国内外不锈钢精炼剂研究发展现状

分析了精炼剂组元元素的作用能力，讨论并总结了精炼剂组元的复合作用，介绍了几种国内、国外精炼剂产品，提出发展高效复合精炼剂的想法。     

现代远程协作学习系统的设计与实现

目前的远程教学中主要依赖的信息共享、个体学习、有限交互的模式,已经不能满足学习者对学习质量越来越高的期望。在此,提出一个协作学习模型。这种协作方式可以使学生在信息交流的过程中,更好地了解他人的观点、方法和建议,促进自己的学习。同时,这种模型也为基于Web的信息交流提供新的协作方式。     

基于Java的证券交易技术指标

相对于传统的图形分析,技术指标分析比较客观。传统的图形分析有很大的争议性,而技术指标是一个确定值,没有多少争论的余地。该文阐述MACD指标(MACD线、信号线)和MACD柱的计算方法及计算机实现。     

人才信息系统数据库设计

在人才信息系统的功能需求基础上,设计了一个信息数据库,能够实现招聘信息发布与查找、应聘信息发布与查找以及人才信息统计等功能。整个设计过程从需求分析、概念设计、逻辑设计等方面进行探讨。     

用Java设计的基于三层结构的答疑系统

介绍了一个用Java进行设计的基于三层结构的答疑系统,用于辅助日常教学工作.系统由客户服务器模式和浏览器服务器模式构成,包括答疑、提问和自测等各个功能模块.对系统的数据库访问及在其间存在的安全性问题做了探讨,对系统的数据通信处理问题以及关于Java的双通道Socket通路的实现办法和机制进行了详细说明,同时对三层结构的答疑系统在服务器端和客户端的消息设计等一些关键技术做了具体介绍,对系统的用户界面如教师答疑界面、学生提问等一些重要界面进行了介绍,并给出了系统开发重要环节的设计过程和系统最后运行结果的一些重要界面.测试结果表明,系统运行稳定、结果准确、能够对日常的教学工作起到一定的帮助作用.     

飞机电气设备自动测试系统设计

从国内外飞机检测技术的现状入手,通过对飞机电气设备自动化检测的需求进行分析,设计了飞机电气设备自动测试系统,介绍其总体结构和工作原理,详细论述了硬件系统的各部分组成与功能,并给出软件系统的设计方案.在实际应用中,实现了飞机电气设备测试的自动识别,具有良好的扩展性,解决了人工测试方式费时费力的问题.     

上海中产家庭食空间·新产品战略·角色原型开发

为了寻找上海中产阶级家庭的厨房和餐厅空间的新产品市场,本课题应用人种志的方法收集用户的真实数据,而后以角色法呈现这个用户群体中5种不同类型的典型原型用户,并对其一做了详细的介绍,从而指导未来的新产品市场战略。     

基于计算机视觉的鞘翅目害虫自动鉴定

鞘翅目害虫的鉴别工作是由数量有限的专业研究人员进行,大部分非专业人员因缺乏相关知识和技术培训,要快速鉴定害虫种属具有相当的难度,不利于害虫防治.为此提出利用计算机视觉技术对鞘翅目害虫进行自动识别.用不同的图像获取系统分别采集体长不同的鞘翅目害虫图像,然后通过数字图像分析技术,提取和计算害虫图像的几何形状特征参数.采用模糊模式识别算法建立害虫的模式库和隶属函数,然后根据模糊集理论的极小极大准则完成待识别害虫的归类.对29种鞘翅目害虫进行识别,识别正确率为86.2%.为鞘翅目害虫的快速鉴定提供了一个新的途径.     

过敏原肌质钙结合蛋白在毕赤酵母中的表达、优化及免疫反应性研究

目的 探究天然肌质钙结合蛋白(sarcoplasmic calcium binding protein, SCP)的可替代物,为蟹类过敏原的检测提供基础材料,本研究首次利用毕赤酵母(Pichia pastoris, P. pastoris)高效表达表达三疣梭子蟹(Portunus trituberculatus)重要过敏原SCP,并检验其免疫反应性。方法 根据毕赤酵母的密码子偏好性优化SCP基因并构建重组质粒。将其热激转化至P. pastoris GS115菌株后经遗传霉素(Geneticin, G418)筛选获得阳性高拷贝子。最后通过甲醇诱导表达重组SCP并结合免疫印记(Western blotting, WB)和间接酶联免疫吸附实验(enzyme-linked immunosorbent assay, ELISA)验证其免疫反应性。结果 SCP在P. pastoris GS115中实现了可溶性高效表达,其表观分子量约为28 kDa。在摇瓶水平下,最佳诱导条件为pH为6.0、每24 h添加1.0%(v/v)甲醇,于28℃发酵144 h,在此条件下,纯度为91.6%的SCP产量可达15 mg/L。WB和间接ELISA结果表明,重组SCP具有IgG结合能力。结论 毕赤酵母表达系统可以得到纯度较高且免疫反应性良好的重组SCP。本研究为SCP的理化研究及产业化应用奠定了基础,并有望促进特异性甲壳类过敏原检测的发展。     

边缘环境下的视频行为识别

边缘智能是一种新兴的智能计算模式,其将人工智能技术和边缘嵌入式设备结合,被广泛应用于物联网系统。智能摄像机是典型的边缘设备之一,它能提供低延迟的视频处理能力,适用于智能家居、智能交通、智能监控等领域。然而,由于摄像机的计算资源有限,传统的行为识别模型难以在本地完成计算任务。为解决这一问题,文中提出了一种基于边缘计算的架构,利用深度学习目标检测算法YOLO v3对视频行为进行识别。在该架构中,智能移动终端负责数据采集和压缩,边缘服务器承担大部分目标检测任务,而检测困难的目标和模型训练则由云服务器负责。为更好地适应边缘设备,本文采用轻量化的神经网络MobileNet替换YOLO v3模型的特征提取模块。经过测试,该架构能有效提取和识别视频中的静态和动态行为,为实现边缘计算环境下低成本、大规模的行为识别提供了有益的参考。