葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

本發(fā)明公開(kāi)了一種相控陣三維攝像聲納系統(tǒng)換能器陣列的幅相誤差校正方法，包括以下步驟：對(duì)第k個(gè)采樣快拍的二維復(fù)采樣數(shù)組，利用二維快速傅里葉變換獲得歸一化角頻率的初始估計(jì)；基于初始估計(jì)，獲得各個(gè)采樣快拍內(nèi)精度更高的歸一化角頻率的估計(jì)值；對(duì)K次采樣快拍的歸一化角頻率的估計(jì)值進(jìn)行算術(shù)平均，獲得校正源方位的魯棒估計(jì)；利用魯棒估計(jì)和空域匹配濾波算法，估計(jì)換能器陣列中各換能器通道的幅相誤差因子；利用幅相誤差因子對(duì)各個(gè)換能器通道的復(fù)采樣信號(hào)進(jìn)行補(bǔ)償，最后利用數(shù)字波束形成算法獲得經(jīng)過(guò)幅相誤差校正的三維攝像聲納波束。本發(fā)明避免了繁復(fù)的迭代和大量的矩陣運(yùn)算，計(jì)算量小，適合三維攝像聲納系統(tǒng)內(nèi)大型換能器陣列的現(xiàn)場(chǎng)校正。

本發(fā)明公開(kāi)了一種基于選擇性隱樸素貝葉斯分類器的網(wǎng)絡(luò)故障 診斷方法，包括：(1)從網(wǎng)絡(luò)歷史數(shù)據(jù)庫(kù)中獲取歷史數(shù)據(jù)，包括癥狀變 量集以及故障類變量集；(2)構(gòu)建選擇性隱樸素貝葉斯分類器預(yù)測(cè)模型， 根據(jù)癥狀變量集中的每個(gè)癥狀變量確定對(duì)應(yīng)的最相關(guān)癥狀變量集合； (3)所述選擇性隱樸素貝葉斯分類器通過(guò)訓(xùn)練歷史數(shù)據(jù)自動(dòng)學(xué)習(xí)到分類 器參數(shù)；(4)進(jìn)行故障診斷時(shí)，對(duì)測(cè)試數(shù)據(jù)利用上述選擇性隱樸素貝葉 斯分類器進(jìn)行估計(jì)得到對(duì)應(yīng)最終的故障診斷結(jié)果。通過(guò)執(zhí)行本發(fā)明中的網(wǎng)絡(luò)故障診斷方法，有效解決了現(xiàn)有網(wǎng)絡(luò)故障診斷中運(yùn)算復(fù)雜度高、 網(wǎng)絡(luò)診斷結(jié)果偏差大的問(wèn)題，顯著提高了網(wǎng)絡(luò)診斷的準(zhǔn)確性，在進(jìn)一 步降低運(yùn)算復(fù)雜度的同時(shí)，能夠保持較好的學(xué)習(xí)能力及容錯(cuò)特性。

本發(fā)明公開(kāi)了一種基于探測(cè)器溫度的紅外圖像非均勻性校正方 法，通過(guò)圖像增益校正系數(shù)和采集的均勻背景圖像，計(jì)算探測(cè)器在不 同探測(cè)器溫度點(diǎn)下的偏置本底，進(jìn)一步地，根據(jù)偏置本底和探測(cè)器當(dāng) 前工作溫度的對(duì)應(yīng)變化趨勢(shì)以插值方法估算探測(cè)器在當(dāng)前工作溫度下 的偏移校正參數(shù)，最后利用圖像增益校正系數(shù)和偏移校正參數(shù)對(duì)紅外 圖像進(jìn)行兩點(diǎn)校正。相應(yīng)地，本發(fā)明還提出了一種對(duì)應(yīng)的校正系統(tǒng)。 本發(fā)明無(wú)需紅外探測(cè)器溫控系統(tǒng)及調(diào)零擋片，根據(jù)探測(cè)器在不同溫度 點(diǎn)下的偏置本底和當(dāng)前探測(cè)器的溫度及時(shí)有效地計(jì)算校正參數(shù)，在保 證紅外圖像校正效果的同時(shí)，有效降低了算法復(fù)雜度，增加了實(shí)時(shí)性。

