探析印刷行业中的相关企业分类

自宋代我国毕昇发明活字版印刷术至德国人谷登堡创造铅合金活字版印刷术,时至今天数码印刷技术的出现,印刷行业经历了几世纪的演变积累。从报纸、杂志、地图、海报、广告、信封、信笺、商标到名片、请柬、信用卡、钞票、贺卡、台历、挂历、包装纸盒、装饰壁纸等等都是通过印刷技术呈现的。久而久之,不同的需求就产生了不同的印刷客户。     

浅析印刷行业的相关企业分类及与数码快印的关系

自宋代我国毕昇发明活字版印刷术至德国人谷登堡创造铅合金活字版印刷术,时至今天数码印刷技术的出现,印刷行业经历了几世纪的演变积累。从报纸、杂志、地图、海报、广告、信封、信笺、商标到名片、请柬、信用卡、钞票、贺卡、台历、挂历、包装纸盒、装饰壁纸等等都是通过印刷技术呈现的。久而久之,不同的需求就产生了不同的印刷客户。而"数码快印",它与传统印刷不同之处在于数码快印可以一张起印、边印边改,是利用印前系统将图文信息直接通过网络传输到数字印刷机上印刷出彩色印品的一种新型印刷技术。     

浅析电子商务安全发展现状与技术策略

随着计算机网络技术的迅速发展,作为一种新型的商业运营模式,电子商务在全球范围内也显得越来越重要,电子商务的发展前景也很乐观。作为电子商务交易的基石,电子商务安全也越来越引起广泛的关注。本文从电子商务安全的发展现状和技术策略两个大方面,简要分析了电子商务安全的重要性。     

基于智能客户端和SOA的新型ASP模式研究*

在对当前广泛研究的ASP模式进行综述的基础上,提出一种新的基于智能客户端和面向服务体系结构的ASP运行模式.这种模式可以解决ASP服务对数据的全面管理与客户对私有数据的安全性要求之间的矛盾.详细阐述了这一模式的优缺点,并将它与现有模式进行了比较.     

基于IBAS-NARX神经网络的锂电池荷电状态估计

在使用神经网络方法估计锂电池荷电状态时,传统荷电状态适应度评价函数存在仅考虑均方误差等网络权值参数的缺点,忽略了拓扑参数对模型的影响.故本文提出在适应度评价函数设计中综合考虑输入/输出时序相关性、隐层神经元数量等模型拓扑参数和网络权值参数的加权影响,并将其引入带外部输入非线性自回归神经网络建模方法的锂电池荷电状态估计中,进而基于改进天牛须搜索算法实现了上述模型拓扑参数与网络权值参数的协同辨识优化.仿真结果表明,本文所提出方法能够提高多种复杂工况下的锂电池荷电状态估计精度,在DST标准工况和WLTC标准工况下锂电池荷电状态的均方根误差分别达到3.38×10?3和8.75×10?4,相比于未经改进的天牛须搜索算法优化NARX神经网络在均方根误差上估计精度分别提升了42.4％和20.5％.     

改进的蚁群算法在溶质运移参数识别问题中的应用

非饱和土壤水分和溶质运移参数(扩散率、导水率和水动力弥散系数)取值范围较大,往往跨越几个数量级。采用传统离散化蚁群算法求解此类问题,所需节点较多,这会造成算法收敛时间较长。该文在传统蚁群算法基础上,对蚂蚁搜索路径进行改进,改进后的蚁群算法寻优路径由参数精度位数(整数位和小数位)、参数个数以及0–9十个数字构成,并将路径解码公式修改为具有判别参数正负功能的解码公式。采用改进的连续蚁群算法对非饱和溶质运移参数识别优化模型进行求解。数值模拟表明相同迭代次数下改进的蚁群算法比传统蚁群算法耗时少,算法计算时间与迭代次数满足线性关系,含水率和溶质浓度实测值与计算值吻合较好、相关性较高。     

乙炔法气相合成醋酸乙烯工业固定床反应器的优化操作的…

在前面乙炔法气相合成醋酸乙烯的宏观动力与失活动力学研究的基础上，建立了工业固定床反应器的数学模型，同时为优化操作计算机模拟提供了一系列计算机软件。依据工厂试生产数据用该模型进行了计算机模拟，得到了工业固定床反应器的反应动力学和失活动力学模型参数。     

电沉积制备Ni-Co合金镀层的成核过程研究

在氨基磺酸盐镀液中,采用电沉积技术制备了Ni-Co合金镀层。通过阴极线性扫描和计时电流测试,研究了Ni-Co合金镀层电结晶初期的共沉积行为和电化学反应过程,探究了Ni-Co合金镀层的成核模型;采用扫描电子显微镜和X射线衍射仪,表征了Ni-Co合金镀层的表面形貌和微观结构;通过退火后的显微硬度测试,研究了Ni-Co合金镀层的热稳定性。结果表明:Ni-Co合金镀层的沉积电位约为-0.73 V;Ni-Co合金镀层的形核/生长过程符合受扩散控制的瞬时成核模型;Ni-Co合金镀层表面均匀致密,晶粒细小,热稳定性较好。     

基于Bagging集成学习的水华预测方法研究

随着经济社会的高速发展和工业化建设程度不断提高,水环境问题已经严重影响甚至威胁了人类的健康。近年来,国家大力推行水环境的预测预警,许多专家学者利用人工神经网络等智能方法在富营养化评价及水华预测中得到了较为广泛的运用,也取得了一定成效。然而,人工神经网络的性能受到样本训练算法等方面的影响,在选取合适的神经网络模型、算法以及设置参数麻烦、耗时。随着问题复杂程度的增加,单个网络的隐层节点数将增加很多,训练时间将大大增加,从而造成训练困难。且由于训练过度或不够,往往导致泛化能力较差。为解决此问题,本文在对湖库水华形成机理深入分析的基础上,建立了BP网络的水华预测模型,并利用Bootstrap采样技术获取不同的数据集,分别训练多个BP网络,最终将多个网络进行集成用于建立太湖流域水华预测模型。通过基于Bagging算法的集成学习,可以对样本包含的信息进行充分挖掘,更全面的刻画因素之间的相互联系和变化规律。实验表明基于Bagging算法的BP网络集成模型预测结果与单个BP网络模型预测结果对比,具有较高的预测能力,从而获得了相对理想的预测效果。     

Kinect体感控制性能优化方法

为提高基于Kinect体感应用程序控制识别的稳定性、准确性与鲁棒性,针对手臂光标延迟与身体控制场景内容稳定性的问题,提出在Unity3D平台下的体感控制性能优化方法。基于数据转化思想,通过放宽手臂光标触发成功条件,将单点稳定触发转化为范围稳定触发,实现手臂光标延迟性能优化;通过将身体位置控制场景内容转化为模拟键盘方向键输入的方法,实现身体控制场景内容稳定性优化。实验结果表明,该方法能够有效提高体感应用程序的相关性能。