提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块.特征提取模块主要包括采用基于不变矩和弹性网格技术的串行特征融合方法,所得到的特征向量不仅充分反映了手写体汉字的全局和局部特征,而且具有很强的区分表达能力.分类识别模块将神经网络多类分类策略与最小二乘支持向量机相结合,所得到的分类器不仅识别率高、泛化能力强,而且有效地解决了多类分类问题.实验证明本文提出的识别系统能够取得很好的识别效果

分析了单机架平整机轧辊的实际辊形、磨损状况,并通过运用有限元模型计算辊缝曲线的2次和4次分量研究了辊形对板形的影响.结果表明,工作辊磨损较轻,对辊形影响不大,但原始辊形与目标辊形差别较大,是产生1/4浪板形缺陷的因素之一;支持辊局部磨损较严重,但这种不均匀磨损对板形影响较小,在整个服役期内对板形的作用基本不变

通过对安太堡煤矿1976-2006年期间共10期遥感数据的处理分析,建立了该煤矿土地利用遥感分类系统;在遥感和GIS平台支持下,对10期遥感数据进行正射校正;采用人机交互式解译方式提取了该矿区近30 a的土地利用变化情况,并通过室内航片以及野外实地考察进行了验证.结果表明:研究区土地利用类型由简单到复杂,由1976年的4种类型发展到2006年的12种类型;地表遭到强烈破坏,到2006年因采矿破坏的土地达到了2730.7 hm2,大面积复垦工作从1993年开始,到2006年共复垦了687.05 hm2,为破坏面积的25.1%,复垦后部分地段出现退化,且有逐步扩大的趋势,需要尽快采取补救措施

为了提高网格的智能水平和协调能力以及协同分布的网格服务,支持动态的计算环境和多变的用户需求,提出了协同智能网格CIG(cooperative intelligent grid).CIG以OGSA为基础,应用分布式人工智能和分布协调控制的理论和方法来研究和解决网格中如何高效准确地协同现有的网格服务以完成所面临的任务.文中描述了CIG的概念和体系结构,从社区/联邦式政策导向型的系统结构、领域自适应的中介服务协作机制和理性化协商机制等方面构建开放动态的CIG.CIG可以有效地组织各网格实体的协调、协商和合作,提高了服务组合的自动化程度和抽象层次

提出了一种面积优先的多功能、可重组的大数值运算器设计方法.基于简单的加法操作,采用扫描链控制、迭代调用等方法对设计进行优化,实现了14种基本的大数运算功能.每种功能支持的规格从8位至2048位,给安全芯片用户提供了极大的灵活性,显著减小了代码的开发周期和成本.由于多种功能尽量复用相同的逻辑资源,本设计在满足体系运算速度的前提下,规模只有13887门,完全满足安全芯片面积优先的设计约束

研究了异养无光照条件下不同碳源、氮源和碳氮质量比对小球藻生长及叶黄素产生的影响.结果表明,葡萄糖和硝酸钾分别是支持小球藻USTB01持续快速生长的最佳碳源和氮源.以葡萄糖和硝酸钾分别作为唯一碳源和氮源时,在初始氮质量浓度都为0.28g·L-1情况下,碳氮质量比为25:1是促进小球藻生长的优化控制条件.硝酸钾是促进小球藻USTB01叶黄素生物合成的最佳氮源,但在碳氮质量比从15到30的范围内,小球藻细胞中叶黄素含量随碳氮质量比的升高而降低

采用微波等离子体化学气相沉积法,N2/CH4作反应气体,在Si(100)基体上沉积β-C3N4化合物.使用X射线光电子能谱(XPS)研究了基体温度对碳氮薄膜的成分和结构的影响,结果表明:随着温度的提高,N/C原子比迅速提高,α-和β-C3N4在薄膜中的比例随之提高,超过一定的温度后,N/C原子比将会降低.傅立叶变换红外光谱(FT-IR)和喇曼(Raman)谱结果支持C-N键的存在

以冶金工业部人才资源的管理问题为背景,给出了人才资源智能管理系统的具体设计方法.该系统中,广义的管理分析预测模型树用于其知识表达,系统结构由多库结构支持;在其推理机方面,应用元知识推理以协调定性推理、定量推理和人工神经网络推理.将有限的自然语言理解引入人-机界面,用TURBO PROLOG和C语言在IBM/AT微机上对该设计部分实现,表明了其合理性及可行性

利用电化学手段在氧化铟锡(ITO)导电玻璃表面成功制备了Rh纳米粒子,并发现包裹剂、支持电解质以及电化学参数对产物的形貌及尺寸有着显著影响.通过对上述参数的调控实现了Rh纳米粒子的形貌可控制备,得到了准球形、岛状以及片层状的Rh纳米粒子.此外对岛状Rh纳米粒子在表面增强拉曼光谱中的应用进行了研究.结果表明该种结构具有良好的表面增强拉曼活性

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度