四氧化三锰的制备方法

本文对用各种锰原料制备四氧化三锰的方法进行综合评述     

On social computing research collaboration patterns: a social network perspective

The field of social computing emerged more than ten years ago. During the last decade, researchers from a variety of disciplines have been closely collaborating to boost the growth of social computing research. This paper aims at identifying key researchers and institutions, and examining the collaboration patterns in the field. We employ co-authorship network analysis at different levels to study the bibliographic information of 6 543 publications in social computing from 1998 to 2011. This paper gives a snapshot of the current research in social computing and can provide an initial guidance to new researchers in social computing.     

计算机网络安全问题及防范对策

文章简单阐述了当前计算机网络所面临的主要安全威胁,并在此基础上提出了分层控制的方案,建立了不同层次间网络安全的防范措施,希望以此来提高网络安全性。     

针对语音变换的语音篡改检测

针对使用语音变换技术的语音篡改,提出一种自动检测方法。在分析语音变换基本模型和变换语音失真的基础上,提取语音信号的声道参数以及相关的信号统计量,并通过支持向量机递归特征消除法,选择出对语音变换比较敏感的特征作为分类特征,使用支持向量机进行语音变换检测和变换语音的说话人性别判别。对于一种语音变换软件的实验结果表明,该方法具有较高的检测准确率,其中语音变换检测的平均准确率为94.90%,变换语音的说话人性别判别平均准确率为92.09%。     

一种从组织业务数据中获取软件需求的方法

针对隐藏于组织业务海量数据中的隐性软件需求获取提出一种方法。该方法的基本思想是：组织业务海量数据中隐含软件需求,它是以隐性知识形式存在于海量数据中的,隐性知识利用的解决方案就是组织及利益相关者对待开发软件系统的要求（软件需求）。首先,构建一个完整的、无冲突的、正确的待开发软件系统目标及其关系模型,并在待开发系统目标指导下,利用数据挖掘技术对数据进行挖掘,从中发现隐性知识;然后,识别知识的有用性和可用性;最后为可用性知识的利用提供解决方案。进而获取隐藏于大量数据中的隐性软件需求．     

基于CAE的平流式换热器无模成型工艺开发

为实现高效的平流式换热器柔性弯曲制造,避免模具对制品的损伤,采用仿真与试验相结合的方法实现平流式换热器无模弯曲工艺开发.与传统的换热器绕弯成型技术相比,该成型过程无须弯曲模,而是通过控制换热器两端的运动轨迹实现弯曲成型,改变相应的运动轨迹能实现不同的弯曲半径.在成型原理分析的基础上,建立无模弯曲成型过程的有限元仿真模型,并基于仿真结果确定合理的弯曲速度、夹头长度和中性层半径等工艺参数.设计并制造无模弯曲成型试验装置,并研究翅片结构等因素对成型质量的影响.     

面向高端装备制造CAE技术的机遇和挑战

针对高端装备制造在设计、分析、制造、服役和维护等全过程中对CAE的需求,从结构、流体以及流固耦合等3个方面概述CAE技术国内外进展及其面临的机遇和挑战,指出在发展具有能够对装备在极端服役环境下准确的结构、流体和流固耦合CAE分析技术的基础之上,需不断突破面向工程应用的多物理场耦合、跨尺度分析、多学科综合设计、产品性能评估和集成等关键技术,使CAE逐步向支持现代设计和全寿命周期管理转变.     

一种基于门限签名的区块链共识算法

针对区块链应用于物联网环境下的特点和要求,分析了目前广泛应用于联盟链的实用拜占庭容错算法（PBFT）的弊端以及目前应用于共识网络中的门限签名算法存在的普遍问题,提出改进的共识算法。首先,新共识机制将网络中的节点分组用部分节点的两两通信代替所有节点的两两通信减少通信量;其次,将组合公钥的思想引入到门限签名中,减少了通信量与计算量;最后,在节点之间引入信用分机制,优化视图切换协议。仿真结果表明,新提出的共识算法在数据吞吐量以及通信时延方面有了明显的提升,并且得到了通信量最低时的最佳分组方式。     

Monthly Streamflow Forecasting Using Convolutional Neural Network

Monthly streamflow forecasting is vital for managing water resources. Recently, numerous studies have explored and evidenced the potential of artificial intelligence (AI) models in hydrological forecasting. In this study, the feasibility of the convolutional neural network (CNN), a deep learning method, is explored for monthly streamflow forecasting. CNN can automatically extract critical features from numerous inputs with its convolution–pooling mechanism, which is a distinct advantage compared with other AI models. Hydrological and large-scale atmospheric circulation variables, including rainfall, streamflow, and atmospheric circulation factors are used to establish models and forecast streamflow for Huanren Reservoir and Xiangjiaba Hydropower Station, China. The artificial neural network (ANN) and extreme learning machine (ELM) with inputs identified based on cross-correlation and mutual information analyses are established for comparative analyses. The performances of these models are assessed with several statistical metrics and graphical evaluation methods. The results show that CNN outperforms ANN and ELM in all statistical measures. Moreover, CNN shows better stability in forecasting accuracy.