本发明公开了一种安全性高的计算机测试散热装置，涉及计算机技术领域，其包括固定箱，所述固定箱上侧壁固定连接有散热板一。该安全性高的计算机测试散热装置，通过连接架、螺钉槽以及螺钉将散热板一紧密连接到计算机主板无连电子元件一侧面上，通过计算机测试时的开机将电机通电，进而通过齿轮二、齿轮三、传输轴、链轮一、链条一、双链轮、链条二、链轮二、翻动轴、翻动辊以及砂砾层配合散热板一吸取计算机主板上的热量，同时还避免了工作人员在测试计算机主板设置多个电子元件的一端时造成损伤，从而解决了现今大多数的计算机测试用散热装置均不具备防护安全性的功能进而在通风散热时会一定程度上给靠近进行检测的工作人员造成伤害的问题。

本发明公开了一种准确预警危险化工气体的楼道预警装置，包括墙体，墙体的一侧壁中部设置有导轨，导轨的一侧设置有升降机构，升降机构的顶端设置有柜体，且柜体与升降机构之间为固定连接；柜体的两侧侧壁顶部均贯穿设置有过滤机构，柜体顶端的一端设置有报警器，柜体顶端的另一端设置有激光气体遥测仪，柜体的一端侧壁底部设置有控制面板。本发明结构科学紧凑，能够通过气体探测器和激光气体遥测仪对楼道内的气体进行双重检测，从而能够提高楼道预警装置在预警过程中的准确性，并在出现火情或者化工气体泄漏时可以通过报警器对人们提供报警，提醒人们快速逃离。

本发明公开了一种两节串联电池组升压型均衡放电电路及控制方法，包括两节串联电池组、升压电感、升压电路、输出滤波电路、输出电压控制器、电池组均衡放电控制器和PWM发生器；所述两节串联电池组、升压电感、升压电路以及输出滤波电路依次电性连接进行存储、升压、滤波，并通过输出电压控制器、电池组均衡放电控制器以及PWM发生器进行控制。本发明实现了两节串联电池组的升压功能，且在放电过程保证每节电池组能够均衡放电，保证每节电池组端电压相等，从而延长了电池组的使用寿命。

一种高气密性磁吸闭合的推拉窗结构，其特征在于，包括气密安装部，所述气密安装部设置有滑动连接件、驱动连接件和密封条；所述驱动连接件安装于升降槽，所述驱动连接件安装有所述密封条，所述密封条突出于所述气密安装部；所述滑动连接件安装有第一卡扣件，所述驱动连接件安装有第二卡扣件；所述滑动连接件可滑动于所述气密安装部，向所述第一卡扣件施加朝所述第二卡扣件滑动的推力；通过安装盒与窗框轨道的贴合，解决了推拉窗气密性不足的缺点，使得进一步提高了推拉窗的气体和液体的密封能力以及降噪能力，使得推拉窗能够适用于更加多的环境中，大大提高了推拉窗的适应性。

本发明公开了一种LTE系统中混合业务的下行资源调度方法，即混合服务指数因子(HSEF,Hybrid Service Exponential Factor)算法。本调度方法包括以下步骤：在基站侧根据基站底层上报的信息，计算用户在每个资源块的有效信噪比SINRi,j，然后根据香农公式计算出用户在该时刻上的瞬时传输速率ri,j，并求得瞬时频谱因子根据当前获得的瞬时传输速率ri,j，计算用户平均吞吐量并求得平均吞吐量因子根据每个服务的业务类型及相应保证比特速率(GBR,Guranteed Bit Rate)要求计算业务权重因子Wi,j；最后根据前述所求得的各因子计算用户调度权重ωi,j，系统则根据用户的调度权重进行资源调度。本发明改善了用户间公平性和保证比特率业务的性能，从而提高LTE系统整体性能。

一种基于不平衡数据集的文本特征选择方法，在计算机上计算不平衡文档的特征集合，选择分类算法模型进行建模，具体包括以下步骤：步骤1将数据集分成多数类和少数类，并规定少数类为正类，用ci表示；多数类为负类，用表示；步骤2将数据集中的文本进行预处理，分词、去除停用词等操作，形成特征t的集合T；步骤3在不平衡类别文档中分别计算每个特征t对应的以下参数A、B、C、D、N；步骤4在不平衡类别文档中分别计算每个特征t在不同类别下的新的χ2(t,ci)；步骤5在不平衡类别文档中分别设置筛选特征的阈值，并根据每个特征计算出来的χ2(t,ci)按照大小顺序排列，按照类别取出指定特征数目的特征集合T'；步骤6根据特征选择后的特征集合T'，选择合适的分类算法模型(决策树、支持向量机、贝叶斯等)进行建模。

本发明公开了一种基于信道状态信息的无源室内定位方法，该方法利用普通的设备搭建数据采集平台，具体的定位可分为两个阶段：离线训练阶段和在线测试阶段。离线阶段采集人体位于每个位置的信道状态信息数据，经过预处理后存入位置指纹库，建立位置‑数据指纹的映射关系；在线阶段，同样对数据进行预处理，并利用机器学习中的朴素贝叶斯算法进行位置分类。同时，为进一步提高分类的准确度，引入了置信度方法，综合了多条天线对的分类结果来减少位置误判。通过上述方式，本发明能够以较低的成本有效实现对室内人员的无源定位，最优的情况下可达到90％以上的分类准确度。本发明在入侵检测、智能家居等领域具有一定的应用价值。

一种基于信道状态信息和KNN的室内人体朝向识别方法，该方法利用了简单可得的设备搭建数据采集平台，具体的朝向检测主要分为两个阶段：离线训练阶段和在线测试阶段。离线训练阶段采集人体在8个方向时的CSI数据并进行预处理，通过主成分分析(PCA,Principal Components Analysis)方法提取特征值，并建立朝向‑CSI数据的指纹映射关系；在线测试阶段，将测试数据变换到与训练数据相同的维度，并利用机器学习中的最近邻算法(KNN,K‑Nearest Neighbors)得到每个测试样本的分类结果。最终的估计朝向为所有测试样本中出现最多的分类。通过上述方式，本发明能够利用现有的简单设备，以较好的性能和较低的成本实现无源室内人体朝向的识别。本发明在智能家居、入侵检测、室内导航等领域具有一定的应用价值。

一种基于网络可视图的无源室内定位方法，利用普通的WLAN设备搭建信道状态信息数据采集平台并构建网络可视图，定位过程分为两个阶段：离线训练阶段和在线测试阶段；离线训练阶段时将子载波序列信号类比成时间序列信号，并通过可视图和水平可视图两种方法构建复杂网络，从而提取网络特征用之建立位置指纹库；在线测试阶段同样采集数据并利用几个机器学习算法进行位置分类；与此同时结合了幅度以及相位信息，并且综合了多对天线以进一步提升检测的准确性和稳定性。本发明能够大大降低实际运营成本，从而有效实现对室内人员的无源定位，且在最优的情况下可实现95％以上的分类准确度。在智能家居、物联网、入侵检测等领域具有一定的应用价值。

一种基于多天线WLAN的PM2.5污染检测方法，整个检测方法分为训练阶段和测试阶段，分别采集室内环境不同PM2.5浓度时的CSI数据，在数据预处理后取统计特征作为机器学习的特征，利用机器学习算法对其进行分类检测。为了进一步提高检测的准确率，采取综合不同天线对上的CSI幅度和相位信息的方法，来得到最终的PM2.5污染检测。本发明能够以很低的成本有效实现对室内PM2.5的检测，具有一定的应用价值。