发射技术独特的长波发射机

长波发射机的独特性,长波机功放的先进性。     

粒度对微粉煤摩擦电选分选过程的影响

应用摩擦电选技术对灰分10.92%,粒度<175μmm的黑龙江双鸭山煤进行了试验研究,得到了显著分选效果。同时试验结果表明,入料粒度是影响摩擦电选分选效果的重要因素:随粒度的减小,各样品的灰分均先逐渐减少然后逐渐增加,产率随粒度的增大先增加后减少,符合破碎分布规律,粒度<83μm的筛下累计产率均>70%,分选效果保持在较高水平;随粒度的减少,脱灰率持续升高,可以达到67.23%,煤粉粒度越小,其荷电荷质比越大,煤与矿物质越容易分离,摩擦电选的分选效果也就越好。     

硫包覆改性磷酸铁锂材料的性能研究

锂硫电池因其较高的理论比容量受到广泛关注,实验采用硫包覆改性磷酸铁锂,以期兼顾两者的优点。硫包覆改性处理的磷酸铁锂材料LFP-0.05S与初始磷酸铁锂材料LFP相比,形貌相近,均为100～300 nm一次颗粒。在碳酸酯类电解液和醚类电解液中,LFP的放电比容量均为160 mAh/g。在醚类电解液中,LFP-0.05S的放电比容量可以达到190 mAh/g,在3.4 V出现磷酸铁锂的放电平台,在2.4 V和2.1 V出现硫的放电平台。但是LFP-0.05S的循环稳定性较差,循环20圈后,容量保持率为74.9%。     

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。     

基于情感时序距离和转折同化的文本情感分类

考虑到中文评价文本的整体情感倾向性与其表达的情感顺序有很大关系,且在具有情感倾向的中文文本中,越是靠近文本最后所表达的情感倾向,对于整个文本的情感分类影响越大。因此对于情感倾向表达不明显或者表达不单一的短文本,通过考虑文本中情感节点出现的顺序以及情感转折同化来对文本进行情感分类。在来自某购物网站爬取的中评评价文本数据集上的实验结果显示,提出的分类方法明显高于单纯基于词特征的支持向量机（SVM）分类器。     

试论计算机网络技术在生活中实际应用

伴随着社会进步和科学技术水平的提升,信息时代背景下,计算机网络技术成为提高网络发展质量、推动社会发展的一个重要因素,并逐渐渗透于人们的生活之中,慢慢改变着人们的生活方式及思想意识。计算机网络技术在生活中的实际应用,让人们的生活不再受到时间与空间的限制,从而变得更加便捷、高效,人们足不出户就可以享受到优质的网络服务,具有十分重要的现实与深远的意义。     

结合图卷积的深层神经网络用于文本分类

随着图卷积网络的发展,图卷积网络已经应用到很多任务中,其中就包含文本分类任务.通过将文本数据表示成图数据,进而在图上应用图卷积,从而捕获文本的结构信息和单词间的长距离依赖关系获得了良好的分类效果.但将文本建模成图模型后,图卷积网络面临着文本上下文语义信息和局部特征信息表示不充分的问题.提出一种新的模型,利用双向长短时记...     

浅析HPLC在农药残留检测中的应用

食品安全是指在规定的使用方式和用量的条件下,长期食用对食用者不产生不利影响的实际把握,近年来国内外多次发生食品安全方面的恶性事件,如今食品安全已经成为人们关注的焦点,世界各国都在以危险性评价为依据,制定对进口食品安全性进行严格的监督和管理的策略。纵观近年来的食品安全事故,由农药残留引起的恶性事件屡见不鲜,因此,为了保护消费者的健康,必须加强农药残留的检测和控制。     

一种简单的基于隐私保护的关联规则挖掘方法

为了提高对隐私数据的保护程度和挖掘结果的准确性,提出一种有效的隐私保护关联规则挖掘方法。针对关联规则挖掘中需预先给出最小支持度和最小置信度这一条件,提出了一种简单的事务数据库中事务的处理方法,即隐藏那些包含敏感项目的关联规则的方法,对相关事务作处理,达到隐藏包含敏感项目的关联规则的目的。理论分析和实验结果均表明,基于事务处理的隐私保护关联规则挖掘方法具有很好的隐私性、简单性和适用性。     

融合多方面潜在特征和神经网络的推荐模型

目前,潜在因子模型被广泛用于推荐,现有的方法大多利用用户与项目之间的交互信息来学习潜在特征,然而,用户和项目的潜在特征可能是来自多个方面.同时,考虑到神经结构可以替代矩阵分解中内积的形式,模拟用户和项目之间的交互,本文提出了一种融合多方面潜在特征和神经网络的推荐模型.首先,将推荐系统建模为包含丰富语义的异构信息网络,然后利用元路径和异构skip-gram模型提取并学习不同方面的潜在特征;其次,结合注意力机制将这些特征向量加权融合;最后,将得到的用户和项目的全局向量表示送入到神经网络中以实现评分预测.本文模型在movielens数据集和豆瓣电影数据集上进行了实验,结果表明,该算法相比于传统仅基于单一方面的算法和不采用神经结构的算法具有更低的平均绝对误差和均方误差.