微胞囊技术及产品F-500多功能灭火剂

介绍了微胞囊技术及产品F-500的灭火原理和优势。     

J2EE项目中数据访问策略的选择

本文介绍了目前J2EE项目数据访问策略的选择，其中重点描述了O／R映射这种数据访问策略的特点及其适用的最佳条件，它可以帮助我们在项目的开发阶段通过清晰的映射方案构造出高效率的DAO层，为项目的成功打下良好的基础，特别是对于项目的式样变更以及后期维护．这种数据访问策略提供了最大程度上的灵活性。     

天锅甑收酒中的映射现象研究

天锅甑在由酒中有两个特征现象：一是解除了甑盖内高浓度酒 对出馏酒汽中水溶性组分的约束；二是出现了映射凝结现象。这两特征的综合使一段酒中总酸等水熔中。同时，映射现象的存在增加了对甑桶热力状态分而及操作质量的敏感程度。大生产实践表明，天锅型甑盖配以常规大甑在酒的理化指标基本不变的前提下提高了基酒中总酸含量１６．６％，口感醇和而无新酒味等特点。     

虚拟数据中心的数据映射与数据路由策略研究

数据中心基础数据积累通常使用三种手段:1)ETL技术;2)数据联邦技术;3)中间件技术.但三种技术侧重各有不同,不能同时满足数据集成的持久性与可用性.结合技术优势提出数据虚拟整合,为解决数据虚拟异构数据模型间的数据转换问题,通过对数据虚拟的分析,提出了一种基于元数据驱动的数据虚拟系统体系结构.构建了用于描述和存储映射策略的支撑元模型,并建立了相应数据路由策略.提出了对等主键思想,降低了处理阻抗.     

Petri网模型代码映射研究

为了简化仿真系统的实现过程,分析总结了Petri网到程序代码的映射准则,从Petri网的基本元素和关系入手,根据逻辑关系建立映射的三类原子语句,并通过两种合成方式形成分子语句。以原型Petri网为例,遍历可达标识图的各种分支路径,提出循环路径到循环结构语句的代码映射方法。最后给出了带抑制弧的扩展Petri网和受控Petri网的代码映射方案,为Petri网向程序代码的转换提供了理论依据。     

利用调和映射的复杂网格曲面螺旋刀轨生成算法

针对截平面法规划的复杂网格曲面刀轨的加工效率不高问题,提出一种复杂网格曲面螺旋刀轨生成算法.首先采用调和映射的方法对网格曲面进行参数化,然后根据残留高度确定参数网格中的参数环,在相邻参数环的参数点之间进行“分组匹配”,并依次计算初始和精确的对角参数螺旋线;在此基础上采用“区域划分”的方法快速生成了无干涉的网格曲面螺旋刀轨.对于复杂网格曲面的实验结果表明,文中的螺旋刀轨能够有效地提高截平面法刀轨的加工效率,且能够保证较好的加工质量.     

基于区域重组的异构FPGA工艺映射算法

传统异构FPGA工艺映射算法一般不打破实现专用功能和查找表功能的子网表之间的层次边界,因而缩小了映射的优化空间.为此提出一种利用区域重组打破单元间层次边界的异构FPGA工艺映射算法.首先利用贪心策略实现FPGA多单元的映射,即优先使用性能好的专用功能单元;然后利用标记锥实现子网表之间的区域重组,打破专用功能单元和查找表之间的层次边界,减小了映射结果的面积和延迟开销.实验结果表明,与公认的ABC中的工艺映射算法相比,该算法能平均减少逻辑单元面积12.2%,减少电路关键路径延时2.5%.     

基于信道估计的SC-FDMA自适应传输方案

由于SC-FDMA的峰均功率比（PAPR）比OFDMA低,因而被应用于3GPP LTE上行链路。论文分析了SC-FDMA传输系统的数学模型,介绍了基于导频的SC-FDMA系统最小二乘（LS）和线性最小均方误差（LMMSE）信道估计算法。在比较该系统集中式和分布式两种子载波映射方式在高低速不同移动环境下传输性能的基础上,提出了一种基于信道估计的SC-FDMA系统自适应传输方案。经仿真证实该方案比单纯采用一种子载波映射的方法性能更加优越,在相同的误码率情况下,能够节省大概3dB左右的信噪比。     

面向S3C2440的U-Boot分析与改进

针对目前U - Boot引导程序无法从大页Nandflash启动,以及不能同时支持从Nandflash和Norflash启动的问题,在不改变代码通用性的前提下对U- Boot进行了改进.首先分析U - Boot阶段l的启动原理和U- Boot通用性的实现方法;然后依据S3C2440处理器提供的Nandflash存储启动机制以及大页Nandflash数据操作原理,修改阶段l实现代码,添加从大页Nandflash启动;最后利用大页Nandflash和Norflash存储器读写数据的差异性以及两种存储启动方式实现的不同机理,添加S3C2440处理器自动判断从何种存储器启动的代码,实现U-Boot兼容Nandflash和Norflash启动的改进.通过在基于S3C2440处理器的目标板上运行,结果证明对U - Boot所做的改进具有有效性,扩展了U-Boot的适用范围,增强了代码兼容性.     

基于神经网络的聚类方法研究

针对常用聚类方法不能有效处理噪声数据的问题,本文结合神经网络具有自适应性的特点,提出基于神经网络的聚类(NN_Cluster)模型,并设计了基于自适应共振理论的神经网络聚类模型(ARTNN_Cluster)和基于自组织特征映射的神经网络聚类模型(SOMNN_Cluster)。标准数据集上的实验结果表明,与传统的K_means聚类方法相比,本文提出的基于神经网络的聚类模型有效地克服了传统方法的噪声问题,得到了较好的聚类效果。