面向城市固体废物管理辅助决策的GIS解决方案

把城市固体废物产生预测、固体废物的运输、固体废物的处理的优化决策、固体废物的处理的定量经济评价等作为一个整体考虑，提出了一体化的GIS解决方案。利用灰色预测模型进行固体废物产生量及成分预测，并借助于组件GIS的开发技术增强其空间表达和分析能力，为城市固体废物产生预测、评价、处理提供决策支持。     

纳米TiO_2/高抗冲聚苯乙烯耐候型复合材料研究

利用金红石型纳米TiO2优异的紫外线屏蔽性能,采用熔融共混法制备了纳米TiO2/高抗冲聚苯乙烯(H IPS)复合材料。经过672 h的氙灯气候加速老化后,缺口强度保持率比未改性H IPS提高了约20%,颜色变化幅度只有未改性H IPS的10%,抗色变能力大幅度提高;质均相对分子质量在整个加速老化期间未发生明显变化,老化672 h后下降幅度只有未改性H IPS的10%,FTIR分析表明,由于纳米TiO2与光稳定剂的协同作用使改性H IPS的光老化速度得到有效抑制,其羰基和羟基吸收峰的振动特征在672 h的老化期间内均未发生明显变化。     

实体分辨研究综述

实体分辨是数据集成、信息检索等领域的重要研究内容,目的是发现数据集合中的不同实体和同一实体的不同描述。将实体分辨过程划分为数据分块、记录比较和匹配决策等3个主要步骤。从记录聚集方式的角度介绍了实体分辨的数据分块方法;从字符串划分粒度的角度分析了实体分辨的记录比较方法;从记录关联方式的角度阐述了实体分辨的决策模型。最后对实体分辨研究下一步需要解决的问题进行了展望。     

蚁群优化算法在求解随机组合优化问题中的应用综述*

不确定条件下的优化问题更贴近真实世界环境,因而日益受到广泛关注。综述了蚁群优化在求解一组不确定条件下的组合优化问题,即随机组合优化问题方面的应用。首先介绍了不确定条件下组合优化问题的概念分类模型,给出了随机组合优化问题的一般定义;然后指出了其与求解传统确定性组合优化问题的不同之处,即目标函数的计算存在不确定性,并详细论述了目前解决方法的进展;最后分析了该领域值得重点关注的几个研究方向,并对其未来发展进行了展望。     

一种引入冗余控制的特征排序模型

针对特征排序方法较少考虑特征之间的相关关系,导致选择的特征子集存在冗余的问题,提出一种引入冗余控制的特征排序模型。将特征子集判别能力最大且冗余程度最小作为模型的目标函数,以降低特征之间的冗余;使用贪心方法和非线性规划方法对模型进行求解。在9个开源数据上的实验及与特征排序方法比较表明,本模型在大部分数据上,所选择的特征子集能够获得更好的分类准确性且个数更少;使用非线性规划方法求解时,能够直接得到特征子集,有利于确定特征个数。本模型可用于特征之间存在冗余时的特征选择。     

不确定模式匹配研究综述

模式匹配是数据集成、语义Web等研究领域的重要研究内容,需要依据一定的启发式信息发现模式元素之间的对应关系。鉴于启发式信息处理方法的不同,对模式匹配方法进行了分类,并从模式匹配结果集结方法的角度,介绍了综合模式匹配方法。不确定性是模式匹配过程固有的特性,介绍了建模模式匹配过程中不确定性的数据模型,在此基础上介绍了处理模式匹配过程中不确定性的模式匹配方法。最后对模式匹配研究进行了展望。     

人工智能和专家系统在地理学中的应用研究

讨论了人工智能和专家系统等应用于地理学的优越性，分析了其在地理科学中应用的主要内容，对其发展趋势进行了讨论。     

电力市场下基于会计学原理的输电费计算方法比较

电力市场环境下，对使用输电网的用户按照使用影响程度计算输电费用是被广泛接受的计算原则。介绍、分析、比较了基于会计学原理的计费方法（即邮票法、合同路径法、分布因子及潮流追踪法等）。从理论上分析和比较了潮流追踪法中的Bialek’s潮流追踪法和费用流法．并以5节点系统，采用不同方法向发电方计算输电费。算例结果表明：费用流法计算简洁、中间步骤少、累计误差小，是计算输电费简单有效的方法。     

谈施工技术资料的整编方法

工程施工技术资料是施工过程中技术，质量活动的记录，是反映建筑物内在质量优省的重要任证，针对工程施工技术资料整编中存在的一些常见问题，如：内容不全，计算错误，填写不规范，编写不及时等，提出强化监控，促进各方协作，规范资料分类及编制的方法。     

锐钛型纳米二氧化钛的制备与应用

针对TiO2纳米化后的许多特异性能，采用溶胶－凝胶法制备了锐钛矿型纳米TiO2粉晶。采用普通干燥器干燥湿凝胶，并分别在200－500℃时对干凝胶粉热处理4h，制得了锐钛矿型纳米TiO2粉末。用TEM、XRD等表征了纳米TiO2的性能特征。并利用其光催化性能做了杀菌试验的应用，结果表明：经400℃时热处理的锐钛矿型纳米TiO2具有很好的杀菌性能。纳米TiO2作为一种性能优异的抗菌材料，其应用前景十分广泛。