水下噪声听觉属性的主观评价与分析

为探求人耳感知水下目标类型的声学因素,研究了水下噪声听觉属性空间的维度数及其各维度的物理解释.首先通过词汇聚类分析和问卷调查确定评价水下噪声听觉属性的汉语描述词,然后完成基于成对比较法和语义细分法的主观评价实验,获得听觉属性的不相似性矩阵及各样本在不同听觉属性下的主观评价分值.最后,利用多维尺度分析确定水下噪声听觉属性空间由五个维度组成,再利用主成分分析得到独立的五个主成分,进而利用相关系数和压力值确定五个主成分分别表示听觉属性空间的五个维度,根据各个主成分对应的汉语描述词所反映的听觉属性对其进行物理解释 关键词： 听觉属性 多维尺度分析 主成分分析     

Single‐Scan 2D Hadamard NMR Spectroscopy

Scan and deliver : By combining imaging‐based spectral/spatial 2D radiofrequency manipulations (see scheme, left) with Hadamard‐weighting principles, 2D NMR spectra can be retrieved within a single scan (right). This approach can give homo‐ or heteronuclear correlations with an enhanced sensitivity over conventional ultrafast 2D NMR spectroscopy.

     

人力资源多维分配问题的混合算法

针对已有多维分配问题求解算法复杂、耗时长及精度低等问题,本文将二部图中寻求最优匹配的方法进行推广,运用试分配、饱和路调整和增广路调整对多维分配问题的最优解进行搜索,提出了求解人力资源多维分配问题的最小零面优先分配混合算法和随机试分配混合算法,对算法的有效性进行了理论证明,并分析了算法的时间和空间复杂度;同时通过这两种混合算法对初始零元素数不同的代价矩阵求解时间的计算,以及与Lagrangian松弛算法和剪枝法的耗时、精度的对比,分别得到了两种混合算法的适用性和高效性,最后通过算例验证了算法的有效性。     

A review of advances in two-dimensional thin-layer chromatography

Although there are many simple thin-layer chromatography (TLC) separations, many more are complex and involve more than a few components, that means having to use special high-performance TLC (HPTLC) plates or microspotting or banding devices to increase its resolving power if developing in only one direction. However, adding a second development to perform two-dimensional TLC (2D TLC) allows even better resolution of complex samples. This is because different modes of chromatography are being invoked by the use of one stationary phase with two mobile phases, bilayer plates, graft TLC, or multidimensional TLC. This paper is a review of recent applications that have benefitted from using 2D TLC in its various forms. They were chosen for their variety of sample types as well as the unique choices of plates and/or mobile phases made by the researchers to yield improved separations.     

基于遗传算法的基因微阵列数据聚类

微阵列基因数据用以挖掘特定的生物信息,聚类分析对于研究基因功能和基因调控机制有重要意义.结合改进的遗传算法对基因微阵列数据进行聚类分析,并且通过实验与K均值聚类进行比较.仿真实验表明,该算法可以有效改进基因微阵列数据的聚类准确率.     

改进型粒子群算法解决多维背包问题

微粒群优化算法(PSO)是一种基于种群的随机优化技术.将EDA算法与PSO算法结合起来,形成一种新的改进的算法(EPSO).算法将全局统计信息和全局最优解运用于解空间搜索,以期能更有效解决组合优化问题,最后将EPSO算法用于解决多维背包问题并进行了对比仿真实验.实验结果表明,在解决多维背包问题上,EPSO优于传统的PSO算法以及多种启发式智能算法,与此同时,EPSO算法使用更少的参数,因此更容易实现,运行更加稳定,效果更好.     

水晶报表中用推模式插入图片的研究与实践

水晶报表是具有强大的报表设计功能的专业报表设计工具,能帮助设计人员快速创建具有专业外观的报表。通过研究推模式的工作原理,提出以数据集作为报表数据源,再采用推模式将数据注入数据集的方法,实现了在水晶报表中插入图片的功能。数据注入过程利用数据集支持BLOB字段的特点,从介质中获取图片内容,以字节数组形式存入数据集。这种插入图片的方法减小了水晶报表和数据源的耦合程度,适用于数据来源分散、复杂的场合,或数据获取后需要做进一步处理的场合。     

多变量自回归信号信息融合辨识方法

近年来,为了提高系统模型和状态估计的精度,多传感器数据融合引起了广泛关注。对于带白色公共干扰噪声和有色观测噪声的多传感器多变量自回归（AR）模型,当AR模型参数和噪声方差未知时,提出了一种信息融合多段辨识方法,其中采用多维递推辅助变量（MRIV）方法得到AR模型参数的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性,通过一个信号仿真例子验证了其有效性。     

一种多传感器融合的多维数据互联算法

多传感器融合的数据关联问题一直是目标跟踪领域的核心与难点之一.文中提出了一种多传感器融合的多维数据互联算法.首先进行多目标跟踪模式的判断,根据跟踪模式选取不同维数的数据互联算法,对现有的多维数据互联算法存在问题进行了分析和改进,给出了算法实现的伪代码.仿真与实验结果表明,该算法对弹道目标跟踪具有较好的效果,对复杂环境下的多目标也能进行稳定地跟踪.     

稀疏过程下变破产下限多元相依风险模型的破产概率

研究了稀疏过程下多元相依风险模型在假定变破产下限的破产概率,其中索赔产生时依赖概率ρ的可能性同时产生一次续保,即续保过程是索赔的ρ-稀疏过程.运用鞅方法得到了当破产下限为某些特征函数时破产概率所满足的不等式或破产概率的具体表达式.