|
搜索
搜 索
高等教育领域数字化综合服务平台
一种垃圾焚烧灰固化重金属高强陶粒的制备方法
本发明公开了一种垃圾焚烧灰固化重金属高强陶粒的制备方法，将垃圾灰、盐渍土5、玻璃粉、碳酸钙、碳酸钠按一定重量比例混合，水料比为0.25～0.40，制成球形颗粒，再经干燥、烧结工艺制成；为垃圾的资源化利用开辟了更为广阔的用途渠道；本发明以危险废弃物--垃圾焚烧飞灰作为陶粒原料，通过特定工艺制备成高强陶粒，即便在恶劣环境下也有着极其显著的重金属固化性能，具有极高的稳定性和安全性。本发明既实现了固废的无害化处理、资源化利用，又避免了二次污染。
天津城建大学
2021-04-11
一种多元吸附多维挤密净化加固垃圾土地基的方法
本发明公开了一种多元吸附多维挤密净化加固垃圾土地基的方法，针对垃圾土地基复杂的物理化学性质，将多元吸附和多维挤密两种技术有机的结合，利用一个强穿透能力的打入式铸钢锥形桩尖、分级厚壁锥形扩孔短管去穿透各种经过工业垃圾化学作用板结，或者各种大块度建筑垃圾阻隔的垃圾层，使处理深度达到下卧的软土层。不仅提高了复合式地基的承载力同时也对垃圾土中的有害气体或液态等污染源进行了有效的固化、净化。本发明所需设备便于取得，可操作性强。
南京工程学院
2021-04-13
一种垃圾焚烧灰中重金属的固化方法及其应用
本发明公开了一种垃圾焚烧灰中重金属的固化方法及其应用， 该固化方法包括以下步骤：(1)将垃圾焚烧灰与水两者按一定配比混合 形成混合物，并置于球磨罐中；接着，向该球磨罐中加入磨球；(2)将 球磨罐密封，然后在行星球磨机的带动下使该球磨罐执行球磨处理； 接着，打开球磨罐，并分离出磨球得到球磨产物；然后，过滤该球磨 产物，得到的滤渣在 60℃～85℃下干燥 4h～24h，即得到固化重金属 后的垃圾焚烧灰。本发明通过对关键的球磨工艺，如混合物的配比、 磨球的质量与直径规格、以及后续处理工艺的反应条件等进行改进， 能够将原垃圾焚烧灰中的有害重金属固化，减少其浸出，扩大垃圾焚 烧灰的环保应用途径。
华中科技大学
2021-04-13
一种赤泥与生活垃圾焚烧飞灰的协同处置方法
本发明公开了一种赤泥与生活垃圾焚烧飞灰的协同处置方法，其特征在于，包括以下步骤：(1)将赤泥干燥后研磨成粉末，添加 10wt％至 15wt％的强碱，在 750℃至 850℃之间煅烧活化，冷却后得到所述重金属固化剂；(2)将重金属固化剂和生活垃圾焚烧飞灰混合后得到混合物粉末，所述混合物粉末中重金属固化剂的质量比例在 45％至 60％之间；将所述混合物粉末按水灰比 0.4 至 0.6 加水搅拌均匀得到净浆；(3)将净浆在常温、常压下养护 14 至 28 天，得到垃圾焚烧飞灰复合固化体。本方
华中科技大学
2021-04-14
一种基于数据生存期的固态盘垃圾回收方法
本发明公开了一种基于数据生存期的固态盘垃圾回收方法，包括：将固态盘划分为按数据生存期执行垃圾回收操作的区域Area_timegc 和正常回收区域 Area_normalgc，用递增时间标记 T0、T1、…、TN-1 将 Area_timegc 细分为 S1、S2、…、SN 共 N 个子区间，子区间 Sn 是位于 Tn-1 与 Tn 之间的区间，SN 是 TN-1 与 T0 之间的区间；向固态盘发出写请求时，文件系统记录待写数据的预
华中科技大学
2021-04-14
一种基于拉曼光谱技术的藻种分类识别方法
