新能源汽车:运营创新和技术创新互为促进

展望未来几年,中国的新能源汽车的产业政策会进一步完善和落实。新能源汽车产业地位大幅度提升,并成为国家重点发展战略。从多部委透露的信息显示新能源汽车补贴政策会持续到2020年。新能源汽车的补助政策实质是支持中国本土新能源汽车产业的发展,尤其是支持自主品牌汽车的发展,缺少这样的补贴政策缓冲期,中国的新能源汽车产业很可能会重蹈传统汽车发展的覆辙,成为一个新能源汽车大国而非强国。     

新型多元复合催化剂液相催化加氢制备1,10-癸二醇

采用共沉淀法、以稀土为助剂制备了Cu-Zn-Fe-La新型多元复合催化剂,并进行了表征;该催化剂不含铬,避免了铬的污染;考察了该催化剂在癸二酸二乙酯催化加氢合成1,10-癸二醇反应中的性能,并对其合成工艺进行了探索。结果表明,在合成1,10-癸二醇中,该复合催化剂的加氢活性达到或者超过目前市场上同类催化剂;优化的加氢工艺条件为:m(催化剂)∶m(癸二酸二乙酯)=0.06,反应温度为220~240℃,反应压力为18~20 MPa;在优化反应条件下,产品收率较高,产品质量较好。该研究为1,10-癸二醇的工业生产提供了技术借鉴。     

一种基于模糊约束的多并发双边自动协商模型

为了获取所需的资源或服务,消费者可以同时与多个资源或服务的提供者进行双边协商,从中选择最令自己满意的交易,针对此类应用背景提出了一个基于模糊约束的多并发双边协商模型。在此模型中,消费者的需求和偏好被表示为模糊约束,可采用三种基于带优先级的模糊约束满足问题（PFCSP）的协商策略评估协商对手的提议并做出提议和反提议,同时设计了不同的协调策略来协调多个并发的协商线程。最后通过实验验证了协商的有效性,并分析比较了各种不同的协商策略和协调策略。     

浅谈数字化图书馆非书资源系统的开发与应用

随着电子技术的不断发展,文化信息、科学知识的普及、传播和保存已不再拘泥于纸质媒介中,许多信息会以电子媒介的形式进行传播或被保存,所以这一现象的形成也对数字化图书馆带来的不小的冲击。图书馆也不再只存放图书、纸质文件等内容,数字化图书馆和非书资源的存入丰富了图书馆的内容,也增加了信息在图书馆中的存储形式。本文以高校图书馆现状为背景详细的阐述了目前高校图书馆非书资源建设中存在的问题,在此基础上提出了数字化图书馆非书资源系统的需求分析和设计原则、最后说明了系统的应用。     

C语言课堂教学中的创新

C语言程序设计课堂教学要解决的首要问题是创新。创新是灵魂,教学是目的。由于C语言的概念和规则较多,使用灵活,初学者很难掌握。文章结合长期的教学实践经验,总结出C语言教学中应注意“三激”。     

基于迭代多尺度引导滤波Retinex 的低照度图像增强

为提高低照度图像的视觉感知,提出了基于迭代多尺度引导滤波Retinex 的低照度 图像增强算法。首先,将图像转换到YCbCr 空间;然后对Y 分量用迭代多尺度引导滤波算法 估计照度图像,以指数形式迭代增加尺度参数与平滑参数,在保持边缘的同时消除各种对比度 细节;接着用照度图像求得反射图像,并进行对比度校正;最后将图像转换到RGB 空间,得 到最终增强后的图像。实验表明,该方法能更好地估计照度图像,从而使增强后的图像视觉效 果获得明显改善。     

改进蚁群算法在机器人路径规划上的研究

基于蚁群算法在路径规划过程中出现收敛速度慢、易陷入局部最优,且在复杂环境下的寻优能力弱等缺陷,提出了一种适用于机器人路径规划的改进蚁群算法.在预规划路径基础上建立初始信息素矩阵,避免算法前期盲目搜索,提高搜索速度;将改进蚁群算法和A*算法进行有机融合,进一步提高蚁群算法搜索方向性和收敛速度.制定信息素更新规则时引入拐点...     

基于距离类别的多源兴趣点融合算法

为了更好地实现多源兴趣点（POI）数据的有效集成与精确融合,提出了一种结合空间与非空间属性的距离类别的兴趣点融合算法（MNMDC）。首先,对空间属性,通过标准化权重算法计算待融合对象的空间相似度得到融合集;其次,利用非空间Jaro-Winkle算法对融合集中类别一致的对象使用低阈值排除,对类别不一致的使用高阈值排除;最后,使用距离约束、类别一致约束和高阈值的非空间Jaro-Winkle算法找出空间算法遗漏的可融合对象。实验结果表明,该方法平均准确率达到93.3%,与空间和非空间算法（COM-NWT）及格网化纠正方法相比,在7组不同重合度的数据下MNMDC方法的平均准确率提高2.7和1.6个百分点、平均召回率提高2.3和1.4个百分点。MNMDC在实际融合过程中能更精确地融合POI数据。     

面向复杂景观模拟技术的造型分析

本文对复杂景观模拟技术所涉及的几何造型、体元造型及分形造型从概念和技术的角度进行了分析。     

面向英文阅读难度分类的神经网络设计与实现

阅读文本是影响英语阅读材料难度的重要因素,有效地评估英文文本难度可以为不同阅读能力的学习者提供相匹配的阅读材料,帮助教师科学选择合适的教学资源,为考试命题者提供科学指导。基于神经动力学方法（NDA）的收敛差分神经网络（CDNN）,将文本数据进行特征选择、加权和样本归一化预处理,用于训练不同映射函数的网络,再将网络的输出通过投票规则进行增强泛化,从而实现了一种结合投票收敛差分神经网络（Voting-CDNN,V-CDNN）的英文文本阅读难度分类方法,提高了计算效率和分类预测准确率。实验结果表明,V-CDNN的分类准确率最高值和平均值分别达到98.81%和95.45%,其在计算时间、平均精度和最高精度等方面进一步证实了V-CDNN是一个高性能的分类器。