城市轨道交通运营初期地面公交线网调整策略研究

城市轨道交通运营初期地面公交线网调整,对加强两者网络衔接,形成多模式协同的公交系统具有重要意义。论文首先对地面公交与轨道的竞争与协作关系进行分析,提出地面公交线网调整目标、原则。在分析轨道运营初期公交系统各方式功能结构的基础上,提出两者的网络衔接模式。依据两者的几何关系对线路进行分类研究,结合线路的客流特征,有针对性地采用不同的调整措施以及实施时序。本研究已应用于无锡轨道1、2号线开通前地面公交线网的调整中,得到了具体的调整方案。     

非线性船舶航向控制器Backstepping设计

讨论了Backstepping（反向递推）设计方法在船舶航向控制器设计中的应用问题，基于诺宾（Norbin)非线性船舶模型，应用反向递推方法，成功地设计出非线性航向控制器。Matlab Simulink仿真试验表明，Backstepping（反向递推）算法可以有效克服船舶的非线操作特性，从而达到较好的航向跟踪效果。     

钢筋混凝土框架的非线性全过程分析

本文针对在地震作用下钢筋混凝土框架结构的受力特性,提出了考虑多种受力机制包括弯曲变形、剪切变形和粘结滑移的杆系分析模型,并逐次论述三种受力机制条件下的单元刚度贡献,建议了弹塑性抗剪刚度的计算方法,在此基础上,编制了相应的计算程序,进行了双层双跨钢筋混凝土框架在低周反复荷载下的分析,将计算结果与实验结果进行了对比,吻合良好.     

功能梯度材料研究的进展综述

介绍了功能梯度材料的基本概念以及具有的优势，评述了FGM的应用现状与前景，提出了功能梯度材料在应用方面尚需解决的一些问题，表明了FGM有着广阔的应用前景。     

分布式虚拟环境综述

在分布式虚拟环境中,位于不同物理位置的多个用户或多个虚拟环境通过网络相互联结,进行信息共享和交互.该文结合作者的研究工作,从分布式虚拟环境的产生、需求和特征、模型和结构以及系统关键技术这几个方面对分布式虚拟环境的研究情况进行综述,讨论了存在的问题和进一步的发展方向.     

基于子本体的领域知识资源管理

为实现按需动态的基于语义的知识资源管理,提出一种基于本体语义的动态演化方法.该方法改变了静态利用本体的方式,考虑资源重用的局部性,将来自于大型本体的上下文相关的知识集合表示为子本体.通过建立语义映射,将知识资源的模式统一映射到子本体上,利用子本体的语义将异质异构的知识资源集成到一个缓存中.同时,基于遗传算法,提出了一种子本体演化方法.针对子本体的语义结构和特征,在遗传算法中采用了基于语义的参数编码和适应值评价,从而实现了动态,自适应的知识资源管理.此外,设计了相应的模拟实验,基于一个中医药本体,验证和评价了所提方法的有效性.     

中小制造企业ERP系统的设计与实现

介绍了一个中小型制造企业ERP系统,就其整体结构设计思想进行了说明,并对其生产管理模块的设计与实现进行了详细的阐述。     

一个综合服装设计CAD系统—GMDS

本文介绍的ＧＭＤＳ系统是一个综合服装设计ＣＡＤ系统，它由创意设计、整体设计、衣片设计和试衣镜等６个子系统组成．文章介绍了该系统的系统设计、体系结构及各子系统所具有的功能，并介绍了具体实现时的一些算法．该系统对解决我国服装行业设计中存在的问题具有一定的现实意义     

一种稳定的并行分布式频繁集挖掘算法及其应用

为解决大规模医药数据分析中的频繁集挖掘问题,提出一种稳定且具有良好扩展性的并行分布式算法P-FIM.该算法将挖掘任务分割成无相互依赖关系的同构子任务,实现有效的并行计算;并且充分利用Map/Reduce框架和集群环境的优势提高自身的鲁棒性和负载均衡能力.采用最大规模为512万条记录的中医药方剂数据进行算法性能分析实验,其结果表明,该算法在分布式集群环境中表现稳定,而且随着集群规模的增加其加速比接近线性.以P-FIM算法为基础设计实现的中医药数据相关性分析方案,可有效地从大规模临床数据中获得全面、可靠的病、症、药间相关性的信息.     

RCCtrust: A Combined Trust Model for Electronic Community

Previous trust models are mainly focused on reputational mechanism based on explicit trust ratings. However, the large amount of user-generated content and community context published on Web is often ignored. Without enough information, there are several problems with previous trust models: first, they cannot determine in which field one user trusts in another, so many models assume that trust exists in all fields. Second some models are not able to delineate the variation of trust scales, therefore they regard each user trusts all his friends to the same extent. Third, since these models only focus on explicit trust ratings, so the trust matrix is very sparse. To solve these problems, we present RCCtrust – a trust model which combines Reputation-, Content- and Context-based mechanisms to provide more accurate, fine-grained and efficient trust management for the electronic community. We extract trust-related information from user-generated content and community context from Web to extend reputation-based trust models. We introduce role-based and behavior-based reasoning functionalities to infer users' interests and category-specific trust relationships. Following the study in sociology, RCCtrust exploits similarities between pairs of users to depict differentiated trust scales. The experimental results show that RCCtrust outperforms pure user similarity method and linear decay trust-aware technique in both accuracy and coverage for a Recommender System.