顽火辉石的高温高压同步辐射研究

 采用同步辐射能量色散X射线衍射技术、激光加热技术和金刚石对顶砧（DAC）高压装置,在温度为2 000 K和压力为23 GPa的范围内,对采自地幔二辉橄榄岩中的顽火斜方辉石,进行了原位的高温高压能量色散X射线衍射（EDXRD）测量。实验结果表明：当压力为15.3 GPa、温度为1 600 K时（相当于地球内部410 km处的地震波不连续界面的温压环境）,顽火斜方辉石转变为橄榄石的β相——瓦兹利石（Wadsleyite）相;继续加温加压至2 000 K、23 GPa时（相当于地球内部670 km处的地震波不连续界面的温压环境）,顽火斜方辉石相变为钛铁矿（Ilmenite）结构和钙钛矿（Perovskite）结构的混和相。实验结果进一步证明,在地幔中存在的两个地震波不连续界面是由橄榄石、顽火斜方辉石等矿物的相变引起的。     

基于反射机制的构件化软件静态分析器的设计与实现

设计并实现基于反射机制的构件化软件静态分析器.该静态分析器通过对构件化软件源程序代码的静态分析,使用反射机制,自动提取源程序的结构、构件测试元素和构件交互关系,采用XML保存分析结果并图形化直观显示程序结构和构件交互.实例结果表明,该分析器适用于对基于.NET的构件化软件进行分析处理.     

一种基于PSO-SVR的软件可靠性评估方法

软件可靠性建模时,如果简单地利用支持向量回归机制建模,就有可能由于支持向量回归(SVR)自身参数选择难以及实验数据本身的不确定性,从而导致预测结果不理想、精度低等缺陷。因此,借鉴粒子群优化算法(PSO)多参数寻优的优势,将PSO与SVR优化算法相结合,利用分层聚类算法对初始实验数据进行归一化处理,剔除异常数据,构建基于PSO-SVR的软件可靠性评估方法,从而提高软件模型的预测精度。实验结果表明,基于PSO-SVR方法的预测模型其预测精度高,更适应实际软件应用环境。     

基于离散小波变换和RBF神经网络的说话人识别

为提高说话人识别系统的性能,结合离散小波变换与RBF神经网络提出一种说话人识别新方法。把小波变换与美尔频率倒谱系数提取相结合,使用离散小波变换代替美尔频率倒谱系数中的离散余弦变换,提取变换谱振幅作为特征参数。使用逼近能力、分类能力和学习速度均更优的RBF神经网络取代常用的BP网络,采用与输入样本相关的方法优化RBF网络初始权值选取。不同语音长度和信噪比的实验表明,系统识别率和鲁棒性均得到了提高。