基于频分多路复用技术的OFDM技术分析

简述了频分多路复用技术的相关内容.在频分多路复用技术的基础上,引入了OFDM技术系统信号模型,并描述了正交频分复用(OFDM)的输出信号表达式.同时,对正交频分复用系统机理进行分析.采用频域采样序列理论和快速傅里叶变换技术的方法,对OFDM系统的调制和解调分别进行了较详细地分析.得到了每个子载波的信号表示式和OFDM系统的信号表达式的解析结果.     

传统吉祥图案在古典建筑装饰中的应用

古典建筑中的吉祥图案是建筑的重要组成部分,凝结了中国传统文化的精髓．本文简单介绍了传统吉洋图案的产生背景及寓意,并从屋顶、门窗、铺地设计等方面对吉祥图案在古典建筑装饰中的应用进行了分析．     

FRP加固圆木柱轴压性能的试验研究

通过14根短圆木柱试件的试验研究,了解CFRP、BFRP、AFRP 3种纤维布加固试件的受力性能,考察全包、半包、间隔包裹等加固方式及纤维布加固层数对圆木柱性能的影响。研究结果表明,粘贴FRP布的加固圆木柱受力性能得到明显改善,承载力、刚度和延性均得到提高。FRP增强木柱为拓展木材的应用范围提供了有益参考,为提高木材的使用效率提供了机遇。     

基于音频特征的半脆弱水印方案

提出了一个基于语音特征和均值量化的DWT域半脆弱音频数字水印方案.该方案对语音特征进行提取得到梅勒频率倒谱系数(MFCC),对其进行turbo纠错编码,通过均值量化把该编码作为水印嵌入到载体语音中.实验分析结果表明,该方案既对音频的一般操作有较强的鲁棒性,又对篡改音频操作有很强的敏感性,同时水印提取不需要额外的水印信号,准确度高.     

基于选择性集成的最大化软间隔算法

当前,boosting集成学习算法研究主要集中于最大化弱学习器凸组合的间隔或软间隔,该凸组合几乎使用了生成的所有弱学习器,然而这些弱学习器间存在大量的相关性和冗余,增加了训练和分类过程的时空复杂度.针对这一问题,在LPBoost基础上提出了一种选择性boosting集成学习算法,称为SelectedBoost.在每次迭代生成新的弱学习器以后,通过计算新生成的弱学习器与已有弱学习器的相关度和差异度,并结合当前集成的强学习器的准确率来判断是否选择该弱学习器.另外,当前的一系列boosting算法(如AdaBoost,LPBoost,ERLPBoost等),本质上是基于已生成的1个或者多个弱学习器来更新样本权重,但与弱学习器相比,强学习器更能代表当前的决策面.因此,SelectedBoost通过在带约束的间隔最大化问题中引入更加严格的强学习器边界约束条件,使得该算法不仅参考弱学习器边界,同时还参考已生成的强学习器来更新样本权重,进而提高算法的收敛速度.最后,与其他有代表性的集成学习算法进行实验比较,结果表明,该方法在收敛率、分类准确性以及泛化能力等方面均具有比较明显的优势.     

一种新的覆盖粗糙模糊集模型

在覆盖粗糙集与模糊集结合的研究中,已有的覆盖粗糙模糊集模型存在两类问题:一类是元素的上、下近似隶属度之间的差值通常过大;另一类是元素的上、下近似隶属度与其在给定模糊集中的隶属度无关.对此,通过定义模糊覆盖粗糙隶属度,将元素的最小描述与给定模糊集建立联系,同时综合元素在给定模糊集中的隶属度,进而建立一个新的覆盖粗糙模糊集模型.理论比较和实验结果均表明该模型可以有效解决上述两类问题.     

利用Apache Jmeter进行Web性能测试的研究

性能测试是保证Web服务器性能的重要手段,也是开发过程中的一个重要环节。在性能测试软件中,Apache JMeter因其开源、100%纯Java界面以及简单方便的操作等特点在Web应用的相关性能测试方面表现得十分出色,通过介绍使用JMeter对Web服务器进行性能测试, 并结合具体案例根据JMeter提供的图形化界面分析Web服务器在不同的负载及压力环境下的性能。     

机构分设下我国统一的银行业监管信息系统建设

2003年4月28日银监会挂牌成立，机构分设在我国跨出了从理论到实践的关键一步，央行和银监会协调这一突出问题也摆在我们面前。建立统一的银行业监管信息系统是实现有效监管协调的技术支撑。为此，在系统建设前，要进行监管信息系统总体规划及人才培养；系统建设中要建成银行业监管信息收集系统、银行业监管综合数据库系统、银行业风险测评模型和早期预警系统，系统建成后要实现央行与银监会信息的沟通与共享。     

钯钇合金膜分离器的氕氘分离系数测定

文章设计钯钇合金膜氢同位素分离器，并系统研究分离系数与温度、分流比、气体流速等因素间的关系。研究结果表明：分离系数随温度的增加而下降，在573～723K范围内，对于66.2%H2-33.8%D₂气体，当进料流速为5L/min、分流比为0.1时，分离系数由2.09下降至1.85；而当分流比为0.2时，分离系数由1.74下降至1.52。随着分流比的增大，分离系数逐渐降低。在573K下，进料流量为5L/min时，对于15.0%H2-85.0%D₂，当分流比由0.050增大至0.534时，分离系数由2.43降低至1.35；对于66.2%H2-33.8%D₂，当分流比由0.050上升至0.688时，分离系数由2.87下降至1.30。对于一定的分离过程，原料气体流速存在最佳值，达到该值时，分离系数最大。