本發(fā)明公開(kāi)了一種多用戶 MIMO 廣播信道在混合 CSI 下的自 由度優(yōu)化方法，包括：(1)根據(jù)靜態(tài)接收器組的信道參數(shù) Hs 設(shè)計(jì)預(yù)編 碼矩陣 W，<img file=""DDA0000731125240000011.GIF"" wi=""380"" he=""87""/>(2)通過(guò)靜態(tài)接收器的目標(biāo)信號(hào) d和預(yù)編碼矩陣W 獲得靜態(tài) 接收器組的編碼信號(hào) Xs，<img file=""DDA0000731125240000013.GIF"" wi=""534"" he=""88""/> 其 中 xi ＝ Wdi ∈ CK × 1 ， <img file=""DDA0000731125240000014.GIF"" wi=""501"" he=""85""/>(3) 對(duì) 動(dòng)態(tài)用戶的目標(biāo)信號(hào) Xd 和靜態(tài)接收器組的編碼信號(hào) Xs 進(jìn)行格拉斯曼 -歐氏疊乘，得到疊乘信號(hào)<img file=""DDA0000731125240000012.GIF"" wi=""364"" he=""142""/>基站發(fā)送此疊乘信號(hào)；(4)各用戶對(duì)接收信號(hào)進(jìn) 行解碼。本發(fā)明方法對(duì)于動(dòng)態(tài)用戶來(lái)說(shuō)，疊乘并不改變它與基站間的通信，就好像沒(méi)有靜態(tài)用戶存在一樣，其自由度是沒(méi)有變化的；對(duì)于 靜態(tài)用戶來(lái)說(shuō)，基站發(fā)送疊乘信號(hào)時(shí)，可以讓它獲得額外的自由度增 益。

本發(fā)明公開(kāi)了一種在 P2P-CDN 混合視頻點(diǎn)播網(wǎng)絡(luò)中的性能測(cè)試 方法，屬于視頻點(diǎn)播技術(shù)領(lǐng)域。本發(fā)明包括：客戶端的設(shè)計(jì)和實(shí)施、 分布式行為估計(jì)。本發(fā)明將播放緩沖分為三個(gè)流機(jī)器，管理者按照流 機(jī)器的任務(wù)處理權(quán)限的來(lái)依次分配任務(wù)實(shí)現(xiàn)任務(wù)窗口的管理，同時(shí)利 用 rCDN 窗口長(zhǎng)度靈活伸縮和三個(gè)流機(jī)器重新加入的機(jī)制來(lái)模擬客戶 端的暫停和拖拽，最后提出了集中式的控制機(jī)制為提前離開(kāi)的客戶端 選擇合適的替代者。本發(fā)明提供了在大規(guī)模、真實(shí)環(huán)境下的性能測(cè)試 方法，降低了在視頻點(diǎn)播網(wǎng)絡(luò)中的視頻緩沖時(shí)間，為用戶提供穩(wěn)定性 能和可靠服務(wù)

本項(xiàng)目所涉及的多糖是以蝙蝠蛾擬青霉為原料，定向篩選的具有抗糖尿病、抗氧化、抗腎炎作用的活性多糖，能夠有效加速血糖代謝，保護(hù)糖尿病患者肝、腎功能，抑制糖尿病腎病的發(fā)生發(fā)展。技術(shù)創(chuàng)新情況： ⑴ 完成抗糖尿病腎病活性的蝙蝠蛾擬青霉多糖的制備，該多糖分子量為3000-10000kDa，構(gòu)成多糖糖鏈的單糖分子包括D-阿拉伯糖、D-甘露糖及D-葡萄糖。 ⑵ 通過(guò)db/db小鼠體內(nèi)實(shí)驗(yàn)，證明該多糖組成具有顯著的降血糖、降血脂、抗氧化、抗腎炎活性。該多糖通過(guò)調(diào)節(jié)機(jī)體Nrf2/HO-1信號(hào)通路，抑制NF-KB相同蛋白的表達(dá)，實(shí)現(xiàn)其抗糖尿病腎病活性。

本發(fā)明提出一種基于四點(diǎn)二元模型的圖像紋理特征值的提取方法,首先計(jì)算2x2像素塊內(nèi)四個(gè)像素點(diǎn)像素值的均值;其次計(jì)算每個(gè)像素點(diǎn)與均值的差值,若差值大于等于一給定閾值,就置該像素塊的位置編碼值為1,否則為0;最后將四個(gè)像素塊的位置編碼值乘以相對(duì)應(yīng)的權(quán)重后,再將4個(gè)乘積求和,就得到該2x2像素塊的紋理特征值,本發(fā)明只需要計(jì)算四個(gè)像素點(diǎn)與其均值的差值,得到4bit的二進(jìn)制碼,計(jì)算量減少一半且復(fù)雜度低,且能有效地表示人臉的局部紋理信息,可應(yīng)用于人臉檢測(cè),識(shí)別和目標(biāo)跟蹤系統(tǒng).

