低温对柴油机起动牲能的影响与改善

冷起动性能是衡量柴油机的技术水平的重要指标，同时也是决定柴油机使用范围的主要因素之一。分析了柴油机低温条件下起动困难的影响因素，提出了相应的改善措施，为柴油机的合理使用提供科学依据。     

邮政企业的技术创新

技术创新是提升企业竞争力的重要源泉.可以认为技术创新在邮政企业发展中会起非常重要的作用.通过分析当前邮政企业在技术创新方面存在的问题,提出了邮政企业开展技术创新的一些建议.     

FSIS的杀菌和HACCP体系

０前言美国农业部食品安全检查署（TheFoodSafetyandInspectionService，缩写为FSIS）是美国农业部下属的一个专门机构，由它负责来保证畜、禽、蛋制品的安全、保健及其标签准确。HACCP（HazardAnalysisandCriticalControlPoints的缩写）是一个生产过程控制体系，最初由美国航空航天管理局（NationalAeronauticandSpaceAdministration）为解决太空食品安全卫生质量问题而开发的，现已应用于多种行业，是世界公认有效的食品安全卫生质量保证体系。１９９３年，美国爆发了由大肠杆菌O１５７：H７病原体引起的食源性疾病，从而使美国…     

计及多类型电源协调的有功控制策略

高新能源占比对多类型电源协调的有功控制提出了更高要求。分析市场、政策、"三公"调度等因素对于多源协调有功控制的挑战。对新能源调度公平性进行了严格的数学描述,提出了多源协调有功控制模型及求解策略。该模型以市场环境下新能源最大化消纳为目标,以调峰、安全稳定与公平调度为约束。其求解策略能够实现适应复杂电网工况与风/光资源条件的新能源最大化消纳,并实现市场交易电量的合理分摊。开发的控制系统已在多个省级电网投入应用,运行结果证明了策略的正确性与有效性。     

基于Guillou—Quisquater数字签名的几种应用方案

随着计算机和网络通信技术的发展,数字签名技术得到了广泛的应用,本文以Guillou-Quisquater为基础设计了群体数字签名和零知识用户鉴别2种应用方案。群体数字签名允许多人分别签署同一份文件,然后所有的个体签名组成同一份群体签名,零知识用户鉴别可以让用户在不暴露自己的秘密信息的情况下进行身份验证。     

组态王在十米水位试验台中的应用

水位试验台是对水位计的校准仪器,新的水位台国家标准即将发布.把组态王应用于符合新标准的十米水位试验台中,实现了控制和数据采集.同时使用了研华公司的PCI1711卡,ADAM -4017+模块以及多种接口的水位计,对组态王提供了驱动的设备直接调用驱动,将数据采集到组态王,对于组态王没有提供驱动的设备采用VB开发工具采集数...     

对宝鸡峡韦水倒虹工程修复加固的几点思考

倒虹是灌区干渠输水过沟或过河的重要形式之一,是保证下游灌区供水生产的关键工程.本文通过介绍宝鸡峡韦水倒虹工程现状和存在问题,探索韦水倒虹工程加固改造需要实施的内容,以此为灌区涵洞、渡槽等其他水利水电工程改造实施提供参考.     

双层聚类模型在日志数据分析中的应用

提出了一种基于自组织特征映射( SOM)神经网络和模糊c-均值( FCM)的双层聚类方法,对Web日志中的日志数据集进行聚类。第一层是无监督SOM神经网络聚类方法,它所产生的类的个数大大减少了原始数据集的个数,降低了FCM对类初始中心点的依赖;然后利用FCM聚类算法的优势对第一层中产生的类的中心点进行聚类,从而大大减少了聚类的时间复杂度;最后通过平行坐标技术可视化展示聚类前后的日志数据集,方便对日志数据进行分析。     

基于部分标签数据和经验分布的命名实体识别

近年来,基于数据驱动的命名实体识别方法在新闻、生物医疗等领域上取得了很大的成功,然而许多领域缺少标签,且人工标注成本高昂。为了降低标注成本,该文尝试使用含有噪声的部分标签数据进行命名实体识别,提出了一种基于部分标签数据和经验分布的方法。首先介绍基于部分标签数据的建模方法,然后引入标签经验分布的假设,通过将经验分布加入模型,有效降低了数据中的噪声。最后分别在植物病虫害数据集和优酷视频数据集上进行测试,结果表明,该方法优于其他方法。     

基于深度表示学习和高斯过程迁移学习的情感分析方法

情感分析是自然语言处理领域的重要研究问题。现有方法往往难以克服样本偏置与领域依赖问题,严重制约了情感分析的发展和应用。为此,该文提出了一种基于深度表示学习和高斯过程知识迁移学习的情感分析方法。该方法首先利用深度神经网络获得文本样本的分布式表示,而后基于深度高斯过程,从辅助数据中迁移与测试集数据分布相符的高质量样例扩充训练数据集用于分类器训练,以此提高文本情感分类系统性能。在COAE2014文本情感分类数据集上进行的实验结果显示,该文提出的方法可以有效提高文本情感分类性能,同时可以有效缓解训练数据的样本偏置以及领域依赖问题的影响。