混凝土氯离子扩散系数的研究综述

多数RC结构的损伤程度是由其中盐离子传输特性决定的。特别是氯离子扩散系数。因此,有大量文献对此进行了理论实验分析。本文对近年来氯离子扩散系数的试验方法与预测模型进行讨论,并以此指导接下来的工作。     

基于.Net架构的科研管理系统

该文对高校科研管理工作进行了详细分析,结合高职院科研工作的特点,设计并开发了基于C/S和B/S混合模式的科研管理信息系统,该系统从某高职院科研管理工作的业务流程和教职工的实际需要出发,设计了相应的功能模块和操作流程,应用了正则表达式技术直接从“知网”提取教职工论文发表信息,节省了数据录入时间. 该系统投入运行近两年,使用结果表明,该科研管理系统使科研管理工作更加规范,工作效率大大提高.     

局部特征点的3维模型变换域水印算法

目的 为进一步提高变换域水印的鲁棒性,解决多分辨率小波变换对三角形网格形状的限制,提出一种基于局部特征点的变换域水印算法。方法 首先根据经度角和纬度角对模型分区,并求出局部特征点;其次由局部特征点的模长与非局部特征点模长的均值构成的比值组成2维矩阵,对2维矩阵进行离散小波变换,并修改小波系数中的各分辨率层的中高频系数来嵌入水印;最后通过逆向离散小波变换得到空域信号,修改3维模型局部特征点的模长以得到含水印的3维网格模型。结果 本文方法能够不受平移、旋转、均匀缩放和顶点重排序的影响,并能有效抵抗噪声、简化、剪切、细分、量化和联合攻击等一系列的常见攻击。结论 实验结果表明,该算法具有很好的鲁棒性和不可见性,对模型的网格形状无严格要求。     

数据结构课程思政教学设计与实践

分析高校传统工科教育存在问题与开展课程思政的重要意义,阐述基于任务驱动和模拟情境的数据结构课程思政的教学设计理念,以最小生成树为例,详细介绍数据结构课程思政的教学设计方案与实施过程,最后从成绩对比和满意度调查两方面评价其教学成效。     

含钪Al-Cu-Li-Zr合金的热处理

通过显微组织观察和室温拉伸实验，研究了固溶处理制度和时效前预变形对含Sc的Al-Cu-Li-Zr合金力学性能与显微组织的影响。结果表明：适当提高固溶温度或延长固溶时间可以促进合金中过剩相的溶解，提高合金的强度和塑性；时效前适量的预变形促进T1相的大量弥散、细小析出，显著提高合金强度。过大的预变形量使T1相变得粗大且分布不均匀，合金强度降低。合金适宜的固溶制度为530℃，保温60min，适宜的预变形量为3．5％。     

含钪Al-Cu-Li合金的形变时效研究

通过显微组织观察和室温拉伸试验，研究了形变时效对含钪Al-Cu-Li合金组织和拉伸性能的影响。结果表明，时效前的预变形能促进T1(Al2CuLi)相弥散细小的析出，显著提高合金的强度，使时效峰值提前。合金的强度随预变形量的增大而升高，但预变形量过大，不利于T1相的析出形态和分布，影响合金的性能。在本试验条件下，该合金的最佳预变形量为3．5％。     

价格水平波动与财富转移问题研究 ———以我国A股上市公司的微观证据为样本

经济理论认为,价格水平的波动将会导致财富的转移。使用Alchian 和Kessel发展的Portfolio 方法,利用中国A 股上市公司 的微观数据,实证分析价格水平波动下财富转移问题的结果表明,价格水平波动的确会导致财富转移,股票综合价格的增长率部 分地可以用价格水平波动造成的财富转移来解释。     

容错多处理机中一种高效的实时调度算法

针对基于主副版本容错的多处理机中独立的、抢占性的硬实时任务,提出了一种高效的调度算法——TPFTRM(task partition based fault tolerant rate-monotonic)算法.该算法将单机实时RM 算法扩展到容错多处理机上,并且调度过程中从不使用主动执行的任务副版本,而仅使用被动执行和主副重叠方式执行的任务副版本,从而最大限度地利用副版本重叠和分离技术提高了算法调度性能.此外,TPFTRM 根据任务负载不同将任务集合划分成两个不相交的子集进行分配;还根据处理机调度的任务版本不同,将处理机集合划分成3 个不相交的子集进行调度,从而使TPFTRM 调度算法便于理解、实现以及减少了调度所需要的运行时间.模拟实验对各种具有不同周期和任务负载的任务集合进行了调度测试.实验结果表明,TPFTRM与目前所知同类算法相比,在调度相同参数的任务集合时不仅明显减少了调度所需要的处理机数目,还减少了调度所需要的运行时间,从而证实了TPFTRM 算法的高效性.     

基于深度学习与SVM的吸毒成瘾者识别

提出一种使用PCA和线性判别器的神经网络模型,利用深度学习方法通过面部图像及抽象特征中的局部信息识别吸毒成瘾者的成瘾程度和社区矫正时间。首先对主干网络Res Net50进行预训练;再使用PCA降低特征数、Fisher判别器进行预判,从而使模型的训练时间减少、特征提取更加准确和快捷;最后网络末端通过全连接层与SVM函数的组合进行分类。随机梯度下降的优化目标采用了交叉熵损失。实验表明,此方法对于吸毒成瘾程度的识别准确度可达81.74%,对于社区矫正时间的识别准确率可达60.59%。     

基于麻雀搜索算法的光伏阵列参数辨识

目前最为常用的光伏电池参数辨识方式是解析法与智能优化算法,麻雀搜索算法（SSA）是新提出来的智能优化算法,具备传统智能优化算法优势的同时,提高了运算速度,对传统算法易陷入局部最优的问题进行了优化。在对光伏系统智能化监测的需求下,提出了一种基于麻雀搜索算法的光伏阵列参数辨识方法辨识模型参数,然后对光伏阵列特性曲线进行拟合。通过实测数据对光伏电池的相关参数进行辨识,之后再对特性曲线进行拟合,结果表明采用该方法可以在保证计算速度的同时精确地对特性曲线进行拟合。