略可以实现内燃机最佳效率运行同时满足负载侧连续平滑调速的可行性。     

数字信息可视化及其实现方法研究

本文首先提出研究数字信息可视化技术的意义,然后对数字信息可视化含义作出解释,并对数字信息可视化实现方法进行分类阐述,最后列举了数字信息可视化技术的新进展。     

扣式电池壳体对锂离子电池材料性能测试的影响

采用空电池壳体组装扣式电池,研究在充放电测试过程中的稳定性.充电时,壳体发生氧化反应,并提供一定的充电容量;放电时,壳体未发生明显的还原反应.壳体的稳定性影响实际测试材料的充电曲线及首次效率.应对壳体进行评价,并选取适当的组装工艺,减小壳体的影响.     

水产品加工废水深度处理的试验

进行了用"生物接触氧化-微滤膜"组合工艺对水产品加工废水深度处理的试验研究.试验结果表明:在进水COD约900~1 200 ms/L,水力停留时间>16 h的情况下,平均出水COD<50 ms/t,达到再生水杂用水质标准.同时,研究探讨了处理过程中膜组件的污染及清洗问题,为实际工程中膜的运行提供了必要的参考.     

火电厂电气监控系统间隔层通信的现状与发展

对火电厂电气监控系统间隔层设备的通信接口方式及通信协议进行了介绍,并指出了其特点及发展方向。     

论企业域名权与商标权冲突的解决

中国域名保护的法律法规不健全,企业对于域名的重视程度不够,导致企业域名被抢注的事件屡屡发生,给企业造成损失.通过对域名权与商标权之间冲突的探讨,提出避免和解决二者之间冲突的建议,如完善域名注册程序、引入撤销制度和法定赔偿金制度等,以保护企业的无形资产不被非法侵犯.     

主题模式教学中的动机强度研究

本文采用定量的研究方法,从动机强度的角度分析了主题模式在大学英语教学中的效果.研究通过实验班和对照班学生动机强度层面的对比,发现主题模式教学对学生的动机强度产生了影响.学生在围绕主题开展的教学中更为主动地进行语言学习,尤其体现在听说能力方面.同时研究还发现学生在新模式下课堂教学的参与性更高,对教学环境更加满意.     

A general stochastic clustering method for automatic cluster discovery

Finding clusters in data is a challenging problem. Given a dataset, we usually do not know the number of natural clusters hidden in the dataset. The problem is exacerbated when there is little or no additional information except the data itself. This paper proposes a general stochastic clustering method that is a simplification of nature-inspired ant-based clustering approach. It begins with a basic solution and then performs stochastic search to incrementally improve the solution until the underlying clusters emerge, resulting in automatic cluster discovery in datasets. This method differs from several recent methods in that it does not require users to input the number of clusters and it makes no explicit assumption about the underlying distribution of a dataset. Our experimental results show that the proposed method performs better than several existing methods in terms of clustering accuracy and efficiency in majority of the datasets used in this study. Our theoretical analysis shows that the proposed method has linear time and space complexities, and our empirical study shows that it can accurately and efficiently discover clusters in large datasets in which many existing methods fail to run.