简介：针对因影响因素众多而难以预测的隧道沉降问题,使用粒子群算法（PSO）优化支持向量回归模型（SVR）并结合灰色理论中的等维新息,提出了混合模型对隧道沉降时间序列数据进行预测研究.与ELM极限学习机预测模型及PSO-BP神经网络预测模型进行了对比实验.发现等维新息SVR模型在预测精度上要优于其它两个模型,于是得出该模型可以有效地应用于隧道沉降时间序列的预测研究.

简介：作者结合工作经验，评述了测定氨氮的四种国家标准的特点，采用少取水样量稀释之，可以提高测定浓度上限，也解决了氧化剂加量不足或盐度大的问题。因而，对高浓度的样品（0．5—50mg/L）可以用水杨酸法取代纳氏法，避免了后者汞的污染；对低浓度样品（〈0．5mg／L），可以用次溴酸盐法取代苯酚法，克服了后者反应太慢的缺点。QUAATRO连续流动分析仪是可以取代上述方法较好的仪器。

简介：工业机器人是实现数字化无人工厂为特征的工业4．0基础设备，我国已连续四年销量全球第一．以工业机器人为核心的智能制造行业蓬勃发展，但国内机器人检测方法，以及相关的检测设备的发展却参差不齐．现就机器人整机性能检测与校准存在的问题、检测技术与仪器的现状、最新发展成果等进行综述．

简介：1.核磁共振驰豫时间（T1,T2）当氢原子核被置于固定的强磁场中时,会分成顺磁场和逆磁场两种方向排列,而形成两种能级状态。这时若用无线电波来照射这些氢原子核,各氢原子核会因周围环境的差异而吸收不同频率的无线电波的能量从低能级向高能级跃迁,这种现象称核磁共振（NMR）。使氢原子核发生核磁共振的条件是:ω=26753H0式中H0表示氢原子核周围磁场的强度,ω表示使该氢原子核产生共振跃迁的无线电波的频率,比例常数26753,是氢原子核的旋磁

简介：为解决工业机器人标定中存在的成本昂贵、专业性强等问题，提出了一种基于几何约束的工业机器人运动学参数闭环标定法．首先采用D—H模型与MDH模型相结合的方法建立运动学模型．解决D-H模型的奇异性问题．其次，用Matlab对该方法进行仿真，机器人末端执行器上模拟安装一个激光器，将激光瞄准观测平面上一正方形的四个顶点，得到较精确的关节角．最后，根据正方形的几何性质建立标定方程，利用最小二乘法求解参数误差．此方法操作简单，成本低，易于测量，可避免机器人基座标系的校准工作．根据仿真结果。工业机器人绝对定位精度提高了77．87％，从而验证了该方法的有效性．

简介：时间常数是检测热电偶动态测试性能的重要指标．为了衡量热电偶的动态测试性能，设计了一种热电偶时间常数测试系统，包括热电偶、恒温槽、数据采集卡、激光对射式光电传感器．测试过程中，由激光对射式光电传感器记录热电偶接触恒温槽恒温介质时间点，由数据采集卡采集热电偶的温度数据以及激光对射式光电传感器的电压数据，由数据采集软件显示并记录温度与电压变化曲线．对热电偶的温度数据进行了拟合，测得热电偶的时间常数并与理论计算值进行了比较．最后对测试过程产生的误差进行了分析．分析结果表明，该热电偶时间常数测试系统可大幅度减少热电偶自身的热惰性所引起的测量误差，但仍会产生其它微小测量误差．

简介：目的评估血清标本在运行自动生化分析仪器中放置时间对血清总蛋白（TP）、白蛋白（ALB）检测结果的影响。方法按放置时间2、4、6、8h，分4组，每组20份标本；对照管只测TP和ALB。结果血清标本在运行仪器中放置2、4h，TP和ALB与对照管比较无显著性变化；放置6、8h后，TP和ALB与对照管比较显著升高。结论标本在运行的分析仪器中的放置时间，属于分析前的影响因素必须引起观注，并提出相应的对策。

简介：针对微生物快速检测的需求,基于生长时间光谱法设计了大肠菌群快速检测仪器.根据大肠菌群指数生长期与大肠菌群浓度的关系来计算大肠菌群初始浓度;采用分光光度法对大肠菌群的指数生长时间进行检测;通过实验确定了625nm作为分光光度检测波长;设计了基于双积分球的仪器光路结构,提高了仪器对透过率的测量稳定性,采用样品从实验开始时的初始透过率降低至初始透过率的70%时所需时间作为生长时间,显著降低了检测所需时间,对大肠菌群100cfu/mL的检测,只需要276min.建立了大肠菌群的生长时间与大肠菌群初始浓度的数学模型.设计实验评价了本方案平行样标准偏差小于12.61%;与滤膜法进行比对,相关系数0.979.

