直插式玉米精密播种机投种过程的计算机仿真

提出一种新型的打孔式播种机———直插式玉米精密播种机,并对该播种机的投种过程进行了理论分析和计算机仿真。试验表明,只要适当地选择滚轮、打孔器和投种参数,该播种机就能在给定的速度范围内顺利投种。     

粮食交易电子商务系统的设计与实现

电子商务是利用电子信息技术进行商务活动的一种先进手段 ,它对粮食企业发展带来的巨大作用和商机正在日益显示 .企业对企业 (B2B)方式的电子商务 ,是当前电子商务的重点 ,粮食行业B2B方式的电子商务系统的设计手段与实现方法 ,可为供需双方建立可靠的交易平台 ,为促进粮食企业生产经营服务 .     

基于MVC模式的Web框架设计关键技术研究

基于B/S架构的网络应用,越来越受到人们的重视,因此MVC设计模式被广泛用于Web应用开发。人们提出了许多基于MVC设计模式的Web框架,以便节省软件开发的时间。通过研究Struts 2.0框架实现MVC的机制,总结基于MVC模式设计Web框架时需要的各种关键技术,以方便快速实现自己的Web框架。     

杜威“教育即生活”思想对我国基础教育课程改革的启示

我国当前的基础教育课程改革是建国以来第八次规模较大的课程改革,在本次新课程改革中,提出了一个十分响亮的口号:"教育回归生活世界"。这充分体现出我们已经认识到"传统教育"下的课程与生活世界相疏离的弊端,所以教育回归生活是我国新课程改革的必然。杜威关于"教育即生活"的思想在本次新课程改革中得到了充分的体现,挖掘和分析这一理论,对我国当前基础教育课程改革具有启发意义。     

基于改进k-means算法的海量智能用电数据分析

针对智能用电数据挖掘面临数据量大、挖掘效率低等难题,进行Map-Reduce模型下基于改进k-means的海量用电数据分析研究。以家庭用户为例,建立了家庭用户用电信息的家庭用户号、房屋面积、家庭成员数、每天用电量、峰谷电量、家用电器数等的数据维度模型,利用k-means算法简单、收敛速度快的优势,克服其容易陷入局部最优解的缺陷,综合考虑初始聚类中心的选择及聚类个数的选取2个因素,以数据对象密度的大小作为初始聚类中心的选取标准,将簇间距离及簇内对象的分散程度作为聚类数目选择的重要参考,对k-means算法进行改进;为提高数据处理效率,进行Map-Reduce处理模型下的海量家庭用户用电数据的并行挖掘。通过在Hadoop集群上进行实验,结果证明提出的算法运行稳定、高效、可行,且具有良好的加速比。     

B/KNO3装药密度对激光点火延迟时间的影响

激光点火延迟时间是激光火工品和激光敏感药剂设计的重要性能参数.通过实验验证了激光点火器输入端结构密封强度设计是减小点火延迟时间和提高时间精度的关键因素.精确测定了B/KNO3 点火药的装药密度和压药压力关系及激光点火延迟时间和装药密度的关系,即B/KNO.装药密度随压药压力的增加呈对数关系曲线;B/KNO,激光点火延迟时间随装药密度的增加而呈负指数函数规律减小.通过理论和实验分析得知装药密度对激光点火延迟时间的影响最有可能改变药剂的仞始反应区燃烧压力成长.     

减免软件行业增值税的必要性

信息时代的到来，给中国赶超世界先进水平提供了一个绝好机会，而信息产业的增长热点又在软件产业，发展中国的软件产业是关系到我们国家前途命运的战略性任务。随着社会科技的发展，软件被广泛应用在社会的各行各业，已经渗透到人们的生活、工作等各个领域，旺盛的需求刺...     

Zr/KClO4激光点火延迟时间与装药密度的关系

采用光纤插入式激光点火器测定了Zr/KClO4点火药的装药密度和压药压力的关系及激光点火延迟时间和装药密度的关系,得出在压药压力5~130 MPa范围,对应的装药密度变化为0.94~1.39 g.cm-3;在密度1.0~1.38 g.cm-3范围,对应的点火延迟时间变化为2.83~0.54 ms。在装药密度≤1.25 g.cm-3时,点火延迟时间随密度变化较快,装药密度≥1.30 g.cm-3时,点火延迟时间随密度增加趋于稳定,最短点火延迟时间约为0.54 ms。在装药密度较低时,如低于1.07 g.cm-3,对应压药压力低于30 MPa,实验数据散布较大。     

组合内窝孔精密排种器小粒种子清种过程的计算机模拟分析

型孔轮式机械排种器不能适应精播的主要原因之一是对种子尺寸变化适应性差。本文以一种内侧充种垂直圆盘排种器———组合内窝孔精密排种器为例 ,对该排种器内窝定量孔中多余种子清种过程进行了理论分析和计算机模拟。分析结果表明 ,当种子尺寸较小时 ,内窝定量孔的长度及内窝孔轮的转速是影响内窝定量孔中多余种子清种的主要因素。     

蚁群算法求解性能之研究-以TSP问题为例

蚁群算（Ant Colony Optimization,ACO）为了获得较优解,算法中的蚂蚁除了可以直接选择已经走过的路径外,也会选择未曾走过的路径,即“利用”与“探究”两种路径选择机制。这两种路径选择的概率是影响蚁群算法求解性能的关键。通过对旅行商问题（TSP）的仿真实验,结果表明,当“利用”被采用的概率很高时,可能会使蚁群算法的性能降低。当这两种机制被采用的概率差不多时,可以提高蚁群算法的性能。