雷达工程专业本科毕业设计指导模式探索

为提高本科毕业设计指导工作效率和毕业论文质量，本文基于雷达工程专业特点建立了“导师主导--研究生辅助--本科生合作”的多层次、模块化、场景化指导模式。该模式以导师为核心、科研小组和学员合作为辅助，全方位全过程保障本科毕设工作。实践表明，该模式可以有效提高指导工作效率和本科毕业设计质量，学生专业素养和实践能力显著提升。本文对电子类专业本科毕设指导具有重要借鉴意义。     

建筑施工结构裂缝控制及处理技术

在当前的社会发展形势下,快速发展的生产生活需求,催生了建筑事业的蓬勃发展。越来越多的工程项目投入建设施工过程中,尤其是一些新技术、新材料、新工艺的应用,使得建筑施工的形式越来越多样化,而建筑的功能也更加全面。很显然,在建筑工程施工过程中,质量管理始终是重中之重,影响建筑质量的原因是多方面的,有环境的因素,工艺的影响,设计的原因等等,各不相同,但无论何种因素,最终都会影响建筑的质量与功能,而严重的质量问题还会威胁到建筑使用者的安全。在建筑质量问题中,结构裂缝是一种较为普遍的问题,也是严重影响建筑质量的问题。如何在建筑项目管理中,利用有效的管理技术与方法,控制好结构裂缝的产生,就需要从施工技术、工艺、材料、管理等多个方着手。该文就建筑施工结构裂缝的主要现象,结构裂缝产生的原因进行深入分析,并就建筑施工结构裂缝的有效控制与处理技术进行分析。     

一种“KooN”结构的马尔可夫简并建模和简化计算的方法

IEC61508等标准提出了几种计算安全仪表系统需求时平均失效概率的方法,但是,对于具有冗余配置的复杂系统,随着组件数量的增加,系统的中间状态数量快速增长,用户难以构建马尔可夫模型,即便借助计算机来建模运算也较为耗时。提出了一种同型“K oo N”简并状态的马尔可夫建模的通用方法,首先是根据降级状态进行判断,将符合条件的状态进行简并,然后对标记为危险失效状态的概率进行计算。通过严格的理论推导,该简并状态方法可以在不损失精度的前提下简化马尔可夫建模。     

西南地区乡镇共墙建造砖混结构房屋典型震害与结构性能改进措施

多年来，西南地区龙门山断裂带发生多次破坏性地震，影响范围较广，导致该地区乡镇居民有大量带震害损伤共墙建造砖混结构房屋留存使用，此类建筑结构使用安全问题需高度关注。通过对该地区乡镇常见共墙建造砖混结构房屋的结构特征及建造技术进行探讨，开展该类型房屋承重墙、预制楼板、楼梯、附属结构典型震害、修复与使用情况调查分析，总结典型共墙建造砖混结构房屋的破坏特点，提出该类型房屋抗震能力评估方法及结构性能改进措施建议。     

响应面优化絮凝法去除水中Cr（Ⅵ）

为了探究不同絮凝剂对水中Cr（Ⅵ）的去除效果，比较了聚合硫酸铁、聚合氯化铝、聚丙烯酰胺、Fe Cl3对Cr（Ⅵ）的去除效果，通过效能对比以及成本分析得出了最合适的絮凝剂。通过改变反应温度、体系的初始p H值、絮凝剂的初始浓度和反应时间来探究聚合硫酸铁去除Cr（Ⅵ）效果的影响后，再进行均匀设计和响应面优化试验。结果表明，反应温度30℃、絮凝剂浓度为150mg·L^-1、pH值为7、反应时间9min，此时Cr（Ⅵ）的去除效率最高为68.4%；絮凝剂浓度、初始p H值、反应时间对Cr（Ⅵ）去除效果影响显著性为絮凝剂浓度>反应时间>初始pH值。响应面模型预测在最佳反应条件下，Cr（Ⅵ）的去除效率可达70.5%，实验结果为69.8%，二者接近，表明模型有效。     

新媒体环境下智慧化阅读推广研究——以重庆第二师范学院为例

开展智慧化阅读推广,紧跟时代步伐,有效提升读者多重阅读体验和满意度,增强智慧化阅读推广的价值,促进智慧化阅读推广服务的有效化、规范化、科学化、常态化、长期化发展,已成为当前阅读推广研究中一个重要的切入点。文章基于智慧化阅读研究,结合"新媒体"高新技术环境,提出智慧化阅读推广的内容分析、具体实施、环境构建、推广评估与效果、推广改进等几个方面组成的以读者为中心的核心服务体系。本文分析了智慧化阅读基本方面,以我校图书馆实际运用推广效果,智慧化阅读存在的优、劣势及相应的对策。     

基于多尺度特征校准的图像协调化方法

图像组合是图像处理中一个重要操作，然而组合图像中前景区域与背景区域的外观不协调使得组合图像看起来不真实。图像协调化是图像组合中极其重要的一个环节，其目的是调整组合图像前景区域的外观使其与背景区域一致，从而让组合图像在视觉上看起来真实。然而，现有方法只考虑了组合图像前景与背景之间的外观差异，忽略了图像局部的亮度变化差异，这使得图像整体的光照不协调。为此，该文提出一个新的多尺度特征校准模块(MFCM)学习不同尺度的感受野之间细微的特征差异。基于所提模块，该文进一步设计了一个新的编码器学习组合图像中前景与背景的外观差异和局部亮度变化，然后利用解码器重构出图像，并通过一个对前景区域归一化的回归损失指导网络学习调整前景区域的外观。在广泛使用的iHarmony4数据集上进行实验验证，结果表明该方法的效果超过了目前最优的方法，验证了该方法的有效性。