浅析中国农机化技术现状及发展趋势

通过研究农机装备总量、耕种收综合农机化程度以及各省农业机械化水平等方面内容,分析我国农业机械化发展现状,指出发展不平衡、结构不均衡、技术水平落后、制度不完善、土地集约化程度不够和从业劳动力素质低等问题是制约我国现代农机化发展的主要因素.阐述了我国当前农机化发展面临的新情况,分析指出机械智能、设备适用、设施精准、技术创新...     

柔性衬底微晶硅薄膜太阳电池研究

采用等离子增强化学气相沉积(PECVD)技术制备了系列本征微晶硅薄膜材料和nip单结微晶硅太阳电池,研究了硅烷浓度、衬底温度和辉光功率等沉积参数与薄膜材料性能、薄膜电池性能三者之间的关系.拉曼光谱和器件测试结果表明:随硅烷浓度的增加,本征层晶化率逐渐减小,直至转变为非晶硅;沉积温度高于200℃时,电池性能严重恶化;随等离子辉光功率增加,材料晶化率保持不变,而电池开路电压逐渐增大,短波光谱响应逐渐增强.在此基础上,优化了单结微晶硅电池沉积参数,得到效率为6.48％ (AM0,25℃)的单结微晶硅薄膜太阳电池;并将其应用到非晶硅／微晶硅叠层电池中,在不锈钢柔性衬底上得到效率为9.28％( AM0,25℃)的叠层电池.     

基于网格耦合的数据流聚类

随着越来越多的应用程序产生数据流,数据流聚类分析的研究受到了广泛关注.基于网格的聚类通过将数据流映射到网格结构中形成数据概要,进而对概要进行聚类.这种方法通常具有较高的效率,但是每个网格独立处理,没有考虑网格之间的相互影响,因此聚类质量有待提高.在聚类过程中不再独立处理网格,而是考虑了网格之间的耦合关系,提出了一种基于网格耦合的数据流聚类算法.网格的耦合更加准确地表达了数据之间的相关性,从而提高了聚类的质量.在合成和真实数据流上的实验结果表明,所提算法具有较高的聚类质量和效率.     

带障碍的空间分级聚类算法

带障碍的聚类问题是一个具有实际应用价值的问题,因为现实世界中确实存在河流、山脉等之类的物理障碍,这们的存在会影响聚类结果的合理性。传统的聚类算法在进行空间数据的聚类时,往往忽略了障碍对于聚类结果的影响。本文讨论了不同障碍对数据点间连通性的不同影响,提出了带障碍的分级聚类算法OBHIEC。分级聚类方法使得需要计算障碍距离的点对数目减少,并能处理数据分布密度不同的情况。实验结果表明,OBHIEC算法能有效完成带障碍的聚类,并具有较好的增量特性。     

基于并行协调算法的电力系统状态估计

在研究基于支路切割的网络分块方法基础上,提出了一种通过切割支路将网络分块的算法.该算法是将切割支路的潮流以虚拟负荷的形式作为协调变量对子网络之间的耦合影响进行处理,并有效地将大规模电力系统状态估计问题转化为若干个子网络的状态估计问题,是一种准并行算法.算例表明,该算法是有效可行的.     

pgi-distance:一种高效的并行KNN-join处理方法

KNN-join是一种新近才提出的操作,它在数据挖掘中有着广泛的应用.利用KNN-join的“一次一个集合”的性质,一些数据挖掘任务,例如分类、例外挖掘和聚类等,就会更加容易地进行.MuX和Goreder则是两种专为KNN-join设计的算法.为了综合利用这两种方法的优点,一种新的KNN-join并行处理方法——pgi-distance（parallel grid index-distance）——被提了出来.pgi-distance使用双层结构,可以对I/O和CPU进行同时优化;基于距离的索引能够让它更好地适应数据维度和分布的变化.由于采用的是各DBMS厂商广泛支持的B＋树索引,这让pgi-distance得以成为一种更为实用的KNN-join处理方法.在合成数据集和真实数据集上的测试也表明pgi-distance是实用的和高效的.     

学做一体是会计实务教学的必然选择

以分析现行会计实务教学模式存在的主要问题为起点,提出了学做一体的会计实务教学新模式。     

中国新疆对吉尔吉斯斯坦贸易的国家风险分析

新疆是中国未来经济可持续增长的重要支点，是中国向西开放的重要门户。吉尔吉斯斯坦是新疆的重要贸易伙伴之一，是中亚市场的重要组成部分。随着新疆改革开放的深化和吉尔吉斯斯坦国民经济的发展，中吉双方的共同利益和共同需求进一步扩大，经贸合作的空间不断拓展，双方交流和合作取得了积极成果。面对旧政局不稳定、新政府刚刚形成、社会动荡的吉尔吉斯斯坦，分析新疆对吉尔吉斯斯坦贸易的现状与特征，评价吉尔吉斯斯坦因社会动荡、经济落后、贸易政策不完善而引起的国家风险，研究防范吉尔吉斯斯坦国家风险具有重要的现实意义。     

异质信息网络的复杂条件社区搜索

社区是信息网络的重要属性, 社区搜索旨在寻找满足用户给定条件的节点集合, 是信息网络分析的重要研究内容. 异质信息网络由于包含更加全面、丰富的结构和语义信息, 所以异质信息网络的社区搜索近年来受到人们的广泛关注. 针对现有异质信息网络的社区搜索方法难以满足复杂条件社区搜索要求的不足, 定义了复杂条件社区搜索问题, 提出了考虑非对称元路径、受限元路径和禁止节点约束的搜索算法. 3种算法分别通过元路径补全策略、调整带标签的批量搜索策略和拆分复杂搜索条件的方式搜索社区, 同时针对禁止节点约束的搜索算法设计了基于剪枝策略和近似策略的优化算法以提高搜索效率. 在真实数据集上进行了大量实验, 实验结果证明了所提算法的有效性和高效性.     

异质信息网络中基于网络嵌入的影响力最大化

针对当前大部分影响力最大化算法忽略了异质信息网络包含多种节点类型和多种关系类型,且不同类型节点在原始空间无法直接度量的问题,提出了一种异质信息网络中基于网络嵌入的影响力最大化模型（influence maximization based on network embedding,IMNE）,用于选择初始扩散节点实现影响力最大化。该模型不仅可以在对异质信息网络进行编码的同时表征异质信息网络中潜在的信息,还可以捕获不同类型节点间影响力的不确定和复杂性。在3个真实数据集上的实验验证了IMNE算法的有效性。