ID3算法在警务化管理中的应用

目前警察院校通常会采用警务化管理制度来约束与规范学员的日常行为。在该制度下,请假的批准与否是影响警院管理质量和工作效率的一个重要因素。针对这种情况,提出利用ID3算法构建是否批假的决策树模型,并以此分析新的请假情况和帮助管理者决定是否予以批假。该方法可以有效地加强对学员的诚信管理以及提高管理者的工作效率。     

紫外分光光度法测定VC银翘片中维生素C含量

本文采用紫外分光光度法测定维C银翘片中维生素C含量,最大吸收波长为243nm,在p H=6的弱酸性条件下测定吸光度。线性回归方程:A=0.0040+0.0656*C,R2=0.99991。该法操作方便,结果准确,可用于含维C的药片中的维生素C的测定。     

中国大学生创造性4C认知量表修订

目的对创造性4C认知量表(CC4CS)在中国大学生中进行修订,以便探讨创造性4C理论在中国本土文化中的适用性。方法从在线大学生QQ群中招募全国各地3 360名在校大学生为被试,填写CC4CS中文版初测量表,分析其信效度。结果 (1)各项目的区分度与鉴别性较好(t=14.01~34.77,r=0.31~0.55,P均0.001)。(2)经探索性因子分析,得到与原量表一致的创造性4C结构,累积方差解释率为55.22%。(3)总量表Cronbachα系数为0.85,重测信度为0.88,各分量表的α系数在0.72~0.82之间,重测信度在0.81~0.90之间;与Lawdsei认知创造力量表和Rudowicz-Hui创造力概念调查量表的关联效度分别为0.67、0.77;各分量表与总分以及各分量表之间的相关分别在0.53~0.74、0.10~0.60之间,结构效度良好。结论 CC4CS中文版具有较好的心理测量学指标,适用于在中国文化背景下大学生的创造性4C认知测量。     

高温对C80高性能混凝土轴压强度及红外热像的影响

为研究高温对C80高性能混凝土轴压强度及红外热像的影响,对不掺和掺0.2％PP纤维C80高性能混凝土(HPC和PPHPC)进行模拟高温试验,测试其高温后的轴压强度、红外温升,并分析其相关关系以及受火温度对各指标的影响.结果表明,随受火温度升高,C80高性能混凝土轴压强度总体呈下降趋势,PPHPC轴压强度较HPC轴压强度略高,表明掺加PP纤维能够改善其高温后的力学性能,红外温升随温度上升呈升高趋势,相同受火温度,红外温升随测距的增大而降低.     

C245热轧H型钢生产开发

通过设计合理的化学成分以及制定冶炼、连铸、轧制工艺,提高了产品的综合性能,特别是时效冲击性能。通过试验研究,确定影响时效冲击韧性的主要因素为变形条件,温度条件对其影响不大。当变形量小于12%时,随变形量的增加,冲击韧性出现明显降低,当变形量大于12%时,冲击韧性则基本保持稳定。     

高频移动式C形臂X射线机故障检修

本文立足于实际,结合过往有益经验,多层面探讨高频移动式C形臂X射线机故障检修的主要方式方法,旨在为后续故障检修工作的开展提供借鉴参考。     

基于单片机的计算机水温控制系统设计研究

为了实现水温控制功能,针对水温控制问题,选取AT89C52单片机作为核心控制器,设计了一套水温控制系统。测试结果表明,系统水温数值采集精度在97.8%以上,支持水温调控,满足系统开发要求。     

基于C/S模式的体育事业统计年鉴信息系统设计与实现

本文以历年《中国体育事业统计年鉴》中的积累数据为研究对象，通过对各类统计数据表的分析，运用数据库技术和软件工程方法，确定表的结构，建立年鉴数据库；研究运用c#语言设计开发基于网络的c/s模式前端客户端，对数据库进行添加、删除、修改、查询、导出等相关操作，实现对《中国体育事业统计年鉴》数据的网络化管理。     

SiC单晶片切割力建模与自适应控制

Si C单晶因优良的物理和机械性能而大量用于大功率器件和IC行业。但由于材料的高硬度和高脆性,使其加工过程变得很困难。为此,分析了Si C单晶片切割过程,建立切割过程模型,通过F检验法进行系统阶次辨识,采用遗忘因子递推最小二乘算法在线估计模型参数,建立进给量与切割力的差分方程,设计基于最小方差自校正的切割力控制器,并进行实验验证。结果表明:控制器能够很好的跟踪不同信号,具有良好的鲁棒性,提高了Si C单晶片的加工效率和表面质量。     

回采巷道围岩稳定性的分类预测方法分析

通过SVM分类机、朴素贝叶斯分类器和决策树算法,利用Matlab和WEKA软件以及粗糙集理论分析并验证了7个非线性因素对回采巷道围岩稳定性的影响。成功实现了对回采巷道围岩稳定性基于3种不同算法的训练和预测。从详细精度、混淆矩阵和节点错误率这3个方面分别比较了3种算法对回采巷道围岩稳定性分类预测的适用性。结果表明决策树算法不适用于对回采巷道围岩稳定性进行分类预测,SVM优于朴素贝叶斯分类器。