ZrO2纳微米纤维自增韧Al2O3陶瓷力学测试与断裂分析

通过对原位生长ZrO2纳微米纤维自增韧Al2O3基陶瓷的三点弯曲、单边切口梁与Vickers压痕测试,发现陶瓷硬度、弯曲强度与断裂韧性在ZrO2质量分数为35%时出现极大值.经SEM观察与XRD分析,发现裂纹扩展主要受含ZrO2纳微米纤维的α-Al2O3基棒晶控制,诱发裂纹偏转增韧机制,并伴随着相变增韧机制.     

一类新型碳纳米复合材料：Sc2@C84@SWCNTs的构筑及结构确定

Peapods是指将富勒烯(Fullerene)或内嵌富勒烯(Endohedral Fullerene)填充进单壁碳纳米管(single Wall Nanotube,SWNT)而成的一类新型碳材料。对Peapods的制备、结构、性质及其应用做了较详细的介绍与评述,并制备了Sc2@C84@SWCNTs的豆荚结构。     

葡萄球菌肠毒素B在大肠杆菌中的表达

应用DNA重组技术,构建了金黄色葡萄球菌肠毒素B(SEB)的原核表达载体pET22b( )-SEB,在大肠杆菌BL21(DE3)中进行表达。经终浓度为0．4mmol／LIPTG的诱导作用,可获得分子量约为29KD的表达蛋白。SDS-聚丙烯酰胺凝胶电泳分析结果表明,重组表达的SEB主要以可溶的形式存在于细胞周质中,表达SEB的量约占菌体总蛋白的30％左右。重组表达的SEB经HiTrap^TM chelating HP柱纯化能达到SDS-聚丙烯酰胺凝胶电泳纯。ELISA试验表明纯化的重组SEB与抗天然野生型SEB单克隆抗体呈现明显的阳性免疫反应。     

粗糙模糊C均值融合聚类

提出一种新的粗糙模糊C均值融合聚类算法,该算法通过粗糙集上、下近似的引入改变了模糊C均值算法中隶属度函数的分布情况,修正了类心的更新公式和模糊隶属度计算公式,降低了计算复杂度,在改变模糊隶属度分布的同时,通过使得每一类总的隶属度变化保持最小,进一步提出了边界调节参数的自适应选择算法,实验结果表明,粗糙模糊C均值融合算法...     

基于动态时间规整下密度聚类的轨迹识别研究

为使地空导弹兵模拟训练系统获得的目标机动轨迹更加贴近实战、更有依据性,考虑对演习训练产生的轨迹数据进行分析,设计了DBSCAN(Density-Based Spatial Clustering of Applications with Noise,针对有噪声数据的基于密度的空间聚类)预分类的DBSCAN改进DTW(Dynamic Time Warping,动态时间归整)聚类算法来分析机动轨迹.并与未预分类的DBSCAN改进DTW聚类算法进行对比,发现其运行效率和分类准确度方面均较优.同时分析了数据结构和算法的参数对分类效果的影响,发现数据规模越大,DBSCAN预分类的DBSCAN改进DTW聚类算法的优势越明显.通过仿真得到了使DBSCAN预分类的DBSCAN改进DTW聚类算法发挥最高效率的参数.     

基于模糊均值聚类算法的图像分割

将图像直方图统计特性引入到FCM聚类算法的目标函数中,用混合粒子群优化算法对目标函数进行全局最优求解,提高了图像分割的运算速度。     

基于蚂蚁聚类算法的炮兵阵地选取方法

在对炮兵作战地域进行地形分析的基础上,提出运用蚂蚁聚类算法选取炮兵阵地的方法.针对炮兵阵地配置的特殊要求,将模糊数学中的隶属度概念引入到炮兵阵地聚类算法之中.最后通过实验分析了此方法的优缺点,对炮兵指挥决策有一定的参考价值.     

目标辐射噪声线谱的特征建模与检测

在理论分析的基础上,构造了基于λ水平能量聚点的目标辐射噪声线谱的特征量模型.在利用中值滤波去除信号功率谱中“平台型”的λ水平能量聚点后,计算其λ水平能量聚点作为拟线谱频率,通过拟线谱频率对应周期的整周期延时叠加突出线谱特征,以提高辐射噪声线谱的检测率.理论分析和对仿真信号的计算结果表明,该算法是有效的.     

基于标签树的生长干部招生计划聚类方法

生长干部招生计划是规定军队干部补充来源渠道及数量规模的重要依据,对干部队伍建设与发展具有重要的意义。随着招生计划每年拟制与积累,分析与评估计划将会起到辅助决策的作用,对招生工作的实施带来深远影响。本文从数据挖掘的角度,以聚类的方法研究分析招生计划,这为分析历年计划的波动性并理解评价计划与政策的贴合度提供了定量分析的手段。首先分析了招生计划的特点,进而提出以标签树量化招生计划的解决思路,通过抽取标签树中的特征子树作为聚类中的度量特征,并采用共现的方法实施"先形成核心,再依次分类"的步骤完成聚类。实验表明该方法在合成数据集和真实数据集上聚类效果较好、效率较高,对分析招生计划具有一定理论意义。     

一种基于TF·IEF模型的在线新闻事件探测方法

为了提升在线新闻事件探测的性能,提出一种基于TF.IEF模型的在线新闻事件探测方法。该方法受TF.IDF思想的启发,直接计算特征词表征事件的权重,建立新的增量事件模型,并将探测过程分为两个阶段:第一阶段利用Single-Pass将一定时段内收集到的报道聚成微簇;第二阶段将微簇与已有事件进行相似性匹配,然后通过重新计算事件向量实现模型更新。实验结果表明,该方法运算速度快,特征信息丢失少,提高了探测的效率和准确率。