群体智能混合算法优化XML数据查询策略

采用路径离散化规则 ,结合 XML半结构化的特点及概率知识 ,融合粒子群算法与蚁群算法 ,提出一种优化 XML数据查询的概率方法 ,采用粒子群算法快速生成信息素分布 ,利用蚁群算法精确求解 ,达到了优势互补,提高了数据查询的范围和收敛的效率。仿真实验表明这种融合方法具有更好的查询效果。     

富含酰胺键的自修复聚氨酯的制备及表征

在自修复性能和物理力学性能之间较难取得平衡是自修复聚氨酯材料面临的主要问题。为了有效解决该问题，首先以对苯二甲酰氯和对氨基酚为原料制备了含有酰胺键的扩链剂N¹,N⁴-双(4-羟基苯基)对苯二甲酰胺(NHT),利用核磁氢谱(¹H-NMR)、核磁碳谱(¹³C-NMR)和红外光谱(FTIR)对其结构进行了表征。基于此，进一步制备了2种R值不同的自修复聚氨酯材料(PUNHT3.0、PUNHT3.5),并利用凝胶渗透色谱(GPC)、傅里叶红外光谱(FTIR)、热重(TGA)、动态力学性能分析(DMA)、万能力学试验机对2种聚氨酯材料的性能进行了分析表征。结果表明，增大R值能有效地提高聚氨酯的相对分子质量，但是，分子量分布变宽；另外，引入酰胺键后，明显地提升了聚氨酯的拉伸强度和耐热性，其中，PUNHT3.5的拉伸强度最高可达28.7 MPa, 700℃时的残碳率为15%,自修复效率为78.7%。     

基于过滤机制的链式实体关系抽取模型

当前实体关系抽取任务中普遍采用堆叠标注层的方式处理关系重叠问题.这种处理方式中很多关系对应标注层的计算是冗余的，会导致标注矩阵的稀疏化，影响模型的抽取效果.针对上述问题，文中提出基于过滤机制的链式实体关系抽取模型，先通过编码层获得文本的向量特征，再通过五阶段的链式解码结构顺序抽取关系三元组的主体、客体和关系.链式解码结构在避免标注矩阵稀疏化的同时，能够通过过滤机制完成实体和关系的自动对齐.在解码过程中：条件层规范化用于提高阶段间特征的融合程度，减少误差累积的影响；门控单元用于优化模型的拟合性能；首尾分离和关系修正模块用于关系集的多重校验.在公开数据集上的对比实验表明，文中模型取得较优性能.     

影响挤出胎面膨胀因数的因素及控制措施

分析了影响挤出胎面膨胀因数的因素并提出相应的控制措施。影响挤出膨胀因数的主要因素为口型样板截面θ角、口型圆角、排胶孔直径、挤出机各段温度、挤出速度和螺杆转向。相应的措施为口型θ角统一为 2 5° ;口型圆角半径一般取 5mm ,对于出胶量大的规格增大至 8～ 10mm ;排胶孔直径一般取 6～ 8mm ;挤出机螺杆转速应基本稳定。     

关于多通道同步数据采集的探讨

针对多变量综合测量问题,提出一种多物理量群体效应思想,以具有公共时基的多维矢量空间方式表征多变量测量结果,展现它们之间的耦合、关联、因果、时序等关系.阐述了数据采集系统通道间延迟时间差的地位、作用和价值,介绍了用通道间延迟时间差方式来定量评估不同通道的同步差异,用以进行多通道同步采集的时基补偿和修正,最终将数据采集的同...     

生物基自修复聚氨酯的制备及其性能表征

选用三种不同的基于木质素的生物基扩链剂邻苯二酚、间苯二酚和对苯二酚分别制备了三种自修复聚氨酯(PUR)。并利用核磁共振氢谱(¹H-NMR)、核磁共振碳谱(¹³C-NMR)和傅里叶变换红外光谱(FTIR)对其结构进行了表征，在对三者化学结构确认的基础上，进一步利用凝胶渗透色谱(GPC)对三种自修复聚氨酯的分子量及其分布进行了表征。在此基础上，利用热重(TG)、动态力学性能分析(DMA)、万能力学试验机、光学显微镜对三种PUR材料的热力学性能和自修复性能进行了分析表征。结果表明，使用间苯二酚和对苯二酚作为扩链剂的自修复PUR则表现出最佳的物理力学性能和热性能，其拉伸强度分别可达3.79,4.85 MPa，其在60℃处理12 h后，自修复效率达到88.9%和98.9%。     

