摘要：为了增强普通螺旋管的混合效率，在普通的螺旋管结构中引入突放突缩结构，设计制造出缩放螺旋混合器。以竞争串连反应的离集指数为指标，对缩放螺旋混合器的结构进行了优化设计，考察了缩放螺旋混合器的几何参数——混合单元数、粗细段长度比、螺距、曲率半径以及 Reynolds 数对混合器的混合效率的影响。结果表明：缩放螺旋混合器的粗细段长度比为1/4，曲率半径为10.5 mm，混合单元数为40，Reynolds数在1000～1575时混合效率最佳；参数优化后的缩放螺旋混合器比普通螺旋管混合器以及具有缩放结构的直管混合器中的混合效率更高。

摘要：针对泄洪风险和施工导流风险计算对洪水缩放的要求和传统洪水同频率放大方法中手工修匀任意性较大等方面的不足,提出采用计算机优化方法来实现洪水过程的自动放大。在满足洪峰流量约束和分时段洪量约束条件下,本文建立了以洪水过程模式尽量相似为目标的洪水过程放大优化模型,并采用具有全局搜索能力的遗传算法和并行组合模拟退火算法求解该模型。通过实例计算可以看出,这两种算法计算结果均能较好的满足洪峰洪量约束要求,并有效保持了典型洪水的模式,避免了人工修匀的任意性。

摘要：简要介绍了在计算机辅助鞋帮样设计中帮样片缩放的功能和特点,并说明其在鞋设计中的应用方法。

摘要：为解决传统Catmull-Rom缩放结构因行列计算量比例不协调导致行/列插值部件长期停顿而造成的性能低下问题,提出了两种自适应结构.在传统结构的基础上增加三个插值部件,并结合两种自适应策略,分配新增插值部件用于行或列插值,并对处于工作状态的插值部件的数量进行调整,得到两种自适应结构.实验表明:与传统结构相比,结构一各类资源占用为原来的1~2.5倍,而性能提高最大为原来的3.99倍,但仅在缩小时存在性能提升,适用于仅存在缩小的场合(如纹理的MIPMAP);结构二各类资源占用为原来的1.7~2.5倍,而性能提高最大为原来的3.98倍,在缩小与放大时均存在性能提升,适用于放大缩小同时存在的场合(如图像的缩放).

摘要：在满足数据收集任务的时延要求及可靠性要求的前提下最小化能量消耗是传感器网络设计中的一个关键问题。选取不同的调制级数(即调制时的星座图大小,每符号位数)可以获得不同程度的能量节省,但引入不同程度的时延的同时也会造成不同程度的丢包。本文提出了一种优化模型在满足数据收集任务的时延要求及可靠性要求的前提下,最优选取各节点的调制级数以最小化网络能耗延长网络生命期。并在此基础之上提出了一个集中式控制算法以根据网络状况自适应地调节各节点的调制级数。实验表明本算法在所考查的各种网络环境下都能明显减少能耗,可以用该模型来确定时延及丢包率对能耗影响的敏感区。另外我们发现,如果将节点的服务率设置为与节点的包到达率近似成比例,在大多数情况下都能够获得好的节能效果。

摘要：为了缩放图像而不改变图像中重要特征物的大小和比率,提出一种叫做缝络删增的缩放方法。一个缝络就是从顶到底或从左到右8-连接且仅连接一个像素的路径。最佳路径由图像的罗伯茨梯度函数来定义。通过在行列一个或二个方向重复删除或插入缝络就能改变图像的尺寸和比率。算法定义的缝络绕过了特征物边界,从而保护了图像的内容。理论分析和实验结果表明,该算法较其它算法能更有效地保护图像特征物。

摘要：Visual Basic作为可视化编程软件,不仅提供多种数据类型,完成复杂的数据运算,而且支持跨平台开发,具有强大的数据库功能。振动时效配套装置的监控软件开发系统采用了VB开发,介绍了振动时效监控软件中实现数据实时采集并存储数据库的全过程。数据采集后的处理与分析对于数据采集的后期分析非常重要,当数据存储到数据库后,进一步阐述了振动时效分析的图形绘制分析方法并实现,并进行图形绘制后放大缩小查看图形的功能研究开发。

摘要：我们教你通过简单的后期处理把普通的微距花卉变成极具创意的缩放效果照片。在拍摄过程中变焦,可以拍摄出极具动感的照片。照片中间清晰,而四周呈放射状虚化,效果非常有趣。这种拍摄技巧在拍摄彩色物体时应用广泛,比如色彩鲜艳的花朵。但是在使用微距镜头的时候,你就会遇到麻烦。

摘要：设想一下，如果你在后乔布斯时代的苹果公司当管理者，你会怎么样去寻求销售业绩的增长？很多公司认为现在设计外包已经不适于提升用户体验，体验设计的部分应该属于公司的核心业务。在设计咨询界，我们在过去的几年间已经做了很多帮助企业构建这种核心能力的事情。然而，即使一些已经组建了用户体验设计团队的公司，也不见得会在每个产品研发团队里面配上设计师（当然，想要也不见得有那么多人可用），所以用户体验设计团队往往只能关注一些当家产品，大部分业务和产品还是原来的老样子。

摘要：整个系列我们都在讨论初代GB SoC(GB指GameBoy)的设计。而GB SoC毕竟是20世纪七八十年代的处理器设计,虽然基本概念在现代处理器中并没有什么变化,一样都是将机器代码存储在内存中,由CPU来执行机器代码。然而不同的是,GB的内核主频只有4MHz,需要几至几十周期才能执行一条指令;现在的CPU主频通常都在2-5GHz,一个周期可以执行数条指令。性能上的差距是巨大的。然而,是什么带来了如此巨大的差异?上期我们已经提过了CPU微架构的设计,只要对外表现行为一致,CPU就可以选择在一个周期执行多个指令,甚至可以乱序执行指令。那为什么几十年前的CPU没有这么做呢?因为做不到。本期要谈的就是摩尔定律和缩放定律(Dennard Scaling),为什么数字集成电路的性能能在过去几十年内呈指数级增长,又是什么在阻止CPU性能继续增长。