基于Docbook标准的IETM发布平台

Docbook是一种基于SGML/XML的可将文件内容与文件样式信息分开处理的文件规范。讨论了在基于S1000D的交互式电子技术手册(IETM)应用中将发布模块(PM)转换为Docbook规范的文档,并通过扩展样式表语言(XSL)将Docbook规范文档转换为多种格式文档,将IETM手册发布成各种不同电子出版物的文档处理机制。实现了这种文档处理机制下的IETM发布平台。     

基于Java3D的虚拟雕塑系统的设计与实现

针对雕塑作品构思和设计阶段的需求,开发了一个基于Java3D中索引曲面造型方法的虚拟雕塑系统.可以用简单的交互操作,模仿雕塑的手工过程,修改形体几何信息.通过对变形结果的展现、比较和修改,优化设计效果,给出修改形体拓扑结构的实现方法,丰富了虚拟雕塑操作的种类,提高了模型的变形能力.该系统操作方便,对用户使用的技术水平要求低,与专业雕塑人员习惯操作比较吻合,并可推广到工艺品、玩具、景观的方案设计等多个领域.     

电视购物调查分析——以陕西电视台“乐家购物”为例

对"乐家购物"消费者的调查数据用交互式列联表作初步的描述分析,表明随着年龄的增长、教育程度的提高、月收入的增加,选择电视购物的次数都有增加的趋势;构建Logistic回归模型对影响电视购物的因素作深入分析研究,揭示影响消费者选择电视购物的主要因素是年龄和受教育程度,并为电视购物的发展提出建议。     

基于零知识交互式证明和Bayesian信誉网的小世界P2P模型

针对当前P2P(Peer-to-Peer)系统在网络拓扑和信誉评估机制结合方面的不足,设计一种基于角色和信誉访问控制机制的可信小世界P2P(SW-R2P)模型.模型使用零知识交互式证明(ZKIP)算法,在不传输节点身份相关信息的前提下安全地验证对等节点的组信息,并以此作为构建小世界网络拓扑的基础.通过Bayesian信誉网对节点和组的多方面信誉进行评估,从而影响节点的各种操作和组之间连接的建立.仿真实验结果表明,SW-R2P模型在资源查找成功率、网络聚合度以及节点信誉偏差等方面的性能优于Chord和R2P模型.SW-R2P模型结合了ZKIP算法、Bayesian信誉网和小世界拓扑的优势,实现了一种可信、安全和高效的P2P网络架构.     

交互式电子白板在课堂教学中的应用

分析了交互式电子白板用于课堂教学的特点和优势,探究了交互白板应用于课堂的教学方法,分析了交互式电子白板用于课堂教学的研究方法与框架,阐述了交互式电子白板用于课堂教学的评价体系.     

走进樱花世界--《走进乡村》教学设计

创新整合点 整节课,我结合交互式电子白板,把一节相对枯燥的复习课设计得具有趣味性、思考性,将知识自然地融合于生活情景中,让学生在玩中学,学中玩。     

ＢＩＭ技术在溢流表孔坝段的研究及应用

为提高溢流表孔坝段ＢＩＭ设计的参数化和自动化程度,提高ＢＩＭ属性与计算分析的集成度,达到提质增效的目标,利用ＣＡＴＩＡ平台的参数化技术和知识工程二次开发技术,研究溢流表孔按坝高分类的系列参数化模型库,配置常用堰头曲线及消能类型的参数化几何选型,满足对几何造型的需要。将常用水力学工程计算分析与ＢＩＭ数据深度集成,实现“一模多用”。经工程案例验证,该技术可快速完成溢流表孔泄洪布置方案比选,得到技术可行、经济合理的泄洪规模方案,其设计效率相比传统的二维设计手段有明显提高。     

基于格的非交互式密钥交换协议

当前网络中广泛使用的交互式密钥交换协议,如SSL协议和TLS协议,由于密钥建立过程的通信量较大,不适合物联网中传感器等资源有限的轻型网络设备使用,因此提出一种基于格的非交互式密钥交换协议.文章基于格理论的环上带误差学习困难性问题,使用Freire等人给出的非交互式密钥交换协议形式化定义和安全模型对协议的安全性进行分析,通过攻击者与挑战者之间的博弈证明了协议的安全性.该协议具有抗量子攻击安全性,能够有效地提升物联网的通信安全.     

考虑心理行为的区间二元语义动态群决策方法

针对当前属性值为区间语言信息的群决策方法的不足,提出了一种考虑决策者心理行为的区间二元语义动态多属性群决策方法。定义了一种更接近决策者思维习惯的区间二元语义新的距离公式;引入时间度概念,结合考虑专家评价的综合一致性,建立优化模型求解时序权重;并基于前景理论,构建前景偏差值最小化的权重优化模型;采用基于新距离测度的交互式多属性决策（TODIM）方法计算方案的综合总体优势度,以此对方案进行排序。并以供应链协同合作伙伴的选择与评价为例,验证了所提方法的有效性和合理性。     

基于图卷积神经网络的隐式篇章关系识别

隐式篇章关系识别是篇章关系识别的子任务,其挑战性在于难以学习到具有丰富语义信息和交互信息的论元表示。针对这一难点,该文提出一种基于图卷积神经网络(Graph Convolutional Network,GCN)的隐式篇章关系分类方法。该方法采用预训练语言模型BERT(Bidirectional Encoder Representation from Transformers)编码论元以获取论元表示,再分别拼接论元表示和注意力分数矩阵作为特征矩阵和邻接矩阵,构造基于图卷积神经网络的分类模型,从而根据论元自身信息以及交互信息对论元表示进行调整,以得到有助于隐式篇章关系识别的论元表示。该文利用宾州篇章树库(Penn Discourse Treebank,PDTB)语料进行实验,实验结果表明,该方法在四大类关系上分类性能优于基准模型BERT,且其在偶然(Contingency)关系和扩展(Expansion)关系上优于目前先进模型,F₁值分别达到60.70%和74.49%。