基于混合模拟退火算法的多约束装箱问题研究

文章针对现实中在实际多种约束条件下存在的三维装箱问题,考虑在多种现实约束条件下,建立一个装箱模型。该模型通过启发式算法得到一个初始解,再根据模拟退火法得到最优解,利用标准抽样对最优解进行多次测试,得到符合实际情况的最优解,提高空间利用率,从而实现利润最大化。最后,以一个具体的例子进行测试,计算结果表明在约束条件下装箱问题的解决方案可行性较强。     

Title加TextRank抽取关键句的情感分类研究

考虑到不同句子对判断文档情感倾向的重要程度不同，因而区分文档的关键句和细节句将有助于提高情感分类的性能。同时，考虑到Title和上下文信息，提出了一种基于Title和加权TextRank抽取关键句的情感分析方法SKTT，实现了高效的情感分析。根据文档Title的情感权重计算Title贡献度，考虑到标点和语义规则对情感倾向的影响；根据加权TextRank算法思想，在文档正文中构建了一个情感句有向图来提取关键句；计算所有关键句的情感倾向进行情感分类。在4个领域上进行实验，实验结果表明，该SKTT方法性能明显优于Baseline，具有高效性。     

GB/T 32017-2019质量水平控制的问题

产品标准的检验规则是生产企业控制产品质量水平的依据,它既要遵循科学准确的原则,又要便于操作,各种规定要协调一致。产品标准GB/T 32017-2019《水性墨水圆珠笔和笔芯》的检验规则隐藏着问题,存在着自我否定,不利于生产企业的自我监督,从而导致监管部门扩大了打击范围。     

基于数据驱动理念的电力日负荷曲线预测方法研究

针对短期日负荷预测的精度问题,本文提出一种基于数据驱动理念的电力负荷预测方法。在建立预测模型前对所给数据采取一定的预处理:首先提取所收集的海量数据的负荷特征,对负荷特征进行分析,然后进行负荷数据与影响负荷值的因素之间的相关性分析,以此确定对负荷影响较密切的因素,随后建立分类器得到各主要影响因素与各负荷类别之间的关系为后续预测模型奠定基础。对预处理后得到的不同类型的负荷数据采用最小二乘支持向量机方法建立不同的负荷预测模型。以南方某发达城市2008年的负荷数据作为算例验证数据,将本文所提负荷预测方法所得结果与未经数据预处理的负荷预测方法所得结果进行比较,结果表明本文提出的方法得到的预测结果精度较传统方法提高约6%。     

一道二组分相平衡系统计算题的解法

物理化学知识点繁多,公式多而难记,对典型习题采用不同方法解题可以有效的提升教学效果。对一道二组分相平衡系统的习题分别应用了杠杆规则和物质守恒原理两种方法进行解题,通过分析对比,总结了两种解题方法各自的优点。对同一题型采用不同方法进行解题,加深了学生对杠杆规则的理解,提高了学生灵活应用杠杆规则解题的能力,使学生进一步认识到物质守恒原理在相平衡中的重要性。     

人人都可挖掘的巨大潜能—谈科学方法论的应用效果

本章首先举出如何利用辩证唯物主义及全局形态的普适型的科学方法论的体系和规则,来挖掘可以被人们利用的巨大潜能。作者通过亲身实践,在人生奋斗的道路上,通过对总结出的科学方法论体系和规则的学习与运用,挖掘出了能被利用的巨大潜能。     

基于反泄露傅里叶变换和凸集映射的OVT域数据重建方法

基于偏移距矢量面元(Offset Vector Tile,OVT)的地震数据处理方法可以较好地提高复杂地质体的成像精度。但由于采集成本和地理地质条件等因素的影响,常导致采集不规则,CMP覆盖次数不均匀,在OVT域内数据很难实现理想的规则采集。因此,数据重建技术是OVT域关键的处理技术之一。本文通过分析OVT域的数据特征,提出利用反泄漏傅里叶变换(anti-leakage Fourier transform,ALFT)和凸集映射(Projection Onto a Convex Set,POCS)联合进行OVT域数据重建的方法。利用反泄漏傅里叶变换可使重建结果在有限频宽内保持数据信号不受损失同时亦可压制高频信号的假频问题。通过模型数据随机抽稀后的重建结果与原始数据的对比分析,验证了本文所提方法的有效性和可行性。将该方法应用到南方某实际三维地震资料的处理中,数据重建前后的叠加剖面与偏移结果的效果对比,亦表明本方法在提高断层成像精度方面具有良好的效果。     

一种基于关联规则的知识推送方法

针对复杂机械产品概念设计中数据量大造成的知识获取问题,为充分挖掘知识资源的潜在价值。在论述零件产品知识模型和关联规则原理的基础上,提出一种基于关联规则的知识粒度化推送方法。首先将零件知识依据知识粒度层次理论进行描述,并引入知识需求概念,构建关联知识主动推送框架;然后依据关联规则FP-tree算法完成关联知识相似度匹配,有效的加速了知识检索和推送的速度;最终以机械产品实际生产为例验证所提方法在知识推送应用中的可行性。