关于汽车尾气污染及其治理问题的探讨

针对大气污染的现状,就汽车尾气对环境的影响及其危害进行分析,提出大气污染治理的措施与方法,对如何发展天然气汽车理论和实践的主要问题进行了尝试性的研究,指出大力发展天然气汽车是解决汽车尾气污染的最好办法。     

中子平衡节块离散纵标法及CMFD加速技术研究

本文基于横向积分离散纵标方程,解析得到横向积分通量中出射通量与入射通量的关系,并根据类似于扩散方程节块展开法的输运节块中子平衡方程形式,得到了一种高效的节块离散纵标法数值迭代策略。数值结果表明,本文提出的方法可行且数值结果正确。此外,粗网有限差分(CMFD)加速技术在节块离散纵标法中也取得了非常好的应用效果。     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

Burkholderia thailandensis E264/pBMTL3-tdpR发酵生产抗癌药物ThailandepsinA的研究

在伯克氏菌Bth264野生株产新型抗癌药物Thailandepsin A以及调节基因tdp R正向调控Thailandepsin A生物合成的基础上,利用基因工程菌Bth264/p BMTL3-tdp R发酵生产Thailandepsin A,以提高产量。以0.5%乳糖为诱导剂,确定最佳诱导条件:发酵15 h添加乳糖,诱导时间6 h;通过单因素实验,确定葡萄糖和胰蛋白胨作为碳氮源、装液量65/250 m L以及接种量1%;同时结合优化发酵培养基进行发酵,Thailandepsin A产量达到252.14 mg·L-1,比优化前的产量提高56%;另外在发酵过程中,添加大孔树脂HP-20原位吸附产物,Thailandepsin A产量可达283.75 mg·L-1,比不加树脂提高13.8%;最后,基于RT-PCR和比较Ct值法,基因工程菌和野生菌相比,Thailandepsin A生物合成基因tdp B、tdp C1的转录水平分别提高11.4倍和6.0倍,对应的产量增加4.6倍,从而在很大程度上说明调节基因tdp R的过表达促进生物合成基因转录水平的提高以及产量的增加。     

原子吸收光谱法测定保护渣中锰含量

采用原子吸收光谱法测定保护渣中锰含量,进行了酸度对测定的影响、试样分解、共存离子干扰、加标回收、精密度分析等试验。结果表明,锰可完全溶解于混合酸溶液中;加入氯化锶,可以消除钠、钙对锰测定的干扰;锰质量浓度在0~12.0μg/mL的范围,工作曲线线性关系良好;加标回收率较高,在97%~102%;测定结果准确度较高,与高碘酸钠光度法分析结果一致性较好。     

移动边缘计算环境下的动态资源分配策略

在通讯设备爆炸式增长的时代,移动边缘计算作为5G通讯技术的核心技术之一,对其进行合理的资源分配显得尤为重要。移动边缘计算的思想是把云计算中心下沉到基站部署(边缘云),使云计算中心更加靠近用户,以快速解决计算资源分配问题。但是,相对于大型的云计算中心,边缘云的计算资源有限,传统的虚拟机分配方式不足以灵活应对边缘云的计算资源分配问题。为解决此问题,提出一种根据用户综合需求变化的动态计算资源和频谱分配算法(DRFAA),采用"分治"策略,并将资源模拟成"流体"资源进行分配,以寻求较大的吞吐量和较低的传输时延。实验仿真结果显示,动态计算资源和频谱分配算法可以有效地降低用户与边缘云之间的传输时延,也可以提高边缘云的吞吐量。     

ATSP:时态网络可视化的自适应时间片划分方法

现有的时态网络可视化方法大多采用等量时间片来可视化网络的演变，不利于时态模式的快速挖掘和发现。为此，根据时态网络固有的特征提出自适应时间片划分方法（Adaptive Time Slice Partition method，ATSP）。在时态网络的两种表示方式（基于事件的表示方式和基于快照的表示方式）的基础上，构建了ATSP的基础模型，同时提出了一种改进模型用来描述事件间隔时间服从长尾分布的时态网络。为了实现时间片的不等量划分，针对探索任务的不同提出了基于时态模式的ATSP规则和基于中心节点的ATSP规则，并提出了实现算法--层次划分算法（Hierarchical Partition algorithm，HP）和增量划分算法（Incremental Partition algorithm，IP）。实验结果表明，ATSP方法比传统的时间片划分方法更能准确地表示网络的时态特征，且该方法应用于可视化时，能有效归纳并展示网络的特征，明显提高了视觉分析的效率。     

基于桥连接的词典学习方法的语义解析

现阶段的语义解析方法大部分都基于组合语义,这类方法的核心就是词典。词典是词汇的集合,词汇定义了自然语言句子中词语到知识库本体中谓词的映射。语义解析一直面临着词典中词汇覆盖度不够的问题。针对此问题,该文在现有工作的基础上,提出了基于桥连接的词典学习方法,该方法能够在训练中自动引入新的词汇并加以学习,为了进一步提高新学习到的词汇的准确度,该文设计了新的词语—二元谓词的特征模板,并使用基于投票机制的核心词典获取方法。该文在两个公开数据集(WebQuestions和Free917)上进行了对比实验,实验结果表明,该文方法能够学习到新的词汇,提高词汇的覆盖度,进而提升语义解析系统的性能,特别是召回率。