10kV配电网工程管理与造价控制的探讨

城市建设离不开供电企业的支撑,因为无论是人们的生活还是各个工厂以及企业的运营都是离不开电的,所以说电力资源对于社会的稳定发展来说是至关重要的,10KV配电网工程建设也成了城市建设过程中的一个关键环节,因此加强工程管理与造价控制是目前相关行业非常重视的一个工作内容。为了保障地区供电的稳定性,保障配电网工程的顺利建设,就需要从根本上解决其中所存在的各种问题。为此本文主要分析了当前10KV配电网工程管理与造价控制存在的一些主要问题,并且提出了相应的解决办法,希望能够为相关工作的开展提供有价值的参考意见,进而使施工配电网工程的质量以及供电企业的盈利都能得到保障。     

四元硫属化合物:具有潜在应用价值的热电材料及其最新进展（英文）

热电材料利用Seebeck与Peltier效应可以实现热能和电能的相互转化,是颇具潜力的新型功能材料.本文聚焦四元硫属化合物Cu2B^ⅡC^ⅣSe4(其中, B位为Zn, Cd, Mn, Hg, C位为Si, Ge, Sn)的热电性能.此类材料具有复杂的晶格结构,导致其具有较低的晶格热导率,是一类具有本征低热导的热电材料.本文系统地总结了各类优化四元硫属化合物电学及热学的方法.首先,非化学计量法、元素掺杂和η=1定理用于改善其电学性能.然后,纳米结构工程可用于进一步降低其热导率.最后,基于文中的论述,我们提出通过多种实验方法的结合使用,协同调控四元硫属化合物的电、热性能,以期进一步提高其热电性能.     

交互性在提升电商网站用户忠诚中的应用策略分析

目的对电商网站的交互性进行分析。方法通过文献调研划分交互行为,在竞品分析和深度访谈等定性研究的基础上,编撰调查问卷并开展大规模调查,回收定量数据,结合电商网站的特性,运用SPSS主成分分析法对交互因子进行提取研究。结论电商网站的交互因子可以概括为相关性、真实性和关系性3个方向,从信息交互和社会交互两个维度有针对性地探索各交互因子的应用策略,可以有效提升电商网站的用户忠诚。     

将收费进行到底

企业进行信息化建设是要投钱的，这点毫无疑问：这钱一部分买了软、硬件，一部分买了服务，这点也没有什么问题。可是，有些企业不这么想：收费？有时候IT服务商应该付费给企业才是！到底是谁该给谁钱？     

基于未确知测度理论的采矿方法优选

为选择适合贵州某金矿的最佳采矿方法,以解决该矿开采难度大与开采成本高的问题,根据矿山实际地质条件,初选出了适用于该矿体的采矿方法。将数值模拟与未确知测度理论相结合,利用数值模拟分析三种备选采矿方法的安全性,同时作为优选模型的指标。结合矿山实践经验,优选出采场生产能力等11项影响采矿方法选择的指标,利用信息熵计算各指标的客观权重,引入置信度识别准则进行评价,同时按照优越度进行排序,构建基于未确知测度理论的采矿方法优选模型。通过综合比较分析,最终确定最佳的采矿方法即下向中深孔落矿嗣后充填法,该方法可以有效解决目前开采遇到的问题,扩大矿山生产能力,降低采矿成本,提高矿山经济效益。     

基于语义相似度的Web信息可信分析

互联网上的虚假事实陈述严重影响人们有效地获取信息,如何判定事实陈述是否可信成为一个亟待解决的问题.文中提出了一种针对事实陈述的可信判定模型MFSV.该模型针对事实陈述的特点,从互联网上搜集与待判定事实陈述相关的文本信息,度量其与对应事实陈述的语义相似度;同时,该模型考虑了相关文本信息在可信度上的差别,从受欢迎程度和重要程度两个方面度量了相关文本信息来源的可信度,并获取了相关文本信息的可信度排序;根据语义相似度以及可信度排序,衡量了相关文本信息对对应事实陈述可信判定所做出的贡献,并以此为基础实现了待判定事实陈述的可信判定.一系列的实验验证了该模型的合理性及可信判定的准确性.     

一种高效的动态脚本网站有效页面获取方法

随着Web2.0时代的到来,越来越多的网站采用了动态脚本的方式与用户进行交互.页面的转换不再仅仅通过点击“”标签进行,URL也不再是页面的唯一标识.传统网络爬虫无法应对含动态脚本的网页,如Google等搜索引擎即对这些网页采取回避的态度.对这些网页的抓取方法的研究仍处在起步阶段,提出了一种高效的动态脚本网站有效页面的获取方法,首先通过训练获得哪些页面元素触发的哪些事件将引向我们所需的页面,并总结出这些页面元素的XPath特征及触发的事件类型.在以后的抓取中,只触发这些页面元素上的特定事件,从而提升抓取效率.此外,通过实验证明了我们方法的效率和性能.     

一种无线通信环境中用户移动模式的挖掘算法

发现无线通信环境中用户的移动模式是移动对象管理中的一个关键问题.提出一种快速挖掘该模式的算法SAM(split and merge),用来挖掘移动对象所产生有序数据集中潜在的移动模式,从而为移动对象管理提供服务.该算法将自底向上搜索和自顶向下过滤技术相结合,采用图存储压缩数据集方法,利用非频繁项集分解子图和频繁长模式过滤数据集相结合的技术,大大减少了迭代次数,降低了CPU时间.最后给出了算法性能比较和算法分析.结果表明,该算法是有效的.     

联邦学习中的隐私保护技术研究综述

近年来,联邦学习成为解决机器学习中数据孤岛与隐私泄露问题的新思路。联邦学习架构不需要多方共享数据资源,只要参与方在本地数据上训练局部模型,并周期性地将参数上传至服务器来更新全局模型,就可以获得在大规模全局数据上建立的机器学习模型。联邦学习架构具有数据隐私保护的特质,是未来大规模数据机器学习的新方案。然而,该架构的参数交互方式可能导致数据隐私泄露。目前,研究如何加强联邦学习架构中的隐私保护机制已经成为新的热点。从联邦学习中存在的隐私泄露问题出发,探讨了联邦学习中的攻击模型与敏感信息泄露途径,并重点综述了联邦学习中的几类隐私保护技术：以差分隐私为基础的隐私保护技术、以同态加密为基础的隐私保护技术、以安全多方计算（SMC）为基础的隐私保护技术。最后,探讨了联邦学习中隐私保护中的若干关键问题,并展望了未来研究方向。     

ACT-LDA:集成话题、社区和影响力分析的概率模型

随着社交网络的发展,社交网络中的用户形成大规模的用户关系图,用户在社交网络中发表内容,这些内容及其链接关系形成大规模的文档图.如何根据用户关系图、文档图,挖掘出用户所形成的社区、社区用户的影响力以及各个社区的话题,是重要的问题,而目前这些工作相对独立.考虑了用户发表内容、用户之间的关系信息,利用话题传播、社区形成和用户影响力之间的关联性,提出了一个基于LDA (latent Dirichlet allocation)的集成话题发现、社区发现和用户影响力分析的统一模型ACT-LDA(author-community-topic LDA).模型采用变分推理的方法解决推理问题.在DBLP数据上进行了实验,取得了非常好的结果,证明了模型的有效性.