基于决策树算法的校园客户识别模型

校园市场是基础电信运营企业细分市场的重要组成部分,对企业核心竞争力的提升和可持续发展具有重要意义。本文主要介绍一种决策树算法的校园客户识别方法。该方法根据决策树算法的基本原理,融合了社交网络扩散原理和打分机制,将其应用到校园客户识别模型建设之中。通过外呼等方法验证客户准确性相比原有模型有了极大提升,证实了该模型的有效性。     

测风数据标准差检验方法

将数值分析的方法应用于测风数据标准差(简称标准差)的分析上,提出了两个用于检验标准差合理性的参数,并应用工程实例对这两个参数进行了验证。文章提出的方法可用于测风塔测风数据的验证和分析,同时可作为目前标准中关于数据合理性检验部分的补充。     

LPS诱导小鼠骨质疏松症模型及其细胞分子机制研究进展

炎症介导的免疫系统功能失常在原发性骨质疏松症的发生过程中具有重要作用。从构建方法、细胞机制、分子机制等三方面对近年来国内外脂多糖(lipopolysaccharide,LPS)诱导小鼠骨质疏松症模型的研究进展进行了综述。LPS不仅对破骨细胞增殖分化具有明显的促进作用,还会对成骨细胞骨架蛋白F-actin造成损伤;LPS通过激活RANKL/RANK/OPG信号通路、TLR4/NF-κB信号通路、Connexin43蛋白和TNF-α因子来诱导破骨细胞增殖分化,从而促进骨吸收;研究LPS诱导的炎症性骨质疏松症的发病机制对发掘骨质疏松症抗炎药物具有重要作用。     

厌氧氨氧化快速启动及微生物群落演替研究

在序批式反应器(SBR)中分别添加彗星式丝状纤维滤料和Kaldnes填料组成序批式生物膜反应器(SBBR)R1和R2,接种城市污水处理厂二沉池回流浓缩污泥,旨在探求添加不同生物填料和接种普通污泥对快速启动厌氧氨氧化反应器的影响。结果表明,R1仅历时39d成功启动厌氧氨氧化,NH_4~+-N、NO_2~--N及TN去除率分别为98.0%、88.2%及82.3%;成功启动初期,化学计量比平均值为1:1.28:0.22,接近理论值1:1.32:0.26;稳定运行期间,高通量测序结果表明,浮霉菌门(Planctomycetes)相对丰度从1.97%增至60.06%,而变形菌门(Proteobacteria)从65.75%降至15.19%,Candidatus_Jettenia为主要菌属,丰度最高,占比为45.36%,是反应器内唯一的厌氧氨氧化菌,SM1A02属占比达到13.11%,实现了快速高效富集。R2培养111d后未成功启动厌氧氨氧化。     

全国冷冻空调设备标准化技术委员会(SAC/TC238)2014年度工作概要

<正>1标准发布工作2014年,全国冷冻空调设备标准化技术委员会(以下简称"冷标委")归口制定及修订的两项国标、8项行标(表1)已获批准发布。2标准报批工作冷标委于2013年三届四次会议审查通过了1项国标、10项行标,共计11项标准,目前已全部完成报批工作,待国标委、工信部批准发布(表2)。3标准立项工作冷标委的立项始终依据3方面原则:首先要符合国家政策和指导思想,具体体现为国家标准     

有机硅理论与应用

(1)玻璃化温度(纤维的软化点)无论是化学纤维(除氨纶外)还是天然纤维,都拥有较高的玻璃化温度。(2)吸附反应性有机硅通过正负电荷的吸附或物理渗透而粘附在化学纤维表面或填充在内部空隙中,与纤维基本上没有发生实质性的化学反应。     

ICP-MS测定食品原料中微量硒

建立基于同位素77Se、乙醇基体改进电感耦合等离子体质谱法(ICP-MS)直接测定食品原料中微量硒的方法。实验以2%(V/V)乙醇作为基体改进剂,采用Y元素作内标补偿基体效应,选择同位素77Se测定样品中的硒,方法检出限为0.87 ng/g,精密度(RSD,n=6)5%,回收率为98.1%~106.0%。该方法具有简便、快速、灵敏、准确、消耗小等优点,可为食品原料中微量硒的测定提供参考。     

基于多项式变换的参数估计方法

本文给出一种采用DPT估计SNCK信号时宽—带宽积的方法,并通过仿真该估计方法的性能与其它估计方法进行比较.首先给出SNCK信号参数估计的一般过程.为了便于计算和理论推导,根据估计出的中心频率将接收到的SNCK信号搬移到零频,从而进一步估计其它参数,如采用DPT估计SNCK信号时宽带宽积.本文将重点研究采用DPT算法估计SNCK信号值的方法.     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。