简介：针对深层超限学习机算法在网络层数较浅时样本特征利用率低,和网络层数较深时样本特征经高层抽象后有效性降低的问题,本文提出了两种密集连接的多层超限学习机算法:Dense-HELM和Dense-KELM.这种密集连接的网络结构,使样本特征信息在层与层之间被充分利用,能够在不增加网络深度的情况下,显著提高算法的识别精度.最后,对文中提出的两种算法在20组基准数据集上进行实验,结果显示:本文提出的算法可以显著提高算法的识别精度,减少算法的训练时间,这表明所提出的算法具有有效性和实用性.

简介：针对在不同的摄像头场景下,光线、摄像头参数的差异较大使得行人重识别困难的问题,提出一种基于距离度量学习的方法进行行人重识别.该方法首先为每一对摄像头学习一个距离度量模型.其次,根据上述因素的影响强度为这些度量模型赋予相应的权值.最后,对度量模型与其相应权值的乘积进行累加与优化,得到最终的距离度量模型.经过在两个公共数据集中进行行人重识别实验,其结果显示所提出的方法能够提高行人重识别的正确率.

简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：人脸识别已经广泛地应用于日常生活中,作为关键技术之一的人脸清晰度评价成为了热门的研究课题.然而,传统的手工提取特征的方法在效果和鲁棒性上都有所欠缺.为此,我们运用卷积神经网络实现特征的构造和选择,有助于提高评价结果的准确率.同时针对网络复杂、参数过多和耗时长等问题,还提出将传统的卷积结构改造成双卷积层结构的方法来提升计算速度.经过大量的实验表明,本文提出的人脸清晰度评价算法能够准确地进行人脸清晰度的评估,并且具有较快的处理速度.

简介：自智能交通系统出现以来,汽车驾乘员的安全带检测一直是备受关注的研究课题.依据城市道路的交通卡口监控数据,研究一种基于深度学习的汽车驾乘人员安全带检测算法,能够准确识别驾驶员是否佩戴安全带.通过对卡口图片进行人工标定,并运用深度学习方法训练两个检测器和一个分类器,最终实现安全带的快速定位和分类.本文提出的方法在城市道路卡口采集的图像上检测效果较好.

简介：人群分析在模式识别和机器学习领域内是一个非常有趣的课题.人群小群体成员之间的主从关系检测为视频监控和计算机视觉领域打开了新的视野.同时,小群体主导者的检测也是人群分析的重要组成部分.文章提出一种结构化SVM的学习框架,并结合行人的时间滞后分析特征和行人位置关系特征对小群体主导者进行预测.实验结果表明,本方法在人群分析数据集下取得了很好识别效果.

简介：软件的图形用户界面(GUI)的视觉设计影响着用户的使用体验.在没有既定标准的情况下,测试人员对GUI评分的主观性和大量的重复性工作,会造成GUI测试的评分偏差和效率低下.针对上述问题,本研究工作构建了基于云平台的软件GUI自动测试系统,分别使用HOG+SVM模型和AlexNet模型对GUI图像进行特征提取并分类.考虑到软件GUI数据样本量小,提出利用迁移学习策略改善AlexNet网络的性能.针对用户的多样性和算法对计算性能的需求,GUI自动测试系统部署在云平台上,用户可以对软件GUI进行实时评估.实验证明,系统用于GUI自动测试具有良好的性能,并且可以避免主观因素的影响以及减轻软件测试员的工作量.

简介：域自适应算法是一种能有效解决训练集（源域）和测试集（目标域）样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机（DDM-ELM）用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标：1）最小化源域样本的分类误差;2）通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3）利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.

简介：本文综述了红曲的化学成分、药理作用及在临床和食品工业上的应用

简介：本文介绍了熔剂在铝合金熔炼过程中的作用,熔剂的分类和要求,常用熔剂的组成,适用范围及使用方法等。

简介：国际合作论文是国际间开展合作的主要产出之一,对合作论文进行分析是开展机构间国际合作研究的主要途径.基于SCI国际合作论文数据,应用文献计量分析等方法,从中国计量科学研究院国际科研合作规模、与国内外机构联合开展国际科研合作的现状、合作成果的影响力等角度,分析评价了20002017年间,中国计量科学研究院的国际科研合作论文的特征和变化趋势,并对该院在经济、科技创新全球化背景下,如何有针对性的布局和开展国际科研合作及推动计量领域自主创新,提出了意见及建议.

简介：本论文用4.2L小试釜,从铝钛比、铝硅比、氢烯比、钛烯比及反应时间等几个方面,对影响丙烯聚合的几个因素进行试验。