基于声发射信号的三维针刺C/SiC复合材料拉伸损伤演化研究

本研究对三维针刺C/SiC(3-dimension needled C/SiC, 3D-N C/SiC)复合材料进行室温单调拉伸和拉伸加载-卸载试验, 利用声发射技术对试样损伤演化进行动态监测。采用K-均值聚类分析方法对小波降噪后的声发射信号进行了损伤模式识别, 结合试样断口扫描电镜观测, 发现3D-N C/SiC复合材料在拉伸载荷作用下主要存在五类损伤模式: 基体开裂、界面脱粘、界面滑移、纤维断裂和纤维束断裂。通过快速傅里叶变换(FFT)方法对小波降噪后的信号进行频谱分析得出: 3D-N C/SiC复合材料在拉伸载荷作用下主要存在240、370和455 kHz三种频率的损伤信号, 分别对应于界面损伤、基体损伤和纤维损伤。结合单调拉伸试验过程声发射信号能量柱分布和加卸载过程累积能量曲线特征, 分析了试样损伤演化机理。     

基于区域生长法的医学图像分割研究

针对基于区域的分水岭分割算法中通常存在的严重过分割现象，通过两点措施来改进：其一，以梯度图像的浮点活动图像取代梯度图像进行分水岭变换，使边缘定位更准确；其二，以基于面积和对比度控制的合并小区域准则，有效抑制过分割现象，同时满足感兴趣区的分割要求。实验表明该算法简单有效，能够得到符合人类视觉系统特性的分割结果，边缘定位精确度较高。     

异质社交网络中多通道特征融合的好友推荐模型

合理有效的好友推荐算法对于社交网络的发展和扩张有重大的意义。然而随着社交网络的复杂化和异质化,传统推荐系统中协同过滤推荐方法不能满足需求。针对异质社交网络中存在着大量的内容相关信息这一特点,根据好友推荐的需求,提出了多通道特征融合的好友推荐模型。该模型对用户相关的多维特征进行挖掘与利用,包括显性特征(如用户profile,用户tag,社交关系等)和隐性特征(如用户重要度,挖掘用户标注发现其领域兴趣等),并进一步将这些内容相关的多特征融合到协同排序算法中进行学习训练。实验结果表明,随着多个内容特征的逐步融合,算法的MAP值稳步提高,最终相对未融合的协同排序方法提高了12%,并在一定程度上的解决了冷启动问题,提高了好友推荐的多样性。     

不同品种百合内外鳞片游离氨基酸组成的主成分分析及聚类分析

为研究不同品种百合鳞茎中游离氨基酸(free amino acids,FAAs)综合品质的差异,以7种百合内外鳞片为研究对象,采用液相色谱-串联质谱法测定游离氨基酸种类和含量,采用味道强度值、主成分分析法及聚类分析法综合评价。结果表明:百合中氨基酸含量丰富,均含有21种FAAs,总量在4.10～10.10 mg/g之间。不同品种之间总游离氨基酸(total free amino acids,TFAAs)、必需氨基酸(essential amino acids,EAAs)、呈味氨基酸、药用氨基酸含量均存在差异。整体上,内片TFAAs含量高于外片,平均值分别为7.00 mg/g和6.18 mg/g;所有品种中,兰州(平陆)、兰州(兰州)、川百合中TFAAs含量较高,岷江百合最低;卷丹、川百合中EAAs含量高,内外片含量均占TFAAs的10%以上;呈味氨基酸中,以苦味和鲜味氨基酸占优势,谷氨酸和精氨酸为主要贡献者;药用氨基酸含量丰富,所有品种占TFAAs的49.18%～70.15%。通过主成分分析提取5个主成分,累计方差贡献率为88.803%,能较好体现FAAs综合信息。根据综合排名得出前3...     

