如何激发学生学习建筑力学的兴趣

介绍了建筑力学课程的内容及学生的学习状况,从如何将建筑力学分别与土木工程专业课程及建筑结构设计相结合两方面论述了激发学生学习建筑力学兴趣的方法,以提高工程力学的教学质量及学生解决工程问题的能力。     

J2EE框架下MIS系统自动生成器的设计与实现

J2EE框架是构建现代企业级MIS系统的核心技术．论文针对目前基于J2EE框架的MIS系统开发中自动化程度较低这一实际,系统地进行了自动生成器的分析和设计,并就系统实现的有关方法和技术进行了讨论．其系统模型设计思想和实现技术已在实际的基于J2EE框架的MIS系统开发实践中得到应用,取得了良好的效果．     

基于主题信息的项目评审专家推荐方法

针对为项目自动推荐评审专家的任务特点,提出一种基于主题信息的专家推荐方法。在分析项目与专家描述文档的属性特点后,使用隐含狄利克雷分配模型获取文档内容的主题词,通过统计主题词词频的方法构建主题特征空间,并结合文档属性栏目的重要性因素,利用TF-IDF特征提取算法分别获得项目文档与专家文档的主题特征向量,采用改进的相似度算法计算项目与专家主题特征向量的相关度,并选择与项目相关度较高的专家作为推荐结果。实验结果表明,该方法的推荐效果优于使用TF-IDF+余弦相似度计算的推荐方法,准确率、召回率和综合评价指标F值平均提高了4.87%,5.04%和4.97%。     

基于UML2.0的电力缺陷设备管理系统建模研究

设备是构成电力企业正常运作的重要元素之一,而设备管理是企业生产管理的一个重要环节.本文以UML2.0建模技术为基础,以供电部门缺陷设备管理信息系统为例,应用Enterprise Architect建模工具,讨论了系统的建模过程.     

特高压电晕笼内正负极性导线的可听噪声频谱特性规律研究

为深入研究特高压直流线路正负极导线的电晕放电机制和电晕可听噪声特性规律,基于国家电网公司特高压直流试验基地的电晕笼,对6?720 mm2导线的可听噪声频谱进行了测试和分析。利用电晕笼中间网的可拆卸功能,对电晕笼内正极、负极、正负双极导线的可听噪声进行测试,分别得出了不同电压下正极噪声、负极噪声、临近正负极导线位置的噪声频谱特性规律,并进行了对比和分析。还分析了考虑背景噪声时,在不同导线表面电场强度下电晕可听噪声A声级与其8 kHz分量的稳定性。利用曾提出的8 kHz分量法来对正极噪声、负极噪声、临近正负极导线的双极噪声在不同导线表面电场强度下的噪声特性进行了分析,得出了8 kHz分量法可适用于正极噪声和双极噪声的结论。     

Web数据库操作的JavaBeans实现

从软件代码的可复用性、易交互性、高效用出发通过实例介绍了将数据库操作的程序源代码以JavaBeans的形式封装、实现，从而使之作为一个组件使用。     

西藏高海拔试验基地的功能与设计

西藏高海拔试验基地是国家电网公司根据超/特高压输电发展需求提出的建设项目之一,基地建设对研究高海拔地区输电工程空气间隙特别是长间隙放电特性、导体电晕特性与输电线路电磁环境参数的海拔校正,满足"西电东送"工程需要,以及提升西藏电网高电压试验能力,服务西藏电网建设与发展具有重要意义。该试验基地海拔4300m,主要包括户外试验场、试验线段、人工污秽试验室。在介绍了该试验基地选址和规划设计时考虑的问题、试验研究功能、设计方案、试验设施的主要性能参数后,还介绍了已开展的各项试验研究工作。建成后开展的初步试验研究表明,试验基地能满足高海拔地区超/特高压交直流工程外绝缘与电磁环境试验研究以及西藏电网相关试验研究要求。     

机器人手眼校准线性算法及可靠性分析

机器人手眼矩阵计算是机器人视觉、机器人校准以及视觉伺服等研究领域共同的课题。文中利用矩阵直积和参数矩阵特征向量推导了机器人手眼转换矩阵的线性方程 ,通过最小二乘法得到线性闭解 ,采用Rodrigues公式对所求解的旋转部分进行正交化以消除测量噪声的影响 ,由计算试验证明正交化所引入的误差在绝大多数情况是允许的 ,所求线性解严格满足手眼方程。并通过数值仿真计算 ,验证了算法对测量数据的平移、转动扰动具有较高的鲁棒性。     

一种新的数据流模糊聚类方法

针对数据流上的聚类任务受到时间、空间限制等问题,该文提出一种基于权值衰减的数据流模糊微簇聚类算法(WDSMC)。该算法使用改进的带权值的模糊C均值算法进行处理,并采用微簇结构和权值时间衰减结构提高聚类质量。实验表明,相对于现有的数据流加权模糊C均值聚类(SWFCM)算法和StreamKM++算法而言,WDSMC算法具有更好的聚类精度。     

基于深度神经网络的有色金属领域实体识别

针对有色金属领域实体识别问题,提出一种基于深度神经网络(deep neural network, DNN)架构的有色金属领域实体识别方法.为能有效获取有色金属领域实体中字符间的紧密结合特征,并回避专业领域中文分词问题,使用神经网络的方法自动学习中文字符embeddings向量化表示作为模型输入.基于降噪自动编码器(denoising autoencoder, DAE)对深度神经网络的每个隐层进行逐层预训练获取用于有色金属领域实体识别的最优特征向量组合,并详细介绍了基于神经语言模型的文本窗口降噪自动编码器预训练及有色金属实体识别的深层网络构建过程.为验证方法的有效性,对有色金属领域产品名、矿产名、地名、组织机构4类实体识别进行实验.实验结果表明,提出的方法对于专业领域的实体识别具有较好的效果.