实时电视跟踪系统

应用于二维成像的实时图像识别,目前由于受到处理速度和信息带宽的严重限制,而只处于琐碎的或近琐碎的算法之中。目标识别以及用电视(视频)速率的图像识别在跟踪上的应用,是个普遍关心的问题。但是,过去的想法只限于非常简单的阈值或相关(限制窗口)方法。新的高速算法同快速数字硬件结合在一起产生了用于识别和跟踪导弹以及飞机的系统,该系统具有“智力”,这使其性能远远超过了以前设备的实时跟踪能力。基于分类算法的自适应统计群和投影已用于实时识别和跟踪明显变化的目标,这种变化是由于复杂的和不稳定的背景/前景所引起的。快速估值和预测算法都是将线性估值和平方估值相结合,以获得速度和灵敏度信息。在数据和结果的判定中,为了得到一个置信度量值,需要确定权。为了最大限度地保持跟踪,研究了几种方案。本文着重于该系统的理论方面论述,并且也讨论了用于得到实时跟踪方面的一些技术问题。     

钢管内流体擦损失计算图表(Ⅱ)

<正> 已知密度为ρ[Kg/m~3],粘度为μ[Kg/m·sec=Pa·sec]的流体流经根据标准流速选定的内径为D[m]的钢管,体积流量为Q[m~3/sec],利用图表可以求出其流过100m管道的摩擦损失ΔP。     

微粉碎技术与粉碎装置

<正> 关于粉碎装置最近的动向,本杂志今年1月号(P.82)上已阐述过。主要涉及六个问题:①多样化的进展②系列化的完善③复合过程的发展④粉碎操作的微细化⑤粉碎对象的变化引起的性能提高⑥大型化 因为上次的讨论较为肤浅,所以本文弥补其不足,就新粉碎对象(塑料、生物类物质等)的微粉碎操作(它与原来的矿物质之粉碎略有不同)进行稍为详尽的讨论。     

用于洋壳勘探的多道拖曳阵

多道地震拖曳阵过去常被用来调查沉积层,本文则描述用它来勘探火成岩地壳的实验情况。在太平洋板块两个相隔很远的地区——日本海沟东面和太平洋东隆顶部——用多道拖曳阵进行了地震勘探实验。结果是两个地区均揭示有来自莫霍面的强反射。其他实验也表明,火成岩地壳内存在反射层。如太平洋东隆、弗林海台外部、挪威海和加勒比海。本文还讨论适用于深地壳研究的数据采集和处理新技术。这些新技术包括扩展排列、恒定偏移距剖面和“阵放大”技术,它们均需使用两条工作船,並需把地震数据转换至τ—P域进行分析。     

离子镀碲膜的实验研究

本文描述了直流二极型离子镀膜袋置。采用了一个附加电子束机构和作为阴极的铜网。在玻璃基板上制得了牢固的Te薄膜。     

SMC用粗纱的研究

无捻粗纱是SMC的基本组分之一。它的各种特性对SMC生产工艺、成型工艺及制品性能均有明显的影响。因此,在国外自SMC问世以来,相应地发展了SMC专用粗纱品种,以满足SMC工艺过程及不同产品的各种技术性能要求。 SMC用无捻粗纱应具有短切性好,能良好分散,有适当的浸渍性,静电性弱,短切后体积小,成型流动性好,制品强度高及外观优良(无纤维显露、表面平滑)等特性。因此,为配合我国SMC工艺的发展,南京玻纤院和北京玻璃钢研究所共同协作开展了SMC专用粗纱浸润剂配方,粗纱制备工艺     

Fe—2Si—0.1C双相钢的组织形态对机械性能的影响

关于 Fe-2Si-0.1C 双相钢的组织形态对机械性能的影响已进行过研究。由奥氏区域直接在两相区连续退火得到的粗大双相组织延展性差,而强变相对较高。但是通过不同的相变途径所得到的细纤维状或者细颗粒状的双相组织,在延展性上表现出有效的改善,而在强度上无较大的损失。粗大的双相组织延展性差,这是由于铁素体区域中发生了最大的局部应力集中,形成了解理裂纹。但是,具有细纤维状或颗粒状形态的双相钢,其断裂都是在大量的塑性变形以后,通过空     

川藏公路二郎山龙胆溪滑坡整治工程堆积体锚索钻孔跟管钻进工艺技术的应用

川藏公路是国家重点军、地两用交通要道,二郎山隧道是国家"九五"重点建设工程.长期以来龙胆溪滑坡影响川藏公路这一交通大动脉.由于紧邻公路的滑体规模大,滑面深、稳定性差,设计采用了较长的堆积体锚索(76 m)和较深的堆积体抗滑桩(65 m),这在国内外还没有类似工程的成功经验,特别是在松散堆积体中进行大口径跟管钻进,其难度在国内外尚属首次.结合成功的工程实践,首次开发对心式、自锐式跟管钻具及配套的工艺技术,很好地解决了工程难题.并针对不同性状的堆积体提出了相应的工艺措施.     

基于JSP的B/S动态网站开发及数据库连接

在探讨JSP原理和相关技术的基础上,通过B/S模式的‘网页动态生成系统’的设计实例,给出了基于JSP技术的动态网站建设的可行性方案。分析了JDBC与数据库相连的方式,对JDBC和ODBC的差异进行了比较,表明采用JDBC技术连接和操作各种数据库更加简便。     

基于蚁群算法的SVM模型选择研究

为了提高SVM的分类器性能，提出使用蚁群算法来指导SVM模型参数的选择，并针对采用RBF作为核函数的SVM进行了实验。然后将该方法与基于GA的SVM模型选择方法进行了比较。实验证明采用蚁群算法具有一定的优势，它能在较短的时间内寻找到最优解，且最终得到的分类结果优于遗传算法。