基于Win32 EPICS输入输出控制器的设计

本文介绍了基于Win32实验物理和工业控制系统(Experimental Physics and Industrial Control System,EPICS)输入输出控制器(Input/Output Controller,IOC)的设计和实现,提出了EPICS IOC和微软技术的衔接方案,结合高性能数字示波器,将基于Win32的IOC很好地融入整个EPICS控制系统.     

掺烧氨燃料对煤挥发分火焰特性及颗粒物生成的影响

掺烧“零碳、富氢、高氮”的氨气(NH₃)燃料是实现燃煤电站CO₂减排的重要技术路径。为探究氨燃料的引入对煤燃烧及污染物生成行为的影响,基于McKenna平面火焰燃烧系统开展了煤掺氨燃烧实验,结合可见光相机、烟气分析仪及热泳探针取样分析系统,探究了掺烧氨燃料对煤挥发分火焰形态与温度特征、气态污染物及碳烟等细颗粒物生成的影响。研究结果表明：氨燃料先于煤着火,并加热促进煤热解及挥发分的生成与释放,促使挥发分着火燃烧,导致挥发分火焰长度和温度增加。掺烧的NH₃在挥发分火焰中部分转化为NO,导致火焰中NO浓度显著升高。掺烧NH₃提升了气相燃料当量比,促进了挥发分向碳烟的转化,促使碳烟颗粒生成量增加。     

一类支票无约束手写体数字分割与识别系统

本文探讨了无约束手写体数字的分割与识别方法，并结合一类支票的动态密码关系建立了一个比较实用的识别系统原型。文中的分割方法结合了连通域方法和投影方法，解决了连笔字符的分割问题。识别系统应用了不同机制的３种独立的识别方法，基于不同的特征，３种识别方法的结果具有较好的互补特性。基于较高单字识别率的３种识别方法，利用容错技术，本文建立的支票识别系统达到了接近实用的水平。     

Seam Carving和显著性分析的图像缩放方法研究

提出一种基于Seam Carving和显著性分析相结合的图像缩放方法。通过不断移除（插入）缝合线来实现对图像尺寸的缩小（放大）。通过研究Seam Carving在图像缩放及目标保留移除中存在的问题,已有的基于像素点计算图像能量函数的方法会对某些图像失效,提出一种基于显著性区域求解图像能量函数的SDRS方法。实验结果表明,Seam Carving方法对自然图像的处理能够达到令人满意的效果。Seam Carving方法和SDRS方法的结合,也是一个创新点。     

基于划分DBSCAN算法的小区载频配置优化

为了充分利用无线网络资源,提升无线网络质量,充分利用了DBSCAN（Density Based Spatial Clustering of Applications with Noise）算法的优点,提出基于划分DBSCAN算法的话务量异常小区的检测方法,并通过对现网大量话务数据的统计分析,找出小区载频配置数和最佳话务量之间的关系。对话务量异常、拥塞率高的小区进行载频配置优化,并对城市小区网络优化有一定的指导意义。     

改进人工蜂群优化的极限学习机

针对极限学习机(ELM)在训练过程中需要大量隐含层节点的问题,提出了差分进化与克隆算法改进人工蜂群优化的极限学习机(DECABC-ELM),在人工蜂群算法的基础上,引入了差分进化算法的差分变异算子和免疫克隆算法的克隆扩增算子,改进了人工蜂群收敛速度慢等缺点,使用改进的人工蜂群算法计算ELM的隐含层节点参数.将算法应用于回归和分类数据集,并与其他算法进行比较,获得了良好的效果.     

采用模糊C均值聚类改进模糊综合评判模型

在对模糊综合评判法进行分析的基础上,提出使用FCM算法改进模糊综合评判法的新评价模型,并以在教师教学质量评价中的应用为例对新模型的效果进行了验证,说明了模型的可行性与方法的正确性。     

龙腾Stream流处理器验证

芯片设计复杂度的提高迫切地需要先进的方法学以应对巨大的验证工作量。通过开发基于System Verilog的覆盖率驱动的自动化验证平台,对龙腾Stream流处理器的指令集进行了功能验证。实验结果表明,该验证平台提高了验证效率和功能覆盖率,具有良好的重用性和可移植性。搭建FPGA原型验证系统对流处理器的功能和系统性能进行了评测,并提出了优化流处理器加速性能的方法。     

改进的指数双向联想记忆模型及性能估计

提出了一个新的改进型指数双向联想记忆模型(improved eBAM,简称IeBAM).通过定义有界且随状态改变而下降的能量函数,证明了IeBAM在状态的同、异步更新方式下的稳定性,一方面排除了Wang的修正指数BAM(modified eBAM,简称MeBAM)和Jeng的eBAM(exponential BAM)的稳定性证明中所作的不合理假设;另一方面,放宽了对BAM(bidirectional associative memory)的连续性假设的要求,并避免了补码问题.理论分析和计算机模拟结果表明,     

基于RSSI加权质心和GASA优化的WSN定位算法

针对无线传感器网络节点在自身定位中广泛存在较大的定位误差的问题,提出一种基于RSSI加权质心和GASA优化的无线传感器网络定位算法。该算法假设无线传感器网络中存在一定比例的位置已知的锚节点,利用RSSI加权质心算法计算未知节点与锚节点间的距离,建立以未知节点位置为参数的数学模型,用GASA优化算法计算最优解从而获得未知节点的位置,实现未知节点自身的定位。仿真实验的结果表明,当锚节点个数为30,算法的平均定位误差在10%以内,比RSSI加权质心算法降低了10%~15.5%左右,并且随着节点个数的增加平均定位误差降低。