高校图书馆文化活动中心建设构想

阐述了高校图书馆建设文化活动中心的意义和作用,分析了目前建设文化活动中心遇到的困境,并提出了解决困难的相应对策。     

电极条件对硫酸介质中电解还原提纯镱过程的影响

研究了以钌铱钛合金网和汞分别为阳、阴电极, 在无气氛保护条件下, 采用电解还原方法从铥、镱、镥硫酸盐溶液中分离提纯镱的过程. 讨论了在8 V恒电压时的电极间距、位置, 以及阴、阳极表面积对电解过程中的电流、还原率影响. 优化了电解还原过程, YbSO4产品的纯度稳定达到99.5%以上, 一次收率可达80%;提镱后母液中的铥和镥被富集4倍以上, 其中Lu含量高于50%, 十分有利于后续铥/镥分离.     

D-葡萄糖D-果糖与硼的有机物形成配合物的稳定性研究

葡萄糖异构酶加速葡萄糖与果糖的平衡,平衡时果糖含量为42％左右,体系中加入一些硼酸盐,果糖的含量提高到80％左右,究其原因可能是由于葡萄糖和果糖与硼酸盐形成不同稳定性的配合物。虽然Roy,Conner,Daris,Belcher,Lorand等都已报导了这些配合物的稳定常数,概括结果分歧较大。Belcher曾首次报导了硼酸与D-果糖的配位数为     

多组分多出口稀土串级萃取静态优化设计研究(I)静态设计算法

研究了多组分、多出口稀土串级萃取体系静态优化设计过程的精确计算方法. 首先推导出串级萃取体系最重要的物料平衡和萃取平衡关系, 其次根据分离要求等条件确定了各出口的相对流量, 利用萃取平衡和物料平衡关系进行静态递推, 并在求解过程中根据物料平衡关系引入了校正参数, 通过对递推结果的迭代校正, 最终得到收敛的计算结果, 解决了静态设计算法的关键问题. 这一方法为多组分多出口稀土串级萃取过程的静态优化设计提供了精确算法.     

基于OEM的网站用户访问历史模型

基于适合半结构Web数据分析的OEM模型 ,对用户和网站交互进行了形式化定义 ,在此基础上提出基于OEM模型的网站用户访问历史模型 ,同时给出分析用户访问行为的指标定义 ,为进一步分析用户访问行为模式、优化网站结构以及展开个性化服务提供较强的支持     

牦牛肥胖基因和肿瘤坏死因子α基因的序列分析

肥胖基因(ob gene)是近年来刚被克隆的新基因，该基因的表达产物瘦蛋白(Leptin)具有调节体重、影响动物生长和繁殖率等一系列生物学功能．肿瘤坏死因子-α(Tumor Necrosis Factor-α，TNF-α)是一种主要由活化单核巨噬细胞和T淋巴细胞产生的多效性细胞因子，时TNF-α基因的基础及应用研究已成为近年来动物抗病育种的研究热点之一，本文克隆及测序分析了牦牛上述两个基因的部分片段。结果表明：ob基因大小为1773bp，TNF-α基因为1160bp，通过genebank中的blastn比较分析牦牛ob基因和TNF—α基因与普通牛种的相应基因同源性都高达98％。     

随机利率场合下一类离散时间模型的破产概率

研究了带有随机利率的一个离散时间风险模型中的破产概率，得到了在通货膨胀和通货紧缩条件下关于破产概率的若干定性结果，所得结果推广了常数利率下经典模型的相应结果．     

网络包分类算法仿真测试与比较研究

在深入分析基于树结构和计算几何学点定位算法而衍生的主要分类算法原理的基础上 ,建立了算法性能评估仿真测试平台 .平台包括网络流的软件仿真、算法的软件实现和算法性能参数测试统计三个主要部分 .通过对各算法的时间性能和空间性能及其随分类规则数和分类域数的变化趋势的测量 ,从数量上把握各算法的主要特点及其适用性 ,从而可以将各种算法有机地结合在一起胜任速度越来越高的网络应用需求 ,同时也是进一步研究其它算法的基础 .     

命名数据网络中的一种双模式转发模型

命名数据网络(named data networking,NDN)是为了解决当前IP网络中因存在大量重复冗余传输所造成的流量爆炸问题而提出的一种新型网络架构.NDN的网内缓存机制极大地提升了网络资源的利用效率,对于传统的端到端业务来说却略显支持性不足.针对于这一问题,提出了一种NDN网络中的双模式转发模型.该模型对内容分发类业务采用传统的NDN转发机制进行转发处理;对端到端业务,采用定长的标签交换代替变长的名字查找来加速转发,并且不再进行缓存操作.基于ndnSIM的仿真结果表明,相较于传统NDN的单一转发机制,使用该转发模型后有效地节省了内容缓存的空间,同时端到端业务的响应时间减小了约37％.     

贝叶斯优化卷积神经网络公共场所异常声识别

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。