新媒体时代电视新闻的发展与改革

随着网络技术的发展,逐步过渡到“新媒体时代”.这对传统电视新闻媒体造成了猛烈冲击.新媒体与传统电视新闻相比优势广泛,并从物质层面、传播层面和内容层面引发变革.传统电视新闻媒体的发展与改革路径必须通过自身与网络的融合,借助新媒体传播方式,实现电视新闻与新媒体的有机融合.     

大兴安岭地区水能资源分析

大兴安岭水能资源丰富 ,有很大发展潜力。水利工作者必须实现对水利观念的根本转变 ,必须由工程水利观念转变为资源水利观念 ,充分利用好呼玛河、额木尔河 ,那都里河等流域的水能开发 ,促进该区经济发展。     

群井降低地下水位的新措施

结合工程实践应用,介绍群井降低地下水位的新措施,由于改变了以往在基坑上口开挖边线外布井,采取在基底开挖边线外布井,不仅减少了造井深度,而且大幅度地降低了排水量,减少了造井数量,从而加快了施工进度,降低了工程成本.     

基于Agent自主存储系统的数据定位机制

文章引入了Agent的方法学构建异构的自主存储系统,并且提出了基于Agent的有效协商的数据定位机制。为了在写数据时更有效地利用整合的多个存储资源,采用了基于可用性数据分配算法(ADA)的数据存放策略;为了获得读数据的高性能,采用数据查找策略,使用了Bloomfilter的方法,当读小块数据时采用直接处理,读大块数据时采用存储设备竞标方式提供高性能的读数据。实验测试和分析证明基于Agent的数据定位机制能够为系统实现高性能的数据存储。     

基于光纤通道仲裁环的存储区域网的分析与实现

存储区域网SAN(Storage Area Network)的出现解决了日益增长的数据的存储和管理的问题，光纤通道仲裁环FC-AL(Fibre Channel Arbitrated Loop)是实现存储区域网(SAN)的一种很好的方法．本文首先介绍了存储区域网的有关概念，然后详细地分析和介绍了光纤通道FC(Fibre Channel)和光纤通道仲裁环(FC-AL)协议，最后给出了三种基于FC-AL的设计．并进行了分析比较。     

改进的多层图注意力网络在股价预测中的应用

利用关系数据进行股价预测的方法最近已经被提出,但目前还没有找到一种有效的方法可以有选择地聚合不同类型的关系数据去预测股价。提出一种改进的多层节点图注意力网络(FHAN)模型,该方法融合Fraudar算法,提供了一种对多个对象关系之间看问题的视角。模型把公司看做节点,把交互看成边,选择性地聚合不同关系类型的信息,并将这些信息添加到每个公司的节点表示中,添加了信息的节点表示被输入到特定任务层自动选择信息,实验结果表明,该方法比目前流行的神经网络算法在股价预测的效果上更准确,实验选取不同神经网络算法做对比,在最优参数条件下,采用该方法比现有方法准确率平均提高约4%,最高提高约24%。     

iSCSI SAN中高速虚拟网络I/O通道技术研究*

针对目前iSCSI SAN中网络链路的性能瓶颈和单点故障问题,研究了虚拟网络I／O通道技术。将多个物理网络接口绑定为一个虚拟网络接口,使得多条物理链路整合为一个逻辑网络L／O通道,数据包按照负载均衡算法通过多条链路并行传输,大大提高iSCSI SAN吞吐率和系统的可用性。最后通过性能分析和实验测试得以验证。     

不同方法提取代代花中挥发油成分的WAS分析

分别采用水蒸汽蒸馏法、回流法和超声法提取代代花中的挥发油成分,提取率分别为0.16%、 2.18%和2.34%.再用气相色谱-质谱法(GC-MS)对挥发油成分进行分析,峰面积归一法确定各组分的相对含量.三种方法分别鉴定出55、 34、 29种化学成分,其中水蒸气蒸馏法以萜品醉(20.98%).柠檬烯(11.67%)主,回流法以棕榈酸(20.61%)、 9,12-十八碳二烯酸-2-氯乙胺(14.54%)为主,超声法以正二十四烷(11.32%)、正二十一烷(11.06%).棕榈酸((8.76%)为主.结果表明:不同方法提取的挥发油的组成及含量存在差异,针对目标产物需要选择合适的提取方法,水蒸汽蒸馏法对无极性和弱极性的萜烯和萜醇类化合物提取效果较好,超声法和回流法对极性稍强的脂肪酸和醋类有明显的提取优势.     

基于三方传送的存储管理系统设计与实现

存储系统已由NAS向SAN发展,如何融合NAS和SAN技术,提高存储系统的可管理性和性能,是目前存储领域研究的热点。提出了一种扩展文件共享的方法,采用三方传送机制来融合NAS和SAN,通过存储管理器和存储服务器的功能划分,由存储管理器负责存储设备的空间和文件的管理,存储服务器能共享SAN中的存储设备以及直接访问存储设备上的数据。该系统采用Lease协议来保证存储服务器端数据一致性,在此基础上分析了Lease协议模型。     

基于图卷积神经网络的织物分类研究

织物的分类研究在织物生产、服装设计等领域有着广泛应用。提出织物力模型,结合多帧时序信息和图卷积神经网络,给出一种用图来描述织物运动的新方法,通过分析和提取织物视频中的运动特征,实现织物的分类。该方法使用30种不同织物在风力吹动下的视频作为实验数据集,将视频每一帧作为一个图节点,然后根据视频时序性连接同类织物节点的边。此外结合织物力模型对原视频图像作预处理以提取力流特征作为视觉单词存储,再依据视觉单词探索同类与不同类织物间的潜在联系,由此将欧氏织物视频数据转换为非欧氏织物图数据,最后使用图卷积神经网络进行分类处理。该方法避免了传统织物分类过程中织物纹理、颜色、外部光照等因素的影响,突破了传统分类方法只能对少数织物进行分类的限制,有较好的分类效果。