基于机器学习的开放创新社区创意识别方法研究

目的 探索基于机器学习的开放创新创意识别方法,解决创意识别过程中存在的耗时长、效率低、成本高等问题。方法 从用户特征、用户参与度和创意内容特征三个方面构建评估模型,以OpenIDEO社区为研究对象,采集数据并进行数据清洗和数据转化映射,最后进行多种机器学习算法的参数优化,并以F1值为选择标准,选择分类效果最佳的算法作为分类模型。结果 运用KNN、SVM、决策树、随机森林四种机器学习算法分析OpenIDEO数据,随机森林算法通过参数优化取得了最大的F1值（0.919 09）,同时对于验证数据,该算法同样可以取得较好的分类效果。结论 应用机器学习方法对开放式创新社区中的创意进行识别,具有较高的可行性和有效性,可以大大降低社区在创意筛选中的投入,提高创新效率,优化社区生态。     

金属对炭黑转化为洋葱状中空结构纳米碳的影响

研究了炭黑分别在 Fe、Co、Ni 三种金属化合物作用下的催化转化行为, 以期使炭黑质点中不连续的无规则小石墨片层重新组装、构筑成洋葱状中空结构纳米碳. 采用透射电子显微镜(TEM)、高分辨透射电子显微镜(HRTEM)、X射线衍射(XRD)和Raman光谱分析表征了炭黑及其催化炭化产物的微观形貌和结构. 结果表明: 尽管三种金属催化剂均可通过溶碳-析出机制形成过渡态碳包覆纳米金属颗粒, 继而构筑成由准球形同心石墨壳层组合的洋葱状中空结构纳米碳, 但三种金属催化剂显示不同的催化效果, 终碳产物的形态和纯度差异较大, 其中以Fe 的催化效果最好.     

基于动态可重构技术的装备测试系统研究

当前国内自动测试系统存在实时性差、测试资源冗余、成本高等问题,针对以上问题,提出了基于FPGA部分动态重构技术的自动测试系统,该系统基于FPGA动态可重构技术并结合嵌入式操作系统实现测试资源的动态管理,并开发了用于测试过程的硬件自动测试任务编程模型,提出了一种用于重构任务加载的ICAP控制器;该系统实现测试过程的并发执行,从而增强自动测试系统测试的实时性,进而提高测试的准确性与覆盖性。在验证试验中,将动态重构测试系统应用于自动测试实例中,试验结果表明硬件重构测试任务加载正常,各测试资源功能执行正确