简介：域自适应算法是一种能有效解决训练集（源域）和测试集（目标域）样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机（DDM-ELM）用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标：1）最小化源域样本的分类误差;2）通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3）利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.

简介：雷达天线车自动调平系统是雷达的重要组成部分,对提高雷达的测量性能和机动能力起着决定性作用.高机动性车载雷达等设备要求实现快速架设与撤收.针对目前液压调平系统存在的缺点和车载设备快速调平的需求,我们设计了基于CANopen总线的大载荷车载自动调平系统,实现了总线式多轴控制,完成了电动缸支腿的结构设计、控制系统的软硬件设计以及调平策略的研究,并进行了实验测试.实验结果表明,该系统能实现快速自动调平,调平时间小于3min,调平精度优于0.05°.

简介：针对固体结构内部温度测量的工程需求,比较了目前工业中应用较多的热电偶测温法、光纤光栅测温法、中子共振谱法和超声测温技术,发现超声测温技术具有非接触式测量、测温范围广、响应速度快等特点而更适用于固体结构内部温度的测量.调研了超声测温技术的发展历史与国内外现状,重点对超声温度场重建方法进行了介绍与分析,发现现有的重建方法主要是针对一维温度场的而且都存在参数获取困难的局限性,导致重建方法的适用性较差并且重建精度较低.综述了超声测温技术在火灾损伤、医疗卫生、核力发电、冶炼制造等领域中的应用,讨论了超声测温技术在测温机理、声时测量算法和时间测量分辨率等方面存在的技术问题,总结了超声测温技术在今后发展中的重点研究方向并提出了展望.

简介：目的：对大花紫薇的化学成分及其药理作用的研究进展作一综述,提供有关大花紫薇叶研究的较全面的科学资料。方法：查阅国内外公开发表的文献23篇,对从大花紫薇叶中得到的化学成分及其药理作用进行论述。结果：大花紫薇叶主要含有鞣质类、三萜类、生物碱类、黄酮类等化学成分。且在降血糖、降脂、抗氧化以及抗真菌等方面有较好的药理作用。结论：本综述为进一步开发利用大花紫薇提供参考。

简介：海绵是我国南海蕴藏着的一种非常丰富的生物，其中含较多具有生物活性的核苷类化合物；通过有机溶剂提取、柱层析分离纯化从海绵（Clathriafasciculate）中获得一个核苷化合物，利用现代波谱等技术鉴定其为腺嘌呤核糖核苷。

简介：人群分析在模式识别和机器学习领域内是一个非常有趣的课题.人群小群体成员之间的主从关系检测为视频监控和计算机视觉领域打开了新的视野.同时,小群体主导者的检测也是人群分析的重要组成部分.文章提出一种结构化SVM的学习框架,并结合行人的时间滞后分析特征和行人位置关系特征对小群体主导者进行预测.实验结果表明,本方法在人群分析数据集下取得了很好识别效果.

简介：为了探索大功率器件热控系统采用毛细芯微槽蒸发器的结构优化方案,特建立了基于多孔介质模型的微小槽道蒸发器数值计算单元,采用CFD研究了储液腔布置位置、供液口位置对两相流动与传热过程的影响.仿真结果得到储液腔位置对于毛细芯微槽蒸发器的换热性能、均温性和进出口压降影响显著,其中底部布置储液腔的蒸发器更具优势;在底部布置储液腔情况下,不同供液口位置影响作用不明显.以上结论为提高毛细芯微槽蒸发器的流动传热特性提供了参考数据.

简介：串联谐振（LLC）变换器优于常规硬开关脉冲宽度调制（PWM）变换器,具有效率高、应用广泛等特点.文章提出一种LLC谐振变换器的磁集成拓扑结构的设计方法,即采用基波分析法分析所设计的磁集成电路电压增益关系,进行磁集成谐振网络参数设计和优化,并用Mathcad软件仿真.结果表明,采用磁集成技术对谐振电路效率的提高有一定的可行性和有效性,从而进一步减少谐振电路的体积和成本.

简介：利用改进的电弧放电技术合成及多步高效液相色谱（HPLC）分离方法,得到了大碳笼含钆氧化物团簇的金属富勒烯Gd_2O@C_（88）.激光解吸电离碰撞诱导解离质谱/质谱的研究结果表明,氧化钆团簇位于碳笼内部.密度泛函理论计算结果表明,金属富勒烯结构为Gd_2O@D_2（35）-C_（88）.内嵌团簇向碳笼转移4个电子,价态＋4,碳笼-4价,金属富勒烯的电子结构表示为[Gd_2O]~（4＋）@[D_2（35）-C_（88）]~（4-）.

简介：近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.一方面,利用加权Schatten-p范数对图像背景进行低秩约束.另一方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著性目标进行稀疏约束,以此提高显著性检测精准度.经过与4种已有的常用显著性检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.