基于工作站机群的有限元结构分析并行计算

并行计算正成为科学和工程计算中的一个新趋势。将采用区域分裂技术的并行有限元方法应用于工作站机群的分布式并行环境。提出了基于单元区域分裂的共轭梯度并行算法。在工作站机群上对坝体结构进行求解,对其并行性能进行分析。     

改进的蠕虫特征自动提取模型及算法设计

文章提出了一种基于序列比对的蠕虫特征自动提取模型,该模型针对现有蠕虫特征自动提取系统的可疑蠕虫样本流量单来源和粗预处理等问题,提出了对网络边界可疑流量和蜜罐捕获网络流量统一的聚类预处理,并使用改进的T-Coffee多序列比对算法进行蠕虫特征提取。实验分别对Apache-Knacker和TSIG这两种蠕虫病毒进行特征提取,从实验结果可以看出文章提出的模型产生的特征质量优于比较流行的Polygraph、Hamsa两种技术。     

基于散列和归并技术的有效并行排序方法

本文提出一个在共享存储多处理机系统上实现的快速、有效的并行排序算法：将长度为ｎ的待排序数据划分成ｐ个长度为ｎ／ｐ的子序列，引入散列技术并行地对这ｐ个子序列的数据进行二次散列排序，这一阶段所需的平均时间为Ｏ（ｎ／ｐ）；最后并行地将ｐ个有序子序列归并成一个长度为ｎ的有序序列，归并阶段所需的时间为Ｏ（ｎ－ｎ／
／ｐ）。整个排序算法的并行执行代价为Ｏ（ｎｐ）。本排序方法可以拓以网络并行机群环境。     

近红外光谱法快速鉴别涪陵榨菜品牌的研究

提出了一种基于近红外漫反射光谱技术快速鉴别涪陵榨菜品牌的方法。应用近红外漫反射光谱技术对市场上6种典型品牌涪陵榨菜提取光谱,并对获得的原始光谱数据进行平滑、一阶导数以及矢量归一化等预处理后,采用因子法计算样品间的光谱距离,通过ward’salgorithm方法进行聚类分析。并与判别分析的实验结果进行了对比,结果显示聚类分析和判别分析对6种涪陵榨菜品牌均能很好地鉴别。     

分布式机器学习作业性能干扰分析与预测

通过分析分布式机器学习中作业性能干扰的问题,发现性能干扰是由于内存过载、带宽竞争等GPU资源分配不均导致的,为此设计并实现了快速预测作业间性能干扰的机制,该预测机制能够根据给定的GPU参数和作业类型自适应地预测作业干扰程度。首先,通过实验获取分布式机器学习作业运行时的GPU参数和干扰率,并分析出各类参数对性能干扰的影响;其次,依托多种预测技术建立GPU参数-干扰率模型进行作业干扰率误差分析;最后,建立自适应的作业干扰率预测算法,面向给定的设备环境和作业集合自动选择误差最小的预测模型,快速、准确地预测作业干扰率。选取5种常用的神经网络作业,在两种GPU设备上设计实验并进行结果分析。结果显示,所提出的自适应干扰预测（AIP）机制能够在不提供任何预先假设信息的前提下快速完成预测模型的选择和性能干扰预测,耗时在300 s以内,预测干扰率误差在2%~13%,可应用于作业调度和负载均衡等场景。     

Thermal behaviour and particle size evaluation of primary clusters in a water-based magnetic fluid

This paper reports the experimental research on thermal behaviour and particle size evaluation of primary clusters of ferromagnetic nano-particles in a water-based magnetic fluid. The magnetic fluids are suspensions of ultra fine particles coated with a molecular layer of dispersant in a liquid carrier such as water or kerosene. The particles are coated with single- or double-layer of surfactant to achieve stable dispersion. Numerous experimental studies have indicated the existence of the primary cluster of ferromagnetic nano-particles in a water-based magnetic fluid. The purpose of this research is to evaluate the particle size of the primary clusters by applying the Einstein's equation for Brownian motion assuming that the primary cluster has a spherical-shape. The thermal behaviour of ferromagnetic nano-particles in magnetic fluids is investigated through the micro visualization using the optical darkfield microscope system and particle tracking velocimetry data processing system. Real-time visualization of the Brownian motion of primary clusters in a water-based magnetic fluid was carried out. The experimental results clarified that the primary cluster size depends upon the concentration of the ferromagnetic nano-particle in the magnetic fluid.