PC／PBT共混体系的研究：Ⅰ.PC,PBT熔融共混时的酯交换反应

采用红外光谱、核磁共振等测试手段，系统地研究了ＰＣ、ＰＢＴ熔融共混时的酯交换反应，发现ＰＢＴ中残余的Ｔｉ催化剂会对酯交换反应起催化作用。通过加入能和Ｔｉ催化剂络合添加剂，可以控制酯交换程度，这为控制ＰＣ／ＰＢＴ合金的性能提供了一个非常有效的方法。     

物联网时代下的智能电网发展

电力行业与物联网的关系较为密切,智能电网是电力系统发展到一定阶段的必然产物,物联网是智能电网发展的有利技术手段,在智能电网发展的各环节中,都有物联网的参与。文中对智能电网的发展进行了论述,并重点对物联网在智能电网各环节中的作用进行了探讨,最后介绍了两种面向智能电网应用的物联网设备。     

有线电视自动分段管理系统的应用

本文系统介绍了有线电视自动分段管理系统的应用,特点,功能以及技术要求等.     

光电容积脉搏波的睡眠呼吸暂停综合征筛查方法

睡眠呼吸暂停综合征（SAS）素有“睡眠杀手”之称。由于其诊断金标准多导睡眠监测仪（PSG）的限制,诊断率一直偏低。由于呼吸暂停发生时会引发心率节奏的变化,因此利用心电图（ECG）通过心率变异性（HRV）分析可以实现SAS的自动筛查。但是,ECG-SAS方法所用电极穿戴繁琐、材质致敏性较高,影响睡眠安适度。鉴于脉率变异性（PRV）分析与HRV分析高度相关,并且光电容积脉搏波（PPG）信号相对ECG信号获取方式更加简单,不仅电极不易致敏,而且更易于穿戴,对睡眠干扰小。由此,提出利用同步采集的PPG信号和ECG信号,应用相同的建模方法,比较二者的疾病识别能力。应用反向传播（BP）神经网络,分别建立PPG-SAS与ECG-SAS自动筛查模型,并采用十折交叉验证法及受试者工作特征（ROC）曲线对模型进行对比与评估。实验数据来源于MIT-BIH Polysomnographic Database,共8 248个样本,其中正常样本6 227例。首先采用三层BP神经网络,默认参数下建立PPG-SAS与ECG-SAS模型,使用十折交叉验证法及ROC曲线进行模型分类准确性的对比;然后依次改变影响分类性能的隐层节点数、训练函数以及传递函数,建立多个PPG-SAS与ECG-SAS模型,从中选取各自的最优模型再进行对比。通过比较识别率、预测率以及ROC曲线面积,采用默认参数的PPG-SAS模型优于ECG-SAS模型。通过比较平均分类准确率,隐层节点数为50、训练函数为一步正割算法、隐含层传递函数为双曲正切S型函数时,PPG-SAS模型得到的最高识别率与预测率分别为80.30%和80.13%;隐层节点数为50、训练函数为一步正割算法、隐含层传递函数为径向基时,ECG-SAS模型的最高识别率与预测率分别为77.60%和77.67%。以上实验结果均表明PPG信号的SAS分类能力较ECG信号更具优越性,由此证明了PPG信号筛查SAS的可行性及可靠性,为临床SAS病症的早期发现及诊断率提升奠定理论基础。     

邻水县广播电视台数字硬盘播出系统方案

本文结合邻水县广播电视台的实际。介绍非线性编辑系统和数宇硬盘播出系统构架方案的设计原则和总体需求、特点以及应用流程。     

MRTG网络流量监控系统的构建

本文阐述了以MRTG软件构建网络流量监控系统,有效地监控网络,第一时间发现网络中的故障,有效提高网络运行质量。     

与对手赛跑——访湖北省移动通信公司黄石市分公司总经理聂新华

12月上旬，记者来到了湖北黄石市，虽然已是冬季，然而这里却到处洋溢着春的气息。走进环境优美的黄石移动通信公司办公大楼，呈现在眼前朝气蓬勃的现代化企业风采让人感觉置身于一家国际化大公司。黄石移动通信分公司总经理聂新华长期现身于改革的最前沿，积累了丰富的经验，他此次提出的观点无论是对整个行业，还是对单个企业而言都具有积极的借鉴意义。做一名合格的管理者管理者要有眼光。企业管理者如果不知道该干什么，企业就好比大海里一艘没有指南针的船失去了方向。聂新华说，企业管理者明白要干什么比明白具体怎么干更重要。1999年…     

Zn和Nb对BaO-TiO_2系统微波陶瓷介电性能的影响

研究了添加ZnO 和Nb2O5的BaO-TiO2系统微波陶瓷。XRD表明其主晶相是Ba2Ti9O20(B2T9)/BaTi4O9(BT4)。加入ZnO 和Nb2O5,由Zn2+ 和Nb5+共同取代Ti4+,作为施主受主杂质,达到电价平衡,降低了烧结温度,改进了介电性能。该系统微波瓷料既可用于制造滤波器,也可用于制造多层陶瓷电容器(MLCC)。实验表明其介电性能如下:εr =37、Q =14 000、αC = 10×106℃1(1 MHz)。     

概率主成分分析联合支持向量机的前列腺SELDI-TOF质谱数据分析方法研究

基于前列腺癌检测中获取的表面增强激光解吸/离子化飞行时间质谱(SELDI-TOF-MS)数据,提出一种概率主成分分析(PPCA)联合支持向量机(SVM)的分类方法。对临床322例血清样本的质谱数据进行特征提取,以随机选取训练样本集(225例)构造SVM判别模型,对剩余样本集(97例)进行测试。采用均方根误差、识别率与预测率指标,将所构造的PPCA-SVM模型分别与偏最小二乘(Partial least squares,PLS)和PCA-SVM模型进行比较,发现PLS模型的识别率和预测率分别为90.92%和76.38%,PCA-SVM模型分别为99.23%和84.63%,而PPCA-SVM模型分别为99.01%和90.41%。因此SELDI-TOF-MS技术结合PPCA-SVM在样品分类中具有准确、重复性好等优点,为前列腺癌早期诊断提供了一种新方法。