纳米碳酸钙在涂料中的应用研究

探究纳米碳酸钙先在溶剂中分散再与树脂进行调配的方法。利用正交设计法对其中高速搅拌法进行优惠条件实验，发现搅拌时间并非越长越好，优惠条件下涂料中纳米碳酸钙分散到原始粒径，涂料质量有较大提高。     

VPN与负载均衡技术在黄委上游广域网中的应用

VPN(Virtual Private Network):虚拟专用网络,是一门网络新技术,为我们提供了一种通过公用网络安全地对企业内部专用网络进行远程访问的连接方式。负载均衡技术是建立在现有网络结构之上,它提供了一种廉价有效透明的方法扩展网络设备和服务器的带宽、增加吞吐量、加强网络数据处理能力、提高网络的灵活性和可用性。本文就是通过对这两种新技术概念的阐述,系统介绍了这两种新技术在黄委计算机网络中的应用。     

反相微乳液法制备高溶度ZrO2陶瓷墨水(Ⅰ)

尝试采用新颖的反相微乳液法制备陶瓷墨水，为了获得高溶度陶瓷墨水，对反相微乳液体系优选进行研究，着重就Triton x-100/醇／烷／水体系，采用目测法，分光光度法，电导率法和离心分离法，分别考察了不同醇，烷配伍时体系的稳定性和相关物理性质，根据这些性质是否突变以确定体系是否发生相变，给出了体系拟三元相图。实验表明，在20℃时Triton x-100／正己醇／环己烷／水反相微乳液体系表现优异，当Triton x-100与正醇的质量比为3：2时达到最大范围的反相微乳液区，最大溶水量时的最佳组成为Triton x-100:正己醇：环己烷：水＝19．1％：12．8％：23．7％：44．4％（质量比）。     

正交拉普拉斯语种识别方法

提出了一种正交拉普拉斯语种识别方法,即在提取语音的i-vector后,采用正交局部保持投影进行子空间映射,将信号整体空间映射到语言信息加信道信息子空间,然后对映射后的矢量进行信道补偿处理,最后用支持向量机进行识别. 尽管i-vector最大限度地保留了语音的声学信息,但是并没有发现这些信息之间的内在结构. 利用正交局部保持投影在去除声学无关信息的基础上,进一步发现声学特征的内在结构,能够有效地提高特征的区分性. 在对NIST LRE 2003测试数据库实验后,发现新方法相较于基线系统来说,平均代价降低了28.91%.     

硼酚醛树脂在涂料中的应用

通过将硼酚醛树脂和环氧树脂进行混用,利用硼酚醛树脂优异的耐酸、碱腐蚀性能以及耐高温性能和环氧树脂可以常温固化成膜的特点,制备常温固化的耐高温防腐蚀涂料。     

信标可控性定义及问题

死锁是资源分配系统中极不希望出现的现象,目前死锁控制的一个重要的方法是信标控制法,信标控制法的基础是信标可控性的定义.对于普通Petri网,已有一个完善的信标可控性定义,而对于一般Petri网,这方面的工作还需改进和完善.近年来,学者们针对一般Petri 网及其子类提出了不少信标可控性定义,但这些定义并不完善,仍有大量的问题亟待解决.首先回顾了文献中的各个信标可控性定义,提出了两个新的信标可控性定义,然后从可控性定义的宽松程度、应用范围以及等价性等方面分析比较了现有的信标可控性定义优缺点.最后给出了今后的研究方向.     

声学模型区分性训练中的动态加权数据选取方法

提出了一种基于动态加权的数据选取方法, 并应用到连续语音识别的声学模型区分性训练中. 该方法联合后验概率和音素准确率选取数据, 首先, 采用后验概率的Beam算法裁剪词图, 在此基础上依据候选词所在候选路径的错误率, 基于后验概率动态的赋予候选词不同的权值; 其次, 通过统计音素对之间的混淆程度, 给易混淆音素对动态地加以不同的惩罚权重, 计算音素准确率; 最后, 在估计得到弧段期望准确率分布的基础上, 采用高斯函数形式对所有竞争弧段的期望音素准确率软加权.实验结果表明, 与最小音素错误准则相比, 该动态加权方法识别准确率提高了0.61%, 可有效减少训练时间.     

改进的蚁群算法在溶质运移参数识别问题中的应用

非饱和土壤水分和溶质运移参数(扩散率、导水率和水动力弥散系数)取值范围较大,往往跨越几个数量级。采用传统离散化蚁群算法求解此类问题,所需节点较多,这会造成算法收敛时间较长。该文在传统蚁群算法基础上,对蚂蚁搜索路径进行改进,改进后的蚁群算法寻优路径由参数精度位数(整数位和小数位)、参数个数以及0–9十个数字构成,并将路径解码公式修改为具有判别参数正负功能的解码公式。采用改进的连续蚁群算法对非饱和溶质运移参数识别优化模型进行求解。数值模拟表明相同迭代次数下改进的蚁群算法比传统蚁群算法耗时少,算法计算时间与迭代次数满足线性关系,含水率和溶质浓度实测值与计算值吻合较好、相关性较高。     

Data-driven hair segmentation with isomorphic manifold inference

Hair segmentation is challenging due to the diverse appearance, irregular region boundary and the influence of complex background. To deal with this problem, we propose a novel data-driven method, named Isomorphic Manifold Inference (IMI). The IMI method assumes the coarse probability map and the binary segmentation map as a couple of isomorphic manifolds and tries to learn hair specific priors from manually labeled training images. For an input image, firstly, the method calculates a coarse probability map. Then it exploits regression techniques to obtain the relationship between the coarse probability map of the test image and those of training images. Finally, this relationship, i.e., a coefficient set, is transferred to the binary segmentation maps and a soft segmentation of the test image will be achieved by a linear combination of those binary maps. Further, we employ this soft segmentation as a shape cue and integrate it with color and texture cues into a unified segmentation framework. A better segmentation is achieved by the Graph Cuts optimization. Extensive experiments are conducted to validate effectiveness of the IMI method, compare contributions of different cues and investigate the generalization of IMI method. The results strongly encourage our method.     

通用循环水冷却器延时关闭控制联动电路设计

目前许多大型仪器的循环冷却水系统，都没有提供相应的自动化延时关闭装置，给工作带来不便。经过分析，将主机供电系统与循环冷却水供电系统进行关联，设计了联动电路，实现了正常关机，循环冷却水系统自动延时20min后关闭。既节约了工作时间，又提高了工作效率。