数字化技术--21世纪服装业发展的必然趋势

研究了数字化服装业的开发现状———服装CAD、CAM、CAPP、ERP等系统软件的应用情况 ;其中主要介绍了服装CAD、CAPP的发展状况 ;分析了数字化服装业的发展趋势———电脑三维技术、智能化、集成化、网络化 ;指出我国的服装工业要想走上现代化的发展道路 ,必须借助高新技术 ,不断开发实用的系统软件 ,并能建立企业的CIMS系统。     

数字通信中衰落信道信号处理方法

在数字通信中,存在选择信道的问题,如输入信号的序列为x(n)=[x_1(n)]~a·[x_2(n)]~b (1)而通信要求只选择 x_1(n),滤去 x_2(n)。也就是要增强 x_1(n),衰减 x_2(n)。但这是一个非线性信号,用普通滤波器作线性处理,无法实现上述目的。我们可以根据乘积同态处理方法,设计一种滤波器来处理该信号。乘积同态处理方法分为三段:第一阶段是选择一个特征系统D;第二阶段是线性系统的处理 L(·);第三阶段是逆特征系统 D_0~(-1) 选择。根据上述信号的处理,我们第一步选择的目的是要将该信号分离。所以选择特征系统 D     

含关键特征的显著Co-location模式挖掘研究

空间Co-location模式是一组在空间中频繁并置的空间特征的子集。空间Co-location模式挖掘通常假设空间实例之间相互独立,然而,在实际应用中,不同空间特征、不同实例之间往往相互作用或依赖。空间Co-location关键特征是指对模式具有主导作用的特征。在频繁模式中,识别含关键特征的Co-location模式并摘取模式中的关键特征,为用户提供更精简的挖掘结果,提高Co-location模式的可用性,对Co-location模式挖掘具有重要意义。本文首先定义了含有关键特征的显著频繁Co-location模式新概念,以及一系列度量指标以识别显著频繁Co-location模式中的关键特征;其次,给出了一个挖掘显著频繁Co-location模式和关键特征的算法;最后,在模拟和真实数据集上进行了大量的实验,验证了所提出算法的效果及性能。     

困难样本采样联合对比增强的深度图聚类

针对困难样本挖掘的图聚类算法是最近的研究热点,目前算法存在的主要问题有：对比方法和样本对加权策略缺少良好的融合机制;采样正样本时忽略了视图内部的“假阴性”样本;忽视图级信息对聚类的帮助。针对上述问题,提出困难样本采样联合对比增强的图聚类算法。首先使用自编码器学习嵌入,根据计算的伪标签、相似度、置信度信息为表示学习设计一种自加权对比损失,统一不同视图下节点对比和困难样本对加权策略。通过调整不同置信区域样本对的权重,损失函数驱动模型关注不同类型的困难样本以学习有区分性的特征,提高簇内表示的一致性和簇间表示的差异性,增强对样本的判别能力。其次,图级表示经聚类网络投影,通过聚类对比损失最大化不同视图下聚类的表示一致性。最后联合两种对比损失,利用自监督训练机制进行迭代优化,完成聚类任务。该算法在5个真实数据集上与9个基准聚类算法对比,在4个权威指标上达到最优,聚类性能出色。消融实验表明两个对比模块的有效性和可迁移性。     

关于裤装结构与舒适性的相关关系的研究

首先从人体工学角度出发，分析结构中几个关键问题，接着从裤装结构方面，比如上裆宽、下裆垂直倾斜角、直裆、挺缝线等部位的结构变化来进行裤装结构与舒适性的相关关系的研究，最后通过实例分析，进一步对结构与舒适性的关系进行说明。     

SrTiO3陶瓷材料制备扩散条件的优化和预报

用前期研究所得的实验数据建立了SrTiO3基功能陶瓷材料制备扩散条件的BP神经网络预报模型。以陶瓷材料的电性能(介电损耗D、介电常数ε、压敏电压V、电阻率ρ)为判据，用该模型预报扩散条件(扩散温度T、扩散时间Y、降温速度X、扩散源中铋含量Z)的优化组合和材料性能的变化规律，预测结果与通过试验方法得到的结果较吻合。表明基于神经网络的预报模型用于按陶瓷材料的电性能要求对制备条件进行优化和预报是可行的。     

大力发展散装水泥 提高企业经济效益

昆明水泥股份有限公司１９９７年散装水泥供应量达３６９６万ｔ，占全省散装水泥供应量的２５３０％，居全省同行榜首。至此，该公司已连续多年荣获云南省发展散装水泥先进单位称号。散装水泥是社会发展和技术进步的标志。发展散装水泥是一件利在当代，功在千秋的事业...     

既有立交桥梁结构综合利用及改造工程设计

随着城市交通流量的增大,城市中早年建设的立交桥和跨线桥梁逐渐不能满足交通流量的需要,因此要对既有的桥梁结构进行综合利用及改造加固。通过对某立交工程的综合利用及改造设计,阐述了既有桥梁综合利用及技术改造原则,对既有桥梁结构的拆卸设计、桥墩托换设计、扩宽改建设计等的要点及施工工艺要点。     

基于聚类的比例规则

该文提出了基于聚类的比例规则（ＣＲＲ），该规则保留了比例规则（ＲＲ）的优良特性，同时适用于多峰分布的数据集。实验证明，基于聚类的比例规则的预测效果优于比例规则的预测效果。     

把握课感 驾驭灵性课堂的生命之舟

什么是“课感”?说简单一点就是教师对课堂运作的直觉感知。具体地说,是指教师对课堂教学的进行状态有灵敏而强烈的感觉、感受和感知的能力,并能作出迅速、准确的反应。课感强的教师能迅速进入状态,课堂上能谈笑风生,与学生水