中国医疗器械灭菌包装现状及相关性思考(八)——医疗器械灭菌包装系统的结构设计分析

在人类历史上,从有记录以来的第一个外科手术至今已经很久了,但直到19世纪末,欧洲大陆由于手术感染而导致死亡的案例仍高达60%.幸运的是,1929年英国细菌学家弗拉明发现了抗生素,为人类与细菌的斗争提供了一个强大的武器.     

南澳Flinders山脉北部的热折射和低压变质作用

南澳Flinders山脉北部,与阿德莱德褶皱带和Painter山构造窗内元古代片麻岩基底不整合面相近的阿德莱德褶皱带下部沉积层序变质作用有关的、异常高的侧向地温梯度,提出了热折射会引发一个独特的区域上广布的与不整合有关的接触变质作用的可能性。应用与Painter山褶皱基底-盖层接触面形态相一致的简单几何模型,通过数学模型揭示了变质作用反映热传导和生热过程的侧向变化存在的可能性。提供的热模型表明,用热传导和生热值的典型值,说明热折射至多提供了1/3～1/2所观察到的变质所需能量。由热折射机制“聚焦”形成的高温流体流的额外对流热可能为基底-盖层接触面附近的侧向地温梯度作出了贡献。     

SBio：一种基于DiffServ网络的主动式队列管理算法

区分服务体系结构由于其实现简单、扩展性好,目前已经成为解决IPQoS问题的主要模型。区分服务网络中核心路由器执行的是RIO算法,以对不同优先级的数据包进行管理。但是RIO算法不能有效地保持队列长度的稳定性,因此会导致不可预测的排队延迟和延迟抖动,另外RIO算法还存在“带宽偏移”问题。SBio算法的目的是维持队列长度的稳定并且减轻“带宽偏移”问题。SBio算法是在SBlue算法基础上进行的扩充,使其能管理不同优先级的队列。仿真实验表明,与RIO算法相比,SBio算法能较好地维持队列长度的稳定并有效地减轻“带宽偏移”问题。     

基于灰色模糊综合理论的信息系统定级

针对信息安全等级保护系统定级时存在大量人为主观性的问题,提出了运用灰色模糊理论与信息熵相结合来辅助确定信息系统安全保护等级的方法.首先,构造关于定级指标的灰色样本矩阵,采用灰色模糊理论确定灰色评价矩阵;然后,通过信息熵确定指标权重,计算得到客体被侵害程度;最后,依据传统定级方法(矩阵法)确定系统安全等级.以一个企业信息系统的子系统为例,使用该方法得到子系统客体被侵害程度为2.379,并最终确定该信息系统的安全保护等级为三级.实例结果表明:该定级方法采用定量与定性结合的方式能够有效确定信息系统安全保护等级,使得定级更为客观,是对传统方法的有效补充.     

基于有限元分析的级进模拉深工序优化设计

提出了基于有限元分析的级进模拉深工序优化设计方法,用该方法对一个带有侧冲孔和商标印的圆筒件级进模的拉深工序进行了优化设计。根据经验公式该圆筒件需要两次才能拉深成形,而有限元分析结果显示该圆筒件在一定工艺条件下能一次拉深成形。优化设计使该零件的拉深次数从两次减少到一次,缩小了级进模尺寸。该圆筒件级进模的成功试产证明了基于有限元分析的拉深工序优化设计是正确的。     

智能家庭局域网综合管理系统的设计与实现

当网络正在风靡全球时,一项新的技术正悄悄融进来,那就是控制领域技术和应用的发展,它给飞速发展的网络经济注入了更为强大的活力,是一项划时代多学科、高端交叉而带来的革命。本文从多个方面阐述智能家庭局域网客户端综合管理系统的设计与实现。     

输德纺织品禁要料测试技术和动态分析

随着人类对环境保护的要求，出提出绿色纺织品。德国政府提出纺织品禁用有害芳香胺，已引起纺织界的关注。本文就ＡＺＯ测试和动态进行分析和研讨，为能生产符合环要求的纺织品有所借鉴。     

基于领域特征文本的Deep Web分类研究

Deep Web自动分类是建立深网数据集成系统的前提和基础。提出了一种基于领域特征文本的Deep Web分类方法。首先借助本体知识对表达同一语义的不同词汇进行了概念抽象,进而给出了领域相关度的定义,并将其作为特征文本选择的量化标准,避免了人为选取的主观性和不确定性;在接口向量模型构建中,考虑了不同特征文本对于分类作用的差异,提出了一种改进的W-TFIDF权重计算方法;最后采用KNN算法对接口向量进行了分类。对比实验证明,利用所提方法选择的特征文本是准确有效的,新的特征文本权重计算方法能显著地提高分类精度,且在KNN算法中表现出较好的稳定性。     

一种有效的标签抽取和匹配方法

标签抽取和匹配是查询接口理解的重要组成部分。提出了一种基于视觉的标签抽取和匹配方法,深入分析了相关匹配因子,给出了一种对查询接口表单进行重构的方法,它能依据接口HTMI_源代码自动还原出该表单的视觉布局特征。在最终的匹配算法中,综合考虑了基于label标记的匹配、基于文本语义的匹配以及基于位置特征的匹配。在8个领域共计277个查询接口上的实验证明了所提方法能取得较高的匹配精度。     

基于深度学习的配电网无线通信入侵检测系统

在采用无线通信接入的配电网中,入侵检测系统（IDS）通过分析通信网中传输数据来判断入侵事件.为提高检测的准确性,本文将深度学习理论应用于IDS,提出了一种面向配电网无线通信网络新型入侵检测系统,由带有门控循环单元、多层感知器和Softmax的循环神经网络组成.攻击测试基准实验结果表明IDS防御的有效性,在KDD99测试数据集上,其误报率为0.06%,总检出率为96.43%;在NSL-KDD测试数据集上,其误报率低至0.86%,总检出率则为99.33%.