不锈钢管替代石墨管

根据与一家主要硫酸生产厂一起进行的大量材料试验和技术合作，桑德维克材料技术公司获得了Sandvik Sanicro 28TM不锈钢无缝管合同。这种Sandvik Sanicro 28TM不锈钢是一种多用途的、适宜于高腐蚀性环境的奥氏体不锈钢。最大优点是在强酸中非常耐腐蚀，特别是耐孔蚀和缝隙腐蚀。生产的这种钢管最大直径可为260mm。产品类型还包括棒材、薄板、中厚板、锻材及铸造产品及其配件。[第一段]     

HDR双相不锈钢管的焊接与质量控制

随着船舶制造业的发展，双相不锈钢管，在船舶管系中扮演越来越重要的角色，双相不锈钢管焊接要求高、难度大。为此进行了大量的焊接工艺试验，及产品焊接质量研究，较全面地掌握了双相不锈钢管的焊接技术。本文总结了双相不锈钢管的焊接经验和缺陷的控制方法。保证了双相不锈钢管在船舶管系中的安全使用。     

企业虚拟专网的应用与搭建

虚拟专用网（VPN）是在公网上将两个不同地方的用户与企业之间建立一条专有网络,从而实现安全的网络互访与资源共享。利用防火墙和闲置设备建立一套灵活的通讯手段,并以低成本、走公网方式替代运营商的VPN专线,为企业提供类似专业设备的VPN解决方案,提高企业内部管理人员的工作效率。     

分层法求强循环规划解

设计了一种求解强循环规划问题的状态分层算法。从目标状态开始,首先进行强规划分层,然后对剩余状态进行弱规划分层,并记录相应信息,最后用该信息作启发因子,在弱规划分层结果中搜索强循环规划分层。分层结束后利用分层时记录的信息可以直接得到强循环规划解。所设计的算法在求解状态动作较多的强循环规划问题时有较高的效率;且当强规划解存在时,求解效率更高,并能保证得到质量更优的强循环规划解——强规划解。实验表明,所设计的算法能够以较少的重复搜索得到强循环规划解,求解效率比反向搜索高。     

结合语义扩展度和词汇链的关键词提取算法

针对影响关键词提取质量的一词多义现象、同义词现象以及文章主题准确全面表达的难点,提出了一种基于语义的关键词提取算法KESELC,利用《同义词词林》语义词典和统计信息计算语义相似度和相关度,进而得出语义扩展度及其计算方法,将语义扩展度和词汇链方法相结合,对文本分别作预处理、多义词词义消歧、同义词合并、词汇链构建、有效特征选取及对权重综合计算的处理,提取出的关键词不仅避免了同义词冗余表达,而且较准确全面地覆盖文本的主题。通过实验对比分析,验证了基于KESELC的方法比基于TFIDF的方法以及基于词汇链的方法具有较优的提取效果,具有一定的实际应用价值。     

基于粒隶属约简的地震数据库简化方法研究

地震数据的共享大大推动了地震科学的研究进展,对海量地震数据进行知识发现,以促进地震监测技术发展。概念格是知识发现的有力工具,知识约简是知识发现的一个重要方面。通过定义的隶属关系对形式背景进行分类,利用粒隶属约简对隶属类做有选择的简化;并提出简化概念格扩充定理,最终将简化概念扩充为原形式背景概念格。对UCI机器学习知识库真实数据集进行了实验,结果表明该方法可行有效,可最大限度地简化对象属性。该方法正应用于地震核查数据库。     

基于猴群算法和单纯法的混合优化算法

针对猴群算法求解全局优化问题精度不高和花费大量的计算时间等问题,结合传统的单纯法的搜索思想,设计出一种基于猴群算法和单纯法的混合算法。该混合算法较大程度上提高了猴群算法求解精度,且加快了猴群算法的收敛速度。通过18个标准测试函数进行了测试,结果表明, 与PSO、GA与MA比较,文中提出的猴群-单纯形混合算法在函数优化方面有较强的优势,其测试函数最优解更接近理论最优解。     

一种抗图像模糊的快速景象匹配算法

针对各种原因引起的实测图退化情形,将模糊不变矩引入景象匹配中。为了解决匹配过程中计算量大的问题,从简化匹配特征的计算及优化搜索策略两方面采取措施。在模糊不变矩计算方面,通过预先建立21个和表矩阵,提出了一种适用于匹配过程的矩特征高效求解算法;在搜索策略方面,考虑到模糊不变矩特征对图像分辨率的敏感性,提出在原分辨率基准图上采用遗传算法进行搜索匹配。实验结果表明,在实测图出现模糊及受噪声干扰情况下,所提匹配算法在保证匹配精度的同时,其匹配耗时比传统方法少好几个数量级,能够满足导航系统对实时性的要求。     

一种新式Vigenere密码的破译和研究

随着信息技术的飞速发展,如何保护信息的安全,使之不被窃取及不至于被篡改或破坏,已成为当今普遍关注的热点问题。为了解决这个热门问题,主要研究了一种新式Vigenere密码的解译算法,其通过确定Vigenere密钥的长度和密钥字以及明文,最终得出该种新式Vigenere密码的破译算法。     

基于文本聚类和概念相似度的语义Web服务发现

语义Web服务在进行服务发现时,需要按顺序依次匹配注册库中的服务,这将大量时间浪费在不相干的服务上,从而造成服务发现效率低下。针对该问题,提出了一种新的基于文本聚类和概念相似度的语义Web服务发现方法。该方法主要分为两个阶段,第一阶段根据服务源文件中的描述性文本信息将类别一致的服务聚类到一起,在此过程中利用了向量空间模型对文本进行表示和处理,并在前人的基础上提出了一种多重混合聚类算法MHC;第二阶段进行服务间的功能属性匹配,结合本体概念层次树中有向边的深度、强度以及概念的继承度等因素计算概念间的语义相似度。最后,实验结果表明,提出的方法在兼顾匹配准确率的基础上,大大提高了匹配效率。