清代铜矿从业人员的称谓

我国铜矿开采历史十分悠久。在长期的铜业开发过程中。铜矿从业人员分工细密,专业化程度越来越高,因而其称谓也五花八门,且各地又各有不同。为了说明这一点,仅就清代云南铜矿各类人员的称谓,简要予以介绍。 史称,“滇中之利,莫大于铜”(见《穆堂初稿》卷42)。正是采铜炼铜之利,吸引各地“商贾负贩,百工众技,不远数千里蜂屯蚁聚”,“四方之民,入厂谋生”。正是铜业的发展,使铜矿从业人员“各从其类”,“各有称谓”。这些人。     

基于联合损失胶囊网络的换衣行人重识别

目前的行人重识别（Re-ID）研究主要集中在短时间情形,即一个人的衣着不太可能发生改变的情况。然而现实中更常见的是长时间的情况,这时一个人有很大的机会更换衣服,Re-ID模型应该考虑这种情况。为此,研究了一种基于联合损失胶囊网络的换衣行人重识别方法。所提方法基于换衣行人重识别胶囊网络ReIDCaps,使用与传统的标量神经元相比包含更多信息的矢量胶囊,用其长度表示行人身份信息,用其方向表示行人衣着信息;采用软嵌入注意力（SEA）防止模型过拟合;使用特征稀疏表示（FSR）机制提取具有判别性的特征;增加标签平滑正则化交叉熵损失与Circle Loss的联合损失以提高模型的泛化能力和鲁棒性。在三个换衣行人重识别数据集Celeb-reID、Celeb-reID-light和NKUP上进行实验,实验结果表明所提方法与目前已有的Re-ID方法相比具有一定优势。     

解决待机恢复后USB鼠标无响应的问题

几天前,笔者遇到了一个怪现象,每当电脑进入待机状态并进行恢复后,连接在电脑上的USB鼠标就失去了响应,即使长时间等待也无法让鼠标重新动起来。由于正常情况下USB鼠标是能够使用的,因此应该不存在电脑USB接口供电不足的问题。     

基于FPGA的全局异步局部同步四相单轨握手协议实现

在常规FPGA中设计了基于LUT的异步状态保持单元,实现了全局异步局部同步系统的接口电路、时钟暂停电路,进一步完成四相单轨握手协议。基于Quartus软件的逻辑锁定技术,采用Verilog HDL进行行为描述,构建了无冒险C单元库。在Altera CycloneⅡEP2C35F672C6器件上,完成了GALS系统的时序仿真,证明了四相单轨握手的正确性。     

一种基于情感倾向分析的网络团体意见领袖识别算法

意见领袖对网络舆情的产生和发展有着重要的指引作用,挖掘和识别网络社区中的意见领袖有重要的现实意义。结合聚类算法和分类算法的优势,提出一种基于话题内容分析的兴趣团体发现方法,以有效识别出兴趣团体。并通过分析用户回帖情感倾向来计算用户间链接的权重。在此基础上,提出了一种新的LeaderRank意见领袖发现算法,通过实验证明该算法能有效提高意见领袖挖掘的准确度。     

输电线路工程索道运输方式费用探讨

输电线路工程在复杂地形条件下,越来越多地采用索道来运输物料,目前施工中常用的索道运输方式是单索循环式和单索往复式。本文采用现行的电力建设工程计算规定和定额,从造价角度对这两种索道形式进行分析比较,得到了两种索道费用的运输量临界值,为索道形式的选择提出建议。     

信息系统下的工程保障能力评估

对评估工程保障能力的指标体系进行了不同划分,运用区间直觉模糊集性质,将其与模糊综合评价方法相结合,形成区间直觉模糊综合评价原理。将直觉模糊综合评价方法用于工程保障能力评估,利用直觉模糊数同时反映隶属度与非隶属度的性质,更加全面反映了部队的工程保障能力现状,其评价结果更接近真实情况。     

数控直流电流源的设计

介绍一种可预置输出、步进调整、数宇显示的数控直流电流源。经测试表明。其电流调整步进可达1mA。纹波电流≤0.2mA，最大误差小于3mA。系统具有功耗低、性能可靠、结构简单、使用直观方便的优点。     

Gap statistic与K-means算法

对于许多聚类算法来说,聚类有效性是一个至关重要的问题.文献中已经提出很多针对此问题的方法,Gap statistic方法就是其中之一.一般认为,Gap statistic可用于解决K-means算法的聚类有效性问题.但是,缺少实际的理论分析和相近的实验数据支持.对Gap statistic方法在k-means算法中是否可行进行了验证和分析.通过用Gap statistic对k-means算法聚类效果明显的数据集进行实验,将实验结果和文献中的结论做比较,说明了Gap statistic方法并没有达到预期的结果.将Xie-Beni指标和Gap statistic方法做比较,结果显示在K-means算法聚类有效时,Xie-Beni指标要优于Gap statistic方法.     

加权的自适应相似度度量

聚类分析是数据挖掘中一种非常重要的技术.聚类算法中的关键问题是相异度或相似度的度量,聚类结果直接依赖于相异度或相似度度量,尤其对于谱聚类方法更是如此.谱聚类算法是近期兴起的一种基于相似度矩阵的聚类算法.相比于传统的划分型聚类算法,谱聚类算法不受限于球状聚类簇,能够发现不规则形状的聚类簇.在已有的谱聚类算法中,高斯核相似度是最常用的相似度度量准则.基于高斯核相似度度量及其扩展形式,提出了一种加权的自适应的相似度度量,此相似度可以用于谱聚类以及其他基于相似度矩阵的聚类算法.新的相似度度量不仅能够描述多密度聚类簇中数据点间的相似度,而且可以降低离群点(噪声点)与其他数据点间的相似度.实验结果显示新的相似度度量可以更好地描述不同类型的数据集中数据点间的相似度,进而得到更好的聚类结果.