基于虚拟化的OSPF协议安全性仿真评估方法

OSPF(Open Shortest Path First)协议是重要域内路由协议，但存在诸多安全隐患.为提升OSPF协议的安全性，有必要构建可靠、高效的安全评估体系.鉴于基于实物网络的评估方法存在成本高、灵活性差的不足，以及基于网络仿真软件(如GNS3)的评估方法存在可扩展性差的不足，设计了一种基于虚拟化的OSPF协议安全性仿真评估体系.借助于云计算、虚拟化技术，该体系可为OSPF协议安全性评估提供可扩展、可灵活构建的基础环境.进一步，面向OSPF协议安全性评估的需求，重点研究了基于虚拟化的路由协议仿真技术、OSPF协议安全评估场景的自动化灵活加载技术、面向OSPF协议安全评估的数据采集与效果评估方法.实验验证表明：该体系可对多种典型的OSPF协议攻击场景的进行逼真、灵活且自动化的仿真评估，且在仿真规模上具有可扩展的优势；通过与其他仿真技术的对比表明，该方法在部署时间、仿真性能方面具有优势.     

基于深度学习与有向无环图SVM的局部调整年龄估计

为了进一步提高年龄估计的精度，提出一种基于深度学习与有向无环图SVM的局部调整年龄估计算法。在训练阶段，将经过VGGFace2数据集预训练的SE-ResNet-50网络进行微调，待到收敛时提取出全连接层，将其首尾相连形成的向量作为表征并训练出多个One-Versus-One SVM。在测试阶段，将待估计人脸图像送入SE-ResNet-50以得到一个较为粗略的年龄估计值；设定具体邻域；将训练而成的SVM组合为一个有向无环图SVM并以全局估计值为中心进行精准的年龄估计。为了表明算法的普适性，在不同种族的MORPH和AFAD图像集中进行实验，结果验证了算法的有效性。     

基于BERT的双特征融合注意力的方面情感分析模型

方面情感分析旨在预测句子或文档中一个特定方面的情感极性，现阶段大部分的研究都是使用注意力机制对上下文进行建模。然而，目前情感分类模型在使用BERT模型计算表征之间的依赖关系抽取特征时，大多未根据不同的语境背景考虑上下文信息，导致建模后的特征缺乏上下文的语境信息。同时，方面词的重要性未能得到充分的重视而影响模型整体分类的性能。针对上述问题，提出双特征融合注意力方面情感分析模型（DFLGA-BERT），分别设计了局部与全局的特征抽取模块，充分捕捉方面词和上下文的语义关联。并将一种改进的“准”注意力添加到DFLGA-BERT的全局特征抽取器中，使模型学习在注意力的融合中使用减性注意力以削弱噪声产生的负面影响。基于条件层规泛化（CLN）设计了局部特征和全局特征的特征融合结构来更好地融合局部和全局特征。在SentiHood和SemEval 2014 Task 4数据集上进行了实验，实验结果表明，与基线模型相比该模型在融入了上下文语境特征后取得了较明显的性能提升。     

全民健身背景下体育舞蹈产业发展现状及模式建设

社会经济发展步伐的加快，催生了各种各样的新兴产业，体育舞蹈产业也应运而生，其在全民健身战略实施中的价值日渐凸显。随着人们生活水平的提升，参与休闲健身活动的动力愈发充足，体育舞蹈作为一种富有美感、健身价值高、兼具竞技性的新兴产业，对新时代的人们极具吸引力，越来越多人加入到体育舞蹈行列中。体育舞蹈的发展前景是毋庸置疑的，但从如今的产业化发展现状来看，还存在一定的不足，后续还需要加大政策扶持，不断优化基础设施，打造优秀的人才队伍，积极宣传与开展各类赛事，才可促进体育舞蹈产业的持续稳定发展。本文通过对全民健身与体育舞蹈进行介绍，并对体育舞蹈产业发展现状进行分析，同时提出体育舞蹈产业发展策略，以供参考。