PMMA胶体晶体模板法制备有序大孔SiO2材料

以自制的单分散的聚甲基丙烯酸甲酯(PMMA)微球作为胶体模板,用正硅酸乙酯、水、乙醇、盐酸等配成溶胶,填充在微球间空隙,暴露在空气中24h凝胶、陈化.溶胶的配比为正硅酸乙酯∶水∶乙醇∶盐酸=6∶3∶4∶1(体积比).然后通过程序升温焙烧去掉单分散的(PMMA)微球,可得有序SiO2大孔材料.程序升温控制的条件是以2℃/min的升温速率升到300℃,恒定5h,再以2℃/min的升温速率升到550℃,恒定10h,再以10℃/min的降温速率降到室温.     

PPQ-b-PEG刚柔嵌段共聚物的合成及热稳定性

以聚乙二醇单甲醚、丁二酸酐、4-氨基苯乙酮、5-乙酰基-2-氨基二苯甲酮为原料合成了以聚苯基喹啉(PPQ)为硬段、聚乙二醇(PEG)为软段的"刚棒—线团"两嵌段共聚物PPQ b PEG,通过IR、1HNMR对其结构进行了表征,并对PPQ b PEG嵌段共聚物的热稳定性进行研究,结果表明:PPQ b PEG(d)的热稳定性高,PPQ b PEG起始的分解温度为250℃,在250～400℃失重很少,其失重率小于5%,在400～600℃才迅速失重,到620℃时彻底分解。     

装备物资混装配载效益化特征聚类分析

提出了通过对物资聚类分组来分步解决混装配载问题的思想,分析了装备物资混装配载中物资分类的办法,讨论了使用聚类分析法研究分类问题的特点,给出了一种基于系统聚类法的物资效益化特征分组方法。     

舰炮制导炮弹技术风险评估

针对技术风险评价中信息的模糊性和不确定性,提出了舰炮制导炮弹技术风险的灰色聚类评价方法。首先将舰炮制导炮弹研制方案的关键技术进行分解,确定综合评价指标,得到各指标的属性值;然后按照综合评价要求划分灰类,建立白化权函数;最后结合权重采用灰色聚类综合评价方法获得各关键技术所属风险级别及研制方案的综合技术风险值。算例表明,灰色聚类评价方法可将技术风险评价中的模糊和不确定信息定量化处理,能够有效地对舰炮制导炮弹的技术风险进行评价。     

基于粒子群聚类的导弹直接侧向力模型辨识

为了充分挖掘数据的潜在规律,提出一种基于粒子群模糊C均值聚类的模型辨识方法,该方法首先对实验数据进行分类,得到最佳聚类数和聚类中心,然后对不同的类分别辨识.新数据可以根据到不同聚类中心的距离划分为不同的类,再根据该类的辨识模型得到输出结果.依据风洞实验数据,采用粒子群模糊聚类对直接侧向力模型进行了辨识,辨识结果表明,与直接辨识相比,该方法的辨识精度明显提高,其辨识结果可以为控制系统的设计提供依据.     

基于核函数的自适应聚类背景提取

随着目标的检测与跟踪的广泛应用,移动物体分割问题成为研究热点,而解决这类问题的关键需为对图像背景的更新和提取。通过对目前已有的背景提取方法的研究,提出了一种新的基于核函数的背景提取方法:进行预处理,制定删选法则来自适应获取所需处理的视频序列;定义核函数来衡量模式间相似性,对2类聚类中心进行初始化;利用最小距离准则来灰度归并,采取实时的自适应阈值选择;最后通过比较满足条件的像素总数,获取所需背景。实验证明,该方法有效。     

基于TCP会话的僵尸流量特征分析与检测

僵尸网络是互联网面临的重大威胁,而成功检测网络上的僵尸流量是摧毁僵尸网络的前提。文章分析了僵尸主机同控制端的TCP会话流量,提取其会话特征,并用聚类的方法有效地区分出僵尸主机同控制端的会话。文章在定义会话概念的基础上,通过提取网络流量中的会话特征用以检测僵尸网络流量。     

基于D-AHP赋权的战时空空导弹装备保障效能灰色评估

针对战时空空导弹装备保障效能评估问题,根据装备保障特点,设定了装备指挥保障、技术保障、维修保障和供应保障为主要指标的评价体系,通过D数理论改进层次分析法(D-AHP)求解各指标的影响权重,以解决评估信息不确定性问题,并建立灰色聚类评价模型.通过实例结果表明,该方法具有可行性,对部队针对性提高战时空空导弹装备保障能力起到一定的作用.     

针对KMC局部最优问题的飞蛾捕焰优化方法

针对传统飞蛾捕焰(MFO)算法求解复杂函数时后期收敛速度慢与求解精度较低等问题,提出了一种基于快速收敛的飞蛾捕焰(RMFO)算法.采用最大最小距离积的方法来初始化飞蛾群,能够提高算法全局收敛速度并且优化解的质量,同时构造出MFO算法的适应度函数作为寻优函数.将RMFO算法和有K均值聚类算法(KMC)进行交叉迭代,构建基于RMFO优化的KMC算法,求解聚类中心时能够改善聚类性能,可以解决现有KMC算法选取初始聚类中心不确定陷入结果局部最优的问题.实验结果表明,通过用UCI国际通用测试数据库的Iris、Wine和Glass 3种数据集,对RMFO算法和优化KMC算法进行性能测试,提出的RMFO算法更加精准,收敛速度快,不易陷入局部最优解,同时,优化KMC算法的聚类性能更好.