感性工学在护理床护栏设计中的应用研究

目的进行感性工学在护理床设计中的应用研究。方法运用语意差分法将用户对护理床的感性意象从形、色和质3个方面分解量化,建立由10对意象形容词及10个样本图片组成的语意空间。使用里特量七级语意差分问卷进行调查,运用主成分分析法进行降维。以护理床护栏为例,使用数量化理论I建立感性意象和设计元素之间的映射关系,指导新产品开发。结论依据感性工学理论设计的新护栏较好地匹配了用户需求,感性工学的应用可以为护理床的设计提供一种新的思路,有助于企业和设计师确定产品开发方向,具有一定的实用和推广价值。     

基于安全域和可信基的网络容侵系统模型

为保护大的服务器群组。继防火墙和入侵检测技术之后．容侵技术成为网络安全发展的一个新方向。本文在对计算机系统资源进行划分的基础上提出了基于安全域和可信基的网络容侵系统模型。     

美国陆军航天发展及启示

从20世纪40年代起,美国陆军航天经历了曲折的历程,取得了很大的发展。为推动新世纪美国陆军转型,陆军航天被赋予新的任务。阐述了美国陆军航天发展的历程,分析了美国陆军航天在转型时期的任务、面临的挑战和采取的措施,并提出几点启示。     

以四烯丙基(二甲基)硅烷为核的超支化聚硅碳烷的合成与表征

以四烯丙基(二甲基)硅烷(B4)为核、甲基氢二烯丙基硅烷(AB2)为单体,通过硅氢加成反应,采用无核一步法、核一步法、核多步法合成了超支化聚有机硅碳烷。用FT-IR1、H-NMR、MALLS-GPC对该聚合物的结构进行了表征。研究了核多步法对超支化聚合物分子量及其分布的控制,结果表明,用核多步法合成超支化聚有机硅碳烷可有效地控制产物的分子量及其分布。     

改进的粒子群算法在轧制负荷分配中的优化

针对带钢热连轧精轧机组中负荷分配的优化问题,提出一种基于经验的自适应双层粒子群优化算法(ADLPSO-EM)。每次种群迭代后,对记忆群体通过改进的更新公式进行更新。利用改进的自适应调整惯性权重的策略充分增强种群的多样性,提高全局搜索能力。最后,在将其应用于热连轧负荷分配问题时,通过以经验法得到的值产生一个搜索邻域,并通过变邻域求出最后的负荷分配。仿真结果表明,改进的算法对负荷分配优化具有明显的效果。     

爱心助学银行发展前景研究--基于粤西地区调查数据

本文阐述了爱心助学银行这一非盈利性组织的概念、特点及现实意义,并把爱心助学银行与国家助学贷款进行针对性的比较,分析其发展的优点,进而对爱心助学银行面临的机遇与挑战进行研究,再从爱心助学银行的资源保证、市场需求、财务风险和法律风险四个方面来分析它的可行性,最后认为爱心助学银行是一个发展前景良好的公益教育项目。     

有机晶体对聚氨酯PTC效应的影响

采用炭黑为导电粒子，双组分聚氨酯为基体，并添加有机晶体，制备具有强PTC强度的非晶聚合物PTC涂料。研究表明在聚氨酯／炭黑中加入有机酸晶体，在晶体熔点附近可产生明显的PTC效应，而在涂料中加入2种有机盐晶体，无明显的PTC效应。加入有机酸晶体时，涂料电阻率随晶体含量增加略有降低，并且PTC强度随晶体含量增加而增加，最大PTC强度可达到2个数量级。     

灰度不均的弱边缘血管影像的水平集分割方法

针对血管影像中灰度不均和弱边缘情况下已有水平集模型不能正确分割血管问题,提出一种耦合了血管影像的几何信息、边缘信息和区域信息的水平集分割方法.首先,采用Hessian矩阵的各向异性性对血管状目标进行识别,对原始影像数据进行多尺度滤波;然后采用拉普拉斯算子零交叉点的快速边缘积分方法将边缘信息嵌入能量泛函中,构建一种基于结构、边缘和区域信息的水平集分割方法.相比于单一依靠影像边缘信息或区域信息模型及其改进模型,该方法在分割严重灰度不均匀的血管造影影像上能够准确提取血管,并精确定位血管边缘.     

医学图像配准中基于图像梯度的灰度压缩

基于互信息的医学图像配准,其配准精度可以达到亚像素水平,精度高且鲁棒性好,但互信息的巨大计算量使配准速度较慢,不能达到临床使用要求,而互信息的计算速度与图像的灰度阶数有关。为此,针对互信息由于图像灰度级数过多造成互信息计算量大的问题,提出一种基于图像梯度的灰度压缩算法。算法采用图像的梯度信息,根据图像梯度对图像进行非线性灰度映射,同时利用小波对差异图像进行分解和重构。实验结果证明,该算法能减少图像灰度阶数,同时较好地保留图像的细节信息,在保持配准精度的前提下减少配准时间。     

初始聚类中心优化的k-means算法

传统的k-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动。为消除这种敏感性,提出一种优化初始聚类中心的方法,此方法计算每个数据对象所在区域的密度,选择相互距离最远的k个处于高密度区域的点作为初始聚类中心。实验表明改进后的k-means算法能产生质量较高的聚类结果,并且消除了对初始输入的敏感性。