本發(fā)明涉及一種用于降解苯氧羧酸類除草劑殘留的菌劑.該菌劑由吉氏貪銅菌制成,為球形固體顆粒,表面光滑,富有彈性,機(jī)械強(qiáng)度好,吉氏貪銅菌保藏在中國(guó)普通微生物菌種保藏管理中心,保藏日期:2015年8月7日,保藏號(hào)CGMCC?No:11179.該菌劑的制備操作步驟如下:1.在LB固體培養(yǎng)基中活化吉氏貪銅菌,得到活化菌種;2.將活化菌種接種于LB液體培養(yǎng)基中,搖床培養(yǎng),得到菌懸液;3.將菌懸液離心分離得到濕菌體;將濕菌體和海藻酸鈉水溶液混合得到混合液;將混合液加入到等體積的氯化鈣溶液中,靜置,過(guò)濾,收集沉淀的固體物質(zhì),即得到球形固體顆粒狀的用于降解苯氧羧酸類除草劑殘留的菌劑.通過(guò)降解實(shí)驗(yàn)發(fā)現(xiàn),該菌劑對(duì)2,4-D的降解效果良好.

本發(fā)明涉及一種基于果蠅算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)算法的茶葉儲(chǔ)存時(shí)間分類方法,旨在通過(guò)改進(jìn)的廣義回歸神經(jīng)網(wǎng)絡(luò)解決茶葉儲(chǔ)存時(shí)間分類問(wèn)題,屬于茶葉儲(chǔ)存時(shí)間分類領(lǐng)域.其原理利用電子鼻傳感器模擬人感官品評(píng)的功能和特征,采集不同時(shí)間不同傳感器的特征值,構(gòu)建樣本集.利用果蠅算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò),獲得廣義神經(jīng)網(wǎng)絡(luò)的平滑因子,進(jìn)而構(gòu)建毛峰茶葉儲(chǔ)存時(shí)間的FOAGRNN分類模型和方法.本發(fā)明的有益效果在于將果蠅算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于毛峰茶葉數(shù)據(jù)中,提高預(yù)測(cè)毛峰茶葉儲(chǔ)存時(shí)間分類的效率和準(zhǔn)確度,為消費(fèi)者提供茶葉儲(chǔ)存時(shí)間分類的有效方法.

近日，我實(shí)驗(yàn)室邱讓建副教授在《Agricultural and Forest Meteorology》（農(nóng)林科學(xué)I區(qū)top期刊，2020年影響因子4.651）上發(fā)表題為“An improved method to estimate actual vapor pressure without relative humidity data”的研究論文，該論文第一作者是我校邱讓建副教授，碩士研究生李隆安為第二作者，合作作者為中國(guó)農(nóng)業(yè)大學(xué)康紹忠院士等。這是邱讓建副教授近期在該期刊發(fā)表的第二篇文章。 實(shí)際水汽壓是評(píng)估大氣中水汽含量的一個(gè)間接指標(biāo)，是氣象、水文、農(nóng)業(yè)等相關(guān)學(xué)科中經(jīng)常使用的重要參數(shù)，可反映地表與大氣間的水分傳遞，以及局部到區(qū)域尺度的水平衡。雖然大多數(shù)國(guó)家對(duì)最高和最低氣溫的有較高的觀測(cè)精度，但相對(duì)濕度或和露點(diǎn)溫度數(shù)據(jù)通常不易獲得，或無(wú)法獲取長(zhǎng)期高質(zhì)量的觀測(cè)數(shù)據(jù)，造成較難計(jì)算實(shí)際水汽壓。因此無(wú)相對(duì)濕度數(shù)據(jù)條件下估算實(shí)際水汽壓成為氣象、水文、農(nóng)業(yè)等相關(guān)學(xué)科的研究熱點(diǎn)。 當(dāng)缺乏相對(duì)濕度數(shù)據(jù)時(shí)，前人主要采用最低溫度替代露點(diǎn)溫度或基于最低氣溫靜態(tài)修正最低溫度以估算實(shí)際水汽壓。該文通過(guò)評(píng)估886個(gè)氣象站點(diǎn)的數(shù)據(jù)發(fā)現(xiàn)上述兩種方法在干旱區(qū)大大高估了實(shí)際水汽壓。而基于最低氣溫修正露點(diǎn)溫度的修正因子與干旱指數(shù)間存在極顯著的對(duì)數(shù)函數(shù)關(guān)系。基于該關(guān)系可動(dòng)態(tài)修正露點(diǎn)溫度，進(jìn)而準(zhǔn)確估算不同氣候區(qū)的實(shí)際水汽壓。提出的動(dòng)態(tài)校正露點(diǎn)溫度的方法較文獻(xiàn)中的不修正或靜態(tài)修正露點(diǎn)溫度的方法在所有氣候區(qū)均大幅提高了估算精度。該方法適用于日尺度以上的實(shí)際水汽壓的估算。