FRIPP微晶蜡加氢工艺条件的考察

以白土精制后的南阳微晶蜡为原料,采用一段串联工艺,考察反应温度、体积空速、氢蜡比等对加氢产品性质的影响,并在相同的工艺条件下,考察了不同滴熔点的微晶蜡加氢难易.结果表明,在考察的工艺条件下,一反温度和体积空速对加氢效果影响最大,随着反应温度的降低,产品的颜色号由0.4升高到1.4,体积空速由0.2 h-1提高到0.3 ...     

基于MVC的Qt应用程序框架的设计与实现

介绍了基于MVC的Qt应用程序框架的基本设计思想,重点分析了MVC模式的应用程序框架的总体结构设计及对象动态生成机制的实现方法。这一框架的应用极大的提高了Qt应用程序的开发效率。     

求解旅行商问题的二阶段演化算法

对Inver-over算子进行了改进,提出了1st-Inver-over算子和2nd-Inver-over算子,实现了求解TSP问题的基于改进Inver-over算子的二阶段演化算法（Two-stage Inver-over EA）。在算法前期,只采用1st-Inver-over算子来保证算法的收敛速度;在算法后期,根据种群的多样性自适应地选取1st-Inver-over算子和2nd-Inver-over算子来协调算法的收敛速度和种群的多样性。在TSPLIB（Traveling Salesman Problem Library）中的典型实例上的实验结果表明,Two-stage Inver-over EA比经典的GT算法具有更好的收敛性和搜索效率。     

基于B/S与C/S混合模式的医院药房自动化管理系统研究

为实现医院药房的自动化管理,提高药品分发效率,设计并实现了基于B/S与C/S混合模式的药房自动化管理系统。系统应用B/S模型为用户间多端协作提供业务交互服务,子用户通过C/S模型开展药品计价和出入库等具体业务。所开发的药房自动化系统根据用户和子用户特征进一步细化业务分工,有效解决了取药时间长、药品积压或断货等实际问题。     

基于FPGA+DSP的核信号数字时间谱仪设计

针对核电子学中核脉冲信号的高速实时数字化处理,设计了基于FPGA+DSP的两通道核信号数字时间谱仪。该实验平台基于数字恒比定时(dCFD)原理,采用高速运放和ADC进行模拟信号成型采样,数字信号送入FPGA完成波形判选、数据缓冲、FIR滤波和基线恢复,利用DSP实时信号重构和函数定时,通过USB2.0接口与上位机通信。该系统的主要特点是具有模数电路的高度集成、数字信号的实时运算,接近模拟定时的精度。     

中国经济发展模式的演进与启示

我国的经济体制先后经历了计划经济体制、转轨经济体制和市场经济体制,与此相对应,形成了具有时代特征的经济发展模式。我国当前的经济发展模式面临着经济增长高度依赖投资和过度依赖外部需求的问题,塑造新经济发展模式需要从经济体制、市场主体、资源配置方式、经济增长、产业选择和调控方式等方面作出调整。我国的经济发展模式只有不断调整优化,才能实现持续发展和大国崛起的目标。     

基于和声搜索和模拟退火的混合算法解决TSP问题

和声搜索是一种新的启发式优化算法,算法模拟了音乐创作中乐师们凭借自己的记忆,通过反复地调整乐队中各乐器的音调,最终能达到一个美妙的和声状态的过程.针对和声搜索算法容易陷入局部最优的缺陷,将其与模拟退火算法结合,得到了两种混合算法.实验表明混合算法针对TSP问题具有较高的求解质量.     

行人运动建模及仿真研究综述

根据行人运动建模及仿真发展历史以及已经提出的一些模型和算法,从宏观和微观两个层面对行人运动建模策略进行系统分析,包括宏观建模策略:行人动力学模型、空间交互/熵最大化模型以及微观建模策略:元胞自动机模型、磁力场模型、社会力模型、智能体模型、空间句法模型、马尔可夫模型.在建模策略分析基础上,重点研究了Legion,PAXPORT,NOMAD,STEPS以及BuildingEXODUS五种主流行人仿真系统,总结了各系统的建模思想、核心模型及优缺点.指出了未来行人系统建模及仿真的研究趋势.     

模糊神经网络在解耦控制中的研究

在工业生产过程中,针对纯迟延、时变、强耦合的多输入多输出现象,提出一种基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法。这种方法不需要建立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温一主汽压力对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性。     

基于特征置信度的无源域自适应方法

由于隐私保护和数据安全等原因,传统的域自适应问题通常假设神经网络在向目标域迁移时源域数据是可读取的。假设并不总能被满足,为此提出一种无源域自适应方法,不需要读取源域数据,即可实现神经网络由源域向目标域的迁移。该方法将目标域数据依置信度的高低划分为两部分,并基于分而治之的策略设计伪标签。对于高置信度数据,直接将神经网络预测作为伪标签;低置信度数据的伪标签则由神经网络的预测和周围高置信度数据的标签共同决定,这一过程被建模为一个优化问题,由优化问题的解析解给出了低置信度数据的伪标签。为更好地估计低置信度数据的伪标签,利用在低置信度数据上的信息最大化损失促使这些数据特征具有很好的聚类结构;同时,在高置信度数据上使用自监督损失,使得高置信度数据尽可能均匀的分散在特征空间中,从而保证每一个低置信度数据周围都存在高置信度数据。实验结果表明,本文所提方法不仅超过了最新的无源域自适应方法的表现,还取得了优于传统的域自适应方法的表现。