微乳液法在纳米催化剂制备中的应用及研究进展

综述了微乳液法制备纳米催化剂的基本原理和主要方法以及近年来在催化剂制备中的一些应用.对微乳液法制备纳米催化剂的一些影响因素:如水的含量及表面活性剂的结构和种类对微乳液"水池"尺寸的影响以及对最终形成的纳米粒子粒径的影响,反应物浓度对形成的纳米催化剂粒子的粒度大小和分布的影响,负载粒子对催化剂粒子烧结温度及稳定性等多方面的影响进行了探讨与分析,并对该领域的研究发展作了展望.     

引入权重因子的证据合成方法

D-S理论是一种有效的不确定性推理方法,但在证据完全冲突或冲突较大时,D-S证据合成公式失效.Yager等学者对此作了改进,但是改进后合成公式又存在着新的问题.考虑到证据在合成过程中的重要程度不同,将权重因子引入到合成公式中,通过权重因子的作用和冲突概率的重新分配,提出了引入权重因子的D-S证据合成方法,新的合成公式提高了证据合成的可靠性和合理性,可得到更为理想的合成结果.     

改进Bubble函数的多分辨率边缘提取方法

在数学上,通常用Bubble函数来描述神经系统的侧抑制现象.Bubble函数在频域里相当于一带通滤波器,它可以反映不同的时域、频域特性,但它不具有调节带宽的功能.因此对Bubble函数进行改进,改进后的Bubble函数能够通过调节参数来获取不同时域、频域响应和滤波效果.最后,用改进的Bubble函数将小波和侧抑制有机地结合,构造出多分辨率侧抑制网络,该网络利用小波变换去除噪声、侧抑制网络突出边缘,从而可以准确、有效、快速地提取出图像边缘.     

军品能力建设项目后的一种评价方法

由于军品的特殊性,其后评价标准与其他民品项目有所不同,根据军品技改项目的特点结合一般项目后评价内容,确定了军品技改项目后评价指标体系,共分为项目目标评价、项目实施管理评价、项目生产运营评价、项目生产力评价、项目经营效益评价、项目影响评价和项目持续性评价等7部分25个指标小项,并采用层次灰色法建立了军品技改项目后评价模型,为客观科学地进行军品技改项目的后评价提供了依据.     

神经网络模型预测函数控制方法

在建立基于神经网络模型的非线性预测函数控制系统结构和基于BP网络非线性预测模型的基础上,提出了基于神经网络模型的非线性预测函数控制方法,并对其优化法等进行了讨论。通过与PID方法的仿真比较表明,预测函数控制方法具有抑制干扰能力强、跟踪性能好的特点,能够满足一些非线性系统的控制要求。     

基于模糊模式识别的战场目标识别

分析战场目标的结构、材料、征候、特征及辐射原理等存在的差异,运用模糊模式识别方法,建立了战场目标识别的数学模型,给出了目标识别的详细步骤和方法:选取目标特征量、构造标准模糊集合、构造待识别模糊集合、应用择近原则进行目标识别,并通过算例,得到一些有价值的结论。模型和方法可供C3I系统快速准确的识别战场目标。     

第二类曲面积分计算方法新探

首先对有向曲面∑1:z=z(x,y),(x,y)∈Dxy上的第二类曲面积分的计算进行了探讨,主要根据第二类曲面积分与第一类曲面积分的关系,通过计算有向曲面的法向量, 把被积函数转化为两向量的点积。然后利用曲面面积元素与坐标面上的面积元素的关系, 再转化为二重积分,简化了第二类曲面积分的计算。最后对其它形式的光滑有向曲面也进行了类似研究,都可直接转化为二重积分。     

曲面拟合法和梯度法相结合的图像亚像素配准算法

针对传统亚像素配准算法存在精度不高、计算复杂的问题,提出了一种曲面拟合法和梯度法相结合的图像亚像素配准算法。采用9点相关系数曲面拟合法对图像进行粗配准,求得一个相对粗略的亚像素配准位置;在两幅图像中选取相同尺寸的子区图像,在粗略的亚像素配准位置基础上,采用梯度法最终获得精确的亚像素配准位置。不同平移关系下的样本图像亚像素配准对比实验结果表明,该算法实现了曲面拟合法和梯度法的优势互补,有效提高了图像配准的精度,最大配准绝对误差由0.17像素降低为0.02像素。     

一种基于压缩Fisher向量的目标检索方法

当前,视觉词典法(Bo VW,Bag of Visual Words)是解决目标检索问题的主要方法,但传统的Bo VW方法具有词典生成时间效率低、检索内存消耗大等问题。针对这些问题,提出了基于压缩Fisher向量的目标检索方法,该方法首先将Fisher核机制用于目标检索,它能自动降低目标图像背景带来的不利影响,然后,采用位置敏感哈希(LSH,Locality Sensitive Hashing)对Fisher向量进行压缩编码以降低计算复杂度和内存开销,使之适用于大规模数据库。实验结果表明,新方法只用几百比特就能表征一幅图像内容,对大规模目标检索有很好的适用性,且较之当前主流的压缩视觉词典法具有更高的准确率。