国内外拉伸型干酪的种类及研究进展

概述了拉伸型干酪的种类、工艺,以及国外拉伸型干酪的研究进展.同时研讨了我国少数民族传统拉伸型干酪-乳扇的生产历史、工艺、研究情况,以及与国外传统拉伸型干酪的比较;并介绍了国内对Mozzarella干酪的研究进展.     

采用大数据分析建设工程市场信息的新方法

随着招投标过程信息化的快速发展,越来越多的招标、评标、中标信息统一集中在相应交易中心平台网站上进行公示,使采用大数据手段分析建设工程信息成为了可能。采用Web Scraper插件爬取网页内容简便、高效、准确。大数据的介入能很大程度遏制非法围标、串标行为,保证公共资源交易过程的公平、公正,有效打击权力寻租。同时大数据分析以定量、可视化的成果展示了建设工程的市场行为趋势,为政府的宏观调控提供更精确的数据性指导性意见。     

基于FT311D的Android移动设备硬件接口拓展设计

FT311D接口芯片为Android手机或平板电脑提供了USB转外部UART、GPIO、PWM、I2 C、SPI硬件接口功能。本文介绍了FT311D的硬件特点及其在Android平台下的软件开发方法。实验表明,基于FT311D的Android设备USB转外部接口方案硬件设计简单,软件开发方便,可广泛应用于物联网、车载系统、POS机、智能医疗保健仪器设备等。     

浅谈病险水库出险加固工程建设期的环保措施方案

环保措施方案是病险水库出险加固工程建设期的一项重要工作内容,面对日趋严峻的环境问题,有必要把环保措施放在更加突出的位置。本文分析了建设期施工现场环境影响的主要因子,并提出了具体的环保措施方案。     

IOIO在Android手机中的应用与研究

IOIO是一个面向Android手机的软硬件开发平台,通过USB接口实现Android手机与外界物理设备的互动。本文介绍了IOIO的硬件特性与开发环境,给出了如何用IOIO来实现对LED控制的实例。实验结果表明,采用IOIO开发Android手机具有简单易用的特点。     

输水隧洞复合式衬砌结构分析

针对传统结构力学方法在输水隧洞复合式衬砌设计分析中不能真实地考虑初期支护和二次衬砌的荷载承担比例问题,以城门洞型隧洞为例,采用有限单元法对围岩的稳定性、初期支护和二次衬砌的应力状态进行了计算分析;并获得了二次衬砌作为承载构件时的围岩压力分担比例.     

《红楼梦》外貌类形容词语翻译及其对比分析

以古典文学外貌类形容词语及其英译作为研究对象,通过对《红楼梦》人物头发、眉眼、唇齿、鼻子、脸面五个方面的形容词语及在典范全英译本的译例对比分析,探索汉英翻译中外貌类形容词语的翻译技巧。     

一种面向同步交互的软件演化过程建模方法

全球化软件开发导致以交互方式协作开发的频率和复杂性越来越高。为了控制和规范软件演化的开发行为进而提高软件质量,文献[10]设计了软件演化过程元模型EPMM,由EPMM定义的软件演化过程模型未能形式描述其交互的特点。基于EPMM[10]定义的软件演化过程包括全局层、过程层、活动层和任务层4个抽象层的思想,设计了软件演化过程元模型CEPMM。CEPMM定义的软件演化过程模型可 形式描述同步交互的特点是在其活动层,由此提出一种基于通信系统演算(CCS)的软件演化过程活动层的建模方法,然后在Visual Studio平台下实现软件演化过程活动层可视化的建模工具CAmodel。CEPMM构建的软件演化过程活动层模型不仅可以描述并发、迭代等特点,还可以形式描述同步交互的特性,为模型进行严格的数学方法分析、推理奠定了基础。     

融合注意力机制的轻量级红外高压套管识别算法

为了提高红外图像中变压器高压套管的识别准确率,同时能够满足移动端和其他低端设备对目标检测网络的需要,本文提出一种改进的轻量级红外高压套管识别算法,采用Tiny YOLOv3目标检测网络作为基础检测网络。首先,通过融合CBAM（Convolutional Block Attention Module）注意力机制,将通道注意力与空间注意力机制串联,增大目标检测网络感受野,同时减轻网络计算任务,提升网络性能;然后,分别使用GIoU loss和Focal loss替代原有的边界框损失和置信度损失,从而提高对红外图像中的高压套管识别率,减少漏检、误检情况发生。实验结果表明,改进的网络相比于原Tiny YOLOv3网络,mAP提升到96.28%,F1提升到96.25%,权重文件大小为33.9 MB,远小于YOLOv3训练网络,能够更好地适用于低端设备,为智能变电站的在线监测提供了有利条件。     

使用EBIC的软件故障特征选择方法

软件故障预测中若采用大量度量指标建立预测模型,可能因其中含有无关特征使预测模型性能受到不良影响,故障预测中的特征选择步骤选取一定维度的部分故障数据建立预测模型来提高模型性能,以达到压缩特征维度,提高模型预测精度,降低预测模型复杂度,节约计算资源的目的。传统特征排序方法仅评估单个特征对类标的影响,建立的预测模型有效性较低;特征子集选择方法需搜索所有特征子集,耗费计算资源且所选特征维数较高。针对以上问题,提出一种基于拓展贝叶斯信息准则的特征选择方法(EBIC-FS),该方法对数据进行线性回归,并计算出残差平方和较小且数据维数较少的特征模型。在公开数据集M&R及Promise上进行实验,结果表明该方法能有效压缩特征维度,且预测模型性能与5种基线方法相比有较大提升。