基于虚拟现实的电子沙盘仿真技术研究

对虚拟现实技术、计算机三维图形技术、OpenGL、立体图像生成与显示技术进行了研究,利用计算机三维图形技术和立体显示技术实现沙盘的三维仿真立体沉浸式展示。     

人工甜味剂合成研究进展

作为一种常用的食品添加剂,甜味剂同人类的生活一直息息相关.人工合成甜味剂由于具有高甜度、低热量、非营养性等特点,受到了越来越多地关注,各种新型甜味剂层出不穷.对目前常见的3类人工合成甜味剂,即磺酰胺类甜味剂、二肽类甜味剂及蔗糖衍生物甜味剂进行了介绍,并着重综述了各种甜味剂的合成方法.     

基于BP算法的林分材种出材率模型研究

通过对伐区设计资料,及实际生产码单数据进行学习,确定以平均胸径、平均树高、保留密度、蓄积量为输入神经元,分析了影响BP网络学习效率和预测精度的影响因素,主要从隐含层神经元数量、训练数、隐含层激励函数、学习样本数量几个方面对材种出材率预测BP网络模型进行了优化,确定了林分经验材种出材率预测人工神经网络模型。为林分经验材种出材率表的编制提供一种新的思路与方法。     

基于BP算法的林分材种出材率模型研究

通过对伐区设计资料,及实际生产码单数据进行学习,确定以平均胸径、平均树高、保留密度、蓄积量为输入神经元,分析了影响BP网络学习效率和预测精度的影响因素,主要从隐含层神经元数量、训练数、隐舍层激励函数、学习样本数量几个方面对材种出材率预测BP网络模型进行了优化,确定了林分经验材种出材率预测人工神经网络模型。为林分经验材种出材率表的编制提供一种新的思路与方法     

花生壳提取物主要成分分析及其在卷烟中的应用

为了开发新型烟用香原料,采用超声波法制备花生壳提取物,紫外分光光度法测定其中总黄酮含量,气相色谱质谱联用(GC/MS)分析提取物及其裂解产物中的挥发性和半挥发性成分,并将该提取物应用于卷烟。结果表明:(1)花生壳提取物的最佳提取工艺条件为溶剂70%乙醇,物料比为1:10,温度为60℃,超声提取20 min,该条件下,提取物得率为15%;(2)花生壳提取物中总黄酮含量为8.62 mg/mL,提取物中挥发性和半挥发性致香成分主要是呋喃类、杂环类、酮类化合物;(3)提取物裂解产物中含有呋喃类、酮类等增香成分,没有产生Hoffman名单中成分,表明裂解产物是安全的;(4)花生壳提取物应用于卷烟,具有柔和烟气、改善余味的作用。     

压电超声换能器阻抗特性分析与匹配设计

压电超声换能器在不同的工作频率下具有不同的输入阻抗,当驱动信号源输出阻抗与换能器输入阻抗失配时会产生能量损耗,导致无法满足换能器的功率要求,从而使其光谱衍射效率降低,影响光谱成像质量。为此对换能器阻抗频率特性的深入研究,设计了一种新型宽带阻抗匹配网络。通过ADS仿真及匹配电路的测试,最终在115~180 MHz超声波频率内可使换能器的光谱衍射效率最高达70%。     

语义衍生过程中的隐喻和转喻

语义衍生有两种途径，一种是以原型为核心向下衍生扩展；另一种是以原型为核心向外延射。认知的高级阶段的隐喻和具有突显属性的转喻在语义衍生过程中扮演了重要角色。隐喻和转喻说明了语义变化的内在机制和可能性。     

一种新的SPICE BSIM3v3 HCI可靠性模型的建立及参数优化

研究中提出了用于描述HCI(热载流子注入)效应的MOSFET可靠性模型及其建模方法,在原BSIM3模型源代码中针对7个主要参数,增加了其时间调制因子,优化并拟合其与HCI加压时间(Stress time)的关系式,以宽长比为10μm/0.5μm5 V的MOSFET为研究对象,在开放的SPICE和BSIM3源代码对模型库文件进行修改,实现了该可靠性模型。实验表明,该模型的测量曲线与参数提取后的I-V仿真曲线十分吻合,因而适用于预测标准工艺MOS器件在一定工作电压及时间下性能参数的变化,进而评估标准工艺器件的寿命。     

白胡椒挥发油的超临界CO_2萃取及其GC-MS指纹图谱的建立

为开发新的天然烟用香料,研究了超临界CO2萃取白胡椒挥发油的工艺,采用GC-MS法分析了白胡椒挥发油的成分,同时建立了挥发油GC-MS指纹图谱,并进行了方法学考察。结果表明:1超临界CO2萃取白胡椒挥发油的最佳工艺条件为萃取温度45℃、萃取压力35 MPa、萃取时间2 h,原料粉碎至粒径0.3 mm;2以GC-MS方法分析白胡椒挥发油共鉴定出66种成分,主要是萜烯类、醇类、酸类物质;312个主要成分的出峰次序及其相对含量构成了超临界CO2萃取白胡椒挥发油的特征指纹图谱;4利用所建立的指纹图谱,可以控制超临界CO2萃取白胡椒挥发油的质量及稳定性。     

一种基于内容视频检索中的镜头分割算法

提出了一种统一的可以检测出切变、渐变的视频镜头检测算法。首先,通过颜色局部累积直方图与纹理相结合的方法获得视频的帧间差,对于切变检测,通过已经计算得到的帧间差为基础,采用双重窗口检测算法实现,对于渐变的检测,采取了统一的双阈值检测方法对所有渐变类型进行了检测。通过多次试验,证明了用本文算法进行视频镜头检测能取得比较好的效果。