煤矿局部通风的设计与应用技术

分析了现有煤矿局部通风工程中普遍存在的问题，采用符合矿井实际的设计和施工技术，就能在使用过程中获得显著效果，可大大减少漏风，提高有效风量，满足安全生产的需要，从而解决长距离独头掘进通风的难题。     

煤巷锚杆支护技术的探讨

从巷道围岩强度,原岩自重应力,地质构适应力,煤柱留设宽度和巷道断面形状等方面对影响煤巷稳定性的因素进行了分析,提出了煤巷锚杆支护注意的6个问题。     

制备单根大重量喷涂钼丝的生产研究

全面系统地介绍了“大坯料轧制开坯-大加工率变形-长线拉伸”制造喷涂钼丝的工艺。重点阐述了Y370、Y250型三辊连轧机实现一火轧制开坯和长线拉伸增加在线碱洗工序对提高喷涂钼丝内部组织结构和外部表面质量的影响。分析了工艺中出现的问题，提出了相应的解决办法。     

泥浆制备中工艺改造的研究

根据室条件下粉磨试验结果，发现球磨过程中筛上料变化存在的突变范围，提出两次加料一次加水可改变泥浆颗粒分布，并找出适宜的加料种类与时间。另外给予测粒度分布提供了宝贵的试验基础数据。     

采用注视控制器实现复杂运动的仿真

注视控制器是3DS MAX软件的众多控件之一，它能使多个物体彼此间产生运动约束。通过使用注视控制器功能，笔者成功制作出八足爬壁式仿生机械昆虫的运动场景动画，并使该仿生机械昆虫各足的行走动作符合机械零件作平面复杂运动时所应遵守的正确运动规律。由此证明，3DS MAX软件注视控制器对正确模拟特殊机械装置的复杂运动可产生极大作用。     

富集纯化三七皂甙Rb_3方法的研究

研究了丙酮直接结晶法,正丁醇萃取法,HPD-100型药用大孔吸附树脂对三七皂甙Rb3的精制作用,并对它们的效果及可行性进行比较,主要从上样量,纯化效果进行优化,确定了用大孔吸附树脂是工业上的最佳条件。     

An exploratory study on ontology engineering for software architecture documentation

The usefulness of Software Architecture (SA) documentation depends on how well its Architectural Knowledge (AK) can be retrieved by the stakeholders in a software project. Recent findings show that the use of ontology-based SA documentation is promising. However, different roles in software development have different needs for AK, and building an ontology to suit these needs is challenging. In this paper we describe an approach to build an ontology for SA documentation. This approach involves the use of typical questions for eliciting and constructing an ontology. We outline eight contextual factors, which influence the successful construction of an ontology, especially in complex software projects with diverse AK users. We tested our ‘typical question’ approach in a case study and report how it can be used for acquiring and modeling AK needs.     

常温微量氯气吸附剂的制备及其性能研究

本实验用一次等量浸渍法制备氯气吸附剂,通过分光光度法测定进出口的微量Cl2并重点分析了影响氯气吸附剂性能的一些评价参数,对于改进测定方法,准确测定微量氯气,提高Cl2吸附剂的净化性能都具有十分重要的意义。     

基于一次反馈的色彩-空间图像检索技术研究

基于颜色-空间二维直方图的图像检索方法简便易行,检索效率较高,但此方法对图像主体的检索不够突出,对检索精度造成了一定的影响.基于一次反馈的色彩-空间图像检索技术,在传统的色彩-空间的图像检索技术中加入了检索者对于检索结果的判断,通过检索者的一次反馈要求,选择是否进行图像的二次筛选,即结合人的智能识别来提高搜索精度,从而...     

基于t-SNE降维预处理的网络流量异常检测

网络流量中大多数流量都是正常的,但经常会出现偏离正常范围的异常流量,主要由DDOS攻击、渗透攻击等恶意的网络行为引起,这些异常行为通常会导致网络质量下降,甚至网络直接瘫痪。因此引入网络安全态势的预测,在仅知道正常网络流量的情况下判断网络中的异常。异常检测是一种网络安全态势的预测方法,用来判断网络中是否有异常。现有的异常检测算法由于无法准确提取网络数据包的低维特征导致算法的性能不佳,因此,需要找到网络数据包的准确的低维特征表示,该低维特征表示能够区分网络数据包是正常的还是有攻击的。为此,本文引入基于t-SNE降维的NLOF异常检测算法。该算法采用t-SNE算法自动预处理网络数据包以获得低维的网络数据包特征,之后将得到的低维的网络数据包特征作为NLOF算法的输入进行异常检测。其中,本文的NLOF算法首先采用k-means算法将网络数据包聚类成为K个簇,并将网络数据包数量小于N个的簇标记为异常簇,之后将未被标记为异常簇的网络数据包作为LOF算法的输入进行异常检测。在ISCX2012数据集上的实验结果表明,基于t-SNE降维的LOF算法达到最优性能时,准确率为98.46%,精确度为98.38%,检测率为98.54%,FAR为0.66%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.18个百分点、0.02个百分点和0.01个百分点。基于t-SNE降维的NLOF算法达到最优性能时,准确率为98.53%,精确度为98.86%,检测率为98.86%,FAR为0.32%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.25个百分点、0.34个百分点和0.41个百分点。这是异常检测中首次采用t-SNE算法自动提取低维的网络数据包特征。此外,LOF算法仅能捕获异常点,而本文的NLOF算法能够同时捕获异常点和异常簇。