羽毛蛋白-聚(丙烯酸-丙烯酰胺)高吸水性树脂的制备及吸水性能

以羽毛蛋白、丙烯酸和丙烯酰胺为原料,N,N′-亚甲基双丙烯酸胺为交联剂,过硫酸铵和亚硫酸氢钠为引发剂,采用水溶液聚合法制备了羽毛蛋白-聚(丙烯酸-丙烯酰胺)高吸水性树脂。研究了羽毛蛋白用量、引发剂用量、交联剂用量以及温度对树脂吸水倍率的影响,并考察了树脂的综合吸水性能。结果表明,树脂在蒸馏水和0.9%NaCl溶液中的吸水率分别为1152g/g和69.2g/g。树脂拥有较高的吸水速率,粒径80目以上的树脂在3min以内可达到吸水溶胀平衡,并且在较宽的pH值范围(pH=5～10)内的溶液中均有较高的吸水率。     

基于包络学习和分级结构一致性机制的不平衡集成算法

集成方法是不平衡学习方法的重要分支,然而,现有不平衡集成方法均作用于原样本而没考虑样本的结构信息,因此其效能仍然有限.样本的结构信息包括局部和全局结构信息.为了解决上述问题,本文提出了一种基于深度样本包络网络（Deep Instance Envelope Network, DIEN）和分级结构一致性机制（Hierarchical Structure Consistency Mechanism, HSCM）的不平衡集成学习算法.该算法在考虑局部流形和全局结构信息的情况下,通过多层样本聚类,生成高质量的多层包络样本,从而实现类平衡化.首先,算法基于样本近邻拼接和模糊C均值聚类算法,设计DIEN来挖掘样本的结构信息,得到深度包络样本.然后,设计局部流形结构度量和全局结构分布度量来构建HSCM用于增强层间样本的分布一致性.接着,将DIEN和HSCM结合起来,构建出优化后的深度样本包络网络——DH (DIEN with HSCM).之后,将基分类器应用于包络样本.最后,设计bagging集成学习机制来融合基分类器的预测结果 .文末组织了多组实验,采用了十多个公共数据集和有代表性的相关算法进行验证...     

一种具有信息保持能力的GM-PHD滤波器

概率假设密度(PHD)滤波器是解决虚警、漏检和目标数未知情况下多目标跟踪问题的新方法.然而在该滤波器中已存在的目标一旦在某个时刻不能被传感器检测到,漏检目标的大量信息会被滤波器丢弃.为解决漏检目标的信息丢失问题,对PHD滤波器的预测和更新方程进行了修正,提出了一种具有信息保持能力的PHD滤波器.在此基础上提出了适用于线性高斯模型的修正PHD滤波器高斯混合(GM)实现算法.仿真实验结果表明,与现有的PHD滤波器相比,在存在漏检的情况下所提出的GM-PHD滤波器能够提供更好的多目标跟踪能力.     

空间五杆RCRCR机构的位移分析

为了对空间五杆RCRCR机构的位移分析进行研究,采用对偶数矩阵进行数学建模,建立封闭方程.首先引入3×3酉交矩阵和欧拉公式,使部分对偶矩阵对角化;然后寻找关系式,分解对偶数的初级部和对偶部,通过符号计算,导出一元四次输入输出方程;最后求出其余变量.数字实例验证结果表明,空间五杆RCRCR机构的位移分析的解析解的个数是4,方法是正确的.     

微滤膜分离技术的应用进展

介绍了微滤膜分离技术的主要优点及分离机理,重点阐述了微滤膜分离技术在废水、污水处理、食品工业以及海水淡化预处理中的应用。最后指出,将微滤膜分离技术与化学絮凝、沉淀技术相结合,能扬长避短,最大限度发挥各自的优势,是今后微滤膜分离技术的发展趋势。     

双阶段帕金森病语音聚类包络卷积稀疏迁移学习算法

帕金森病(PD)语音识别算法研究对于其及时诊疗具有重要意义,但现有PD语音识别算法面临小样本数据量问题挑战。针对问题,本文提出双面双阶段均值聚类包络和卷积稀疏迁移学习算法。在双阶段学习方面,首先基于源数据集训练多组卷积核,然后通过中间集得到最优卷积核并对目标集进行编码。在深度样本聚类包络方面,首先设计迭代均值聚类算法构建深度样本空间;然后进行样本特征同时选择并训练分类器模型;最后对不同样本空间的分类结果进行融合。实验选取代表性的PD语音数据集进行验证。实验结果表明,本文算法创新部分有效,与10多个经典和最新相关文献算法相比取得了显著改进,准确率达97.8%。此外,本文算法的时间复杂度不高,满足临床应用要求。     

基于数控双环现场总线的安全通信方法

针对数控系统中安伞信号对传输安全性及实时性的需求,提出一种在数控双环现场总线上对所传输消息进行环形编码的消息安全通信方法.给出r数控双环现场总线安伞报文结构,设计了基于双环的安全通信方法及相应算法.采用数学手段及实验测试对所提方法与传统方法进行了性能比较,证明该方法能够有效增强冗余性,降低蕈传概率,同时满足通信实时性的要求.     

基于RBPF-SLAM算法的研究与实现

同时定位与地图创建（the simultaneous localization and mapping,SLAM）是机器人领域的难点问题,目前广泛采用Rao-Blackwellized Particle Filters （RBPF）算法解决该问题.在传统的RBPF算法实现中构建的高误差建议分布会采样计算大量粒子来拟合目标分布,频繁的重采样步骤导致粒子逐渐耗散,浪费大量计算资源.在本文中通过把运动模型信息与观测信息相结合优化建议分布,减少采样粒子数量,引入自适应重采样方法减少重采样步骤.在算法的实现时使用树形数据结构存储环境地图,实验结果表明,该改进算法可以显著计算效率,减小存储消耗,构建地图更为精确.     

基于粒子群算法的认知无线电参数优化及敏感度分析

认知无线电能根据环境变化和用户需求自适应调整工作参数.现有认知引擎大多采用遗传算法优化参数.但随着认知用户数的增加,遗传算法染色体增多,导致算法收敛时间过长,无法满足实时通信需求.将改进惯性因子的粒子群算法用于认知无线电工作参数的优化,并在不同通信模式下对传输参数进行敏感度分析,以便有选择性地从目标函数中剔除敏感度较低...     

NFS在分布式数控系统中的应用与改进

随着数控技术的进步,数控系统由单机系统向分布式系统发展,机床存储介质的容量不能满足复杂数控程序存储的需求。在分布式数控系统中应用NFS可以解决存储空间限制的问题,而且便于用户管理共享文件。介绍了NFS技术,并结合实际需求将NFS服务由传统的使用IP分配资源改进为依据用户信息分配资源。