本发明公开了一种基于拉曼光谱技术的藻种分类识别方法，包括：取相同藻种的多个样本，每个样本均为当前藻种的活体藻液，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，得到对应的预处理谱图，然后采用偏最小二乘法从各预处理谱图中提取主因子；更换藻种，获得与不同藻种相对应的主因子；以所有藻种的主因子作为输入，以与各主因子相对应的藻种分类为输出，建立BP神经网络模型；取待鉴别活体藻液，获得该待鉴别活体藻液的主因子并输入所述BP神经网络模型，获得待鉴别活体藻液中所包含的藻种分类。本发明实现了基于拉曼光谱技术的藻种快速准确分类，大大简化了操作步骤，缩短了检测时间。
浙江大学
2021-04-11
一种基于被动毫米波极化成像的材料分类方法
本发明公开了一种基于被动毫米波极化成像的材料分类方法； 首先利用毫米波辐射计成像系统在无极化照射环境中获取给定入射角 下场景的水平极化图和垂直极化图；再根据水平极化图和垂直极化图 计算得到“线极化比”图像；然后统计分析“线极化比”的分布规律， 利用阈值估计公式估计“线极化比”阈值；最后根据分类准则，实现 对场景中的金属材料和非金属材料的分类。本发明能非接触、被动地 对金属材料和介质材料的进行有效分类，并且不受环境辐射变化的影 响，具有很好的鲁棒性，可用于金属目标的遥感与探测、金属危险品 的安全检测与预警等领域。
华中科技大学
2021-04-11
基于超像素样本扩充的空谱全卷积高光谱图像分类方法
本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。
成果非涉密，专利申请已经提交。
实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。
由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。
表 1 PaviaU 数据集上对比实验结果
西安电子科技大学
2023-03-03
基于空谱差分辅助核联合稀疏表示的高光谱图像分类
该成果提出了一种基于空谱差分辅助核联合稀疏表示分类的高光谱图像分类方法。本章方法的主要创新性在于：1）能够将光谱的差分辅助信息和原光谱特征信息有效结合。2）能够考虑不同光谱属性间的高阶空间相关信息。3）原空谱和差分空谱核特征字典的信息通过具有混合正则的核联合稀疏表示分类方法得到充分利用。通过在真实高光谱图像数据上的实验表明，该成果提出的方法能够有效地提高高光谱遥感图像的分类效果。
主要技术指标
不同数据集下的训练样本与测试样本数参阅表 1. 在该训练样本集数量下的分类结果表现参见表 2. 相比于传统分类器 SVM，OA 提高了约 20%；相比于 SOMP，OA 提高了约20%。
该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果，同时在较少训练样本条件下仍能得到较好的分类精度和分类效果。
表 1. 不同数据集下的训练样本选取数量
表 2. PaviaU 大学数据下不同方法的正确率比较
西安电子科技大学
2023-03-22
一种基于可穿戴生理设备的睡眠阶段分类检测算法
本发明公开了一种基于可穿戴生理设备的睡眠阶段分类检测算法，包括以下步骤：获取多模态脑电生理信号；对多模态脑电生理信号依次执行滤波去除噪声和Z‑score归一化处理，得到预处理信号数据；对预处理后的信号数据通过反向传播算法和梯度下降优化实现，以交叉熵损失函数衡量生成信号与真实信号的差异，不断调整参数使生成信号更接近真实睡眠信号；构建一个与生成器具有相同的卷积单元形式的判别器，判别器与生成器构成生成对抗网络模型，自动调整调节参数，输出不同睡眠阶段的分类结果。本发明通过合理整合EEG和EOG等信号和GAN模型的应用，使模型能够学习到真实睡眠信号的分布并进行准确分类；提高分类的准确性和稳定。
复旦大学
2021-01-12