LTE系统多小区上行联合功控算法

针对传统的小区内开环功率控制算法通常以提升本小区的吞吐量性能为目标，忽略了当前小区用户对邻小区用户同频干扰的问题，为提升边缘用户性能的同时兼顾系统整体性能，提出了一种LTE系统小区间上行联合功率控制（UJPC）算法。该算法采用单基站三扇区为系统模型，以最优化系统吞吐量比例公平函数为目标，首先根据最小信干噪比（SINR）约束值和用户最大发射功率这两个约束条件得到相应的数学优化模型，然后采用连续凸近似的方法求解优化问题得出各个基站所管辖的小区内所有用户的最优发射功率。仿真结果表明，与基准的开环功控方案相比，联合功控方案在保证系统平均频谱利用率的情况下能够较大幅度地提高小区边缘频谱利用率，其最佳性能增益能达到50%。     

古建筑木结构透榫节点力学模型研究

为研究古建筑木结构透榫节点的M-θ力学模型，在分析透榫节点构造特征与受力机理的基础上，建立其数值模型，用透榫节点的试验数据验证了该数值模型的正确性，并分析了节点缝隙、木材横纹弹性模量和大榫头长度对透榫节点受弯承载力的影响。根据受力分析结果，建立以弹性点、屈服点与极限点为特征点的三折线多参数M-θ力学模型，其结果与多数的试验结果基本吻合，并将该力学模型应用于木构架的受力分析。研究结果表明：透榫节点的滞回耗能能力强，节点的变形主要集中在榫头处。当榫头与卯口之间的缝隙增大时，节点的受弯承载力降低。随木材横纹弹性模量的提高和大榫头长度的增加，节点的受弯承载力有一定提高。文章建立的M-θ力学模型能较好反映透榫节点的受力过程，适用于木构架的受力分析，其荷载 位移骨架曲线与试验结果基本吻合。研究成果可为古建筑木结构的维修与保护提供参考。     

西湖龙井区块链溯源体系设计

目的:基于区块链技术研究西湖龙井溯源体系。方法:采用PFMEA(潜在失效模式及影响分析)确定西湖龙井生产销售全流程中数据层关键节点,并以此建立基于区块链(Blockchain)技术的西湖龙井溯源体系。结果:以PFMEA为手段对生产流程所采集的数据进行分析,确定了茶园区域、采摘、定级、销售四个环节为数据层关键节点,然后基于区块链建立西湖龙井溯源体系;该体系架构包括数据采集区、数据层、网络层、合约层、应用层等。结论:结合具体应用场景,论证了西湖龙井区块链溯源体系的可行性和有效性。     

蜂窝异构网络中的最优频谱分配算法

异构网络通过在宏基站的覆盖范围内密集地部署低功率的节点,使小区得到分化,提升信道增益。但由于频谱资源有限,资源分配在带有中继节点的蜂窝异构网络中变得较为复杂。为改善信道的频谱效率,研究在带有中继节点异构网络中的最优频谱分配策略以及对应的用户接入策略,提出一个基于乘子法的高效算法,通过在乘子法迭代中寻找一组有限的频谱复用模式,得到最优的频谱分配和用户接入策略,实现最优的比例公平性。数值仿真结果表明,该算法可有效利用有限的频谱资源,相对于传统的频谱分配策略,网络性能明显提升。     

多关系社交网络中社团结构发现算法

社交网络的节点之间存在着多种关系,这些关系共同决定了网络中节点的社团结构划分。为了准确地发现多关系社交网络中的社团结构,通过研究信息在多子网复合复杂网络模型上的传播过程,提出了一种多关系网络中的社团结构发现算法。该算法基于多子网复合复杂网络模型建立的多关系社交网络,利用信息在多关系社交网络中的传播过程,将网络中的节点转化成能够被聚类算法处理的向量形式,进而采用聚类算法完成多关系社交网络中的社团结构划分。该算法综合考虑了网络中多种关系的相互作用以及异质节点间的相互影响,得到的传播信息量矩阵表示了各节点在整个网络中的影响力,并将影响力相似的节点划分到同一个社团结构中。实验结果显示,与传统社团结构发现算法相比,该算法不仅在准确度上有所提高,还能将异质节点划分到一个社团中,可以根据用户不同需求挖掘出多关系社交网络中的隐藏信息。     

结合深度学习的网络邻居结构研究及应用

通过研究网络的拓扑结构可以探索到丰富的知识,特别是网络中节点的邻居可以形成不同的邻居结构,而不同的结构蕴含着不同的意义,进而也有着不同的影响。实际上,邻居结构与节点的交互行为之间是互相影响、互为因果的。对三种最为普遍的邻居结构进行分析,并提出结合深度学习的网络邻居结构影响力模型DNSI(neighbor structure influence based on deep learning)。通过对图片格式的网络数据提取特征,DNSI可以得到三种邻居结构影响力。分别在几个真实世界网络数据集上进行节点属性预测、类别中心度度量和用户行为预测等任务,实验结果表明该模型在绝大多数情况下具有优越性。     

N,N-二乙酸酯基芳香胺系列染料中间体的合成

以间乙酰氨基苯胺、3-氨基-4-甲氧基乙酰苯胺为原料,氯乙酸甲酯和氯乙酸乙酯为烷基化试剂,研究了催化剂种类、缚酸剂种类、反应时间和加料方式对反应的影响,并对合成的四个N,N-二乙酸酯基芳香胺系列染料中间体进行了结构表征。结果表明:Na Br和Na_2CO_3分别是催化该类反应合适的催化剂和缚酸剂。当芳香胺:氯乙酸酯:碳酸钠为1:4:1. 1(mol),在回流反应2h后加入10%的催化剂溴化钠和0. 5%抗氧化剂(m),再进行分水回流反应2h,得纯度99%(HPLC)、收率98%以上的N,N-二乙酸酯基芳香胺系列染料中间体。经紫外光谱、红外光谱、核磁共振氢谱和质谱分析,所合成的四个N,N-二乙酸酯基芳香胺系列染料中间体为目标产物。     

新形势下和谐企地关系建设探讨

进入21世纪以来,我国的经济实力和科学技术水平有了很大的发展和进步,综合国力与国际地位也在不断的提高。在这样的形势之下,我国致力于和谐社会的构建工作当中。无论是在人与自然、人与人还是人与社会之间,都提倡和谐共处,以创造和谐社会为目标。在当今时代,人们对于和谐企地关系的建设工作越来越重视,从目前的情况来看,我国在新形势下的企地关系并不是十分的和谐,从而使得我国经济和社会的整体发展受到了一定程度的阻碍。本文将以新形势下和谐企地关系建设为主线,进行简要的分析和描述。从经济学的角度入手,对当前地方与企业之间关系建设不和谐之处进行分析,深入的挖掘不和谐情况出现的根本原因,并从可持续发展观的角度来进行阐述。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。