两相喷射器增压的二级压缩制冷系统性能分析

建立一维等面积两相喷射器热力学模型,改进传统的二级压缩系统,提出一种喷射器增压的二级压缩制冷系统.以R1234yf为制冷剂,采用能量分析模型,研究不同设计工况下喷射器的性能.结果表明:当蒸发温度升高时,系统的性能系数(COP)和喷射系数增大,喷射器升压比减小;当冷凝温度升高时,COP和喷射系数减小,喷射器升压比增大;当蒸发温度为0℃,冷凝温度为50℃时,COP随着中间温度的升高先增大后减小,且存在一个最优中间温度,系统性能提高率可达10%以上.     

基于Labview的激光多普勒测速仪的频谱校正

在激光多普勒测速仪中,为了减小由信号处理算法带来的测量误差,提出运用频谱校正算法对多普勒信号的频谱进行校正,详细阐述了能量重心法、比值法和相位差法3种离散频谱校正算法的基本原理,运用这3种算法对理想正弦信号进行仿真,并运用比值法对信号施加不同频率和信噪比的噪音下的正弦信号和实测的多普勒信号进行仿真及实验研究。结果表明：3种算法都可以使信号的频率更接近于真实值,其中能量重心法校正精度相对较低,比值法和相位差法精度较高,尤其是比值校正算法处理速度更快,校正的精度基本不受信噪比的影响。将比值法运用于激光多普勒测速系统,与光接收计数法测量结果进行比较,结果显示：校正后比较正前激光多普勒测速仪测量相对精度提高了2～3倍。     

银川地区蜻蜓目昆虫多样性分析

于2006年5月至9月在银川地区选取了5个不同样地,采用Margalef丰富度指数、Simpson优势度指数、Shannon-Wiener多样性指数、Pielou均匀度指数、Jaccard相似性指数等对蜻蜓目(Odonata)昆虫多样性进行了研究.结果共获得蜻蜓标本827号,隶属2亚目6科16属24种,其中差翅亚目(Anisoptera)4科10属17种,均翅亚目(Zygoptera)2科6属7种;种类个体数量表现为蜻科种类最丰富(占物种总数的54.2%),秋赤蜻个体数量最多;秋赤蜻(Sympetrum frequens)、白尾灰蜻(Orthetrum albistylum)、黄蜻(Pantala flavescens)、红蜻(Crocothemis servilia)、长叶异痣蟌(Ischnura elegans)、蓝纹蟌(Coenagrion dyeri)等为优势种.多样性分析显示,军区农场物种丰富度指数最高,宝湖地区最低;物种多样性指数由高到低依次为水洞沟地区、军区农场、西湖地区、鹤泉湖地区、宝湖地区.群落相似性分析表明,环境异质性与蜻蜓多样性呈明显的正相关.     

数据挖掘——电信客户流失分析预测

从历史数据中挖掘有效信息从而运用到商业决策中已经成为统计的一个重要应用方向。本文主要是对电信行业客户流失情况进行数据挖掘,针对某运营商的历史数据资料,通过对已流失的客户和在网客户的自然属性和行为属性进行统计分析、挖掘,建立客户流失的预测模型,模型分析导致客户流失的主要因素,预测在网客户在一定时间内流失的可能性。本文中采用IBM的db2平台中的IM(Intelligent Miner)中的决策树和径向基函数进行建模和测试模型,再用IM Scoring进行预测。     

金属硫蛋白研究进展

介绍了金属硫蛋白的结构、理化性质和主要功能,金属硫蛋白转录与表达,并对国内外金属硫蛋白与锌、铅、镉、钙的代谢研究,金属硫蛋白与辐射关系,肿瘤的发生、治疗及预后的一些进展进行了介绍,说明了金属硫蛋白有着广阔的应用前景。     

可撤销的多用户无证书加密

无证书密码体制既没有传统公钥密码体制中的证书管理问题，也没有基于身份公钥密码体制中的密钥托管问题。在多用户加密机制中，数据发送者将数据加密之后，把密文发送给多个用户，每个用户利用自己的私钥进行解密获得明文。但由于一些原因(离职，生病等等),部分用户的权利需要被撤销。因此，构造一个可撤销的多用户的无证书的方案是有意义的。首先，提出了一个可撤销的多用户无证书加密方案；然后，在随机预言模型下对方案进行了安全性证明；最后，进行了效率比较，与现存的一些方案相比，新方案具备了更多的功能，更高的运行效率。     

基于梯度惩罚生成对抗网络的过采样算法

在不平衡数据分类问题中，为了更注重学习原始样本的概率密度分布，提出基于梯度惩罚生成对抗网络的过采样算法（OGPG）。该算法首先引入生成对抗网络（GAN），有效地学习原始数据的概率分布；其次，采用梯度惩罚对判别器输入项的梯度二范数进行约束，降低了GAN易出现的过拟合和梯度消失，合理地生成新样本。实验部分，在14个公开数据集上运用k近邻和决策树分类器对比其他过采样算法，在评价指标上均有显著提升，并利用Wilcoxon符号秩检验验证了该算法与对比算法在统计学上的差异。结果表明该算法具有良好的有效性和通用性。     

基于一维倒残差轻量级网络的无人机个体识别方法

在无人机的个体识别问题中，针对传统的识别方法存在网络模型参数量大和算法时效性差等问题，提出基于一维倒残差轻量级神经网络(1D-IRLNN)的无人机个体识别方法。首先提取反映无人机个体间差异的I/Q包络一维特征作为无人机的浅层特征；其次将深度可分离卷积与倒残差结构等设计思想和一维神经网络模型相结合，设计出跳跃级联的一维倒残差轻量级神经网络；最后利用网络模型提取一维I/Q包络数据中的深层特征，从而实现对无人机个体的快速准确识别。实验结果表明，1D-IRLNN模型的计算量分别是同等体量的深度模型1D-CNN与1D-ResNet的305%和238%，网络模型规模分别是深度模型1D-CNN与1D-ResNet的387%和297%，所提方法相较于其他方法，在保持较高识别准确率的同时具有更快的识别速度且占内存更小。