两级定位-路径问题的变邻域人工蜂群算法

建立了两级定位-路径问题的数学模型,提出了一种求解该问题的人工蜂群算法。针对该算法容易出现早熟现象,将近年来国外出现的一种新颖的轨迹式启发式算法--变邻域搜索融入其中,由此提出三种变邻域搜索策略。基于不同变邻域搜索策略的人工蜂群算法和人工鱼群算法的求解效果进行对比仿真。实验结果表明,变邻域人工蜂群算法能有效求解两级定位-路径问题。     

基于粒子群三次样条优化的图像边缘描述算法

针对手工选点生成的三次样条曲线无法准确地描述图像边缘的问题,以粒子群三次参数样条曲线优化算法为基础对现有的图像边缘算法进行了改进。在图像边缘上取若干点作为样条曲线的型值点,利用粒子群算法对这些型值点进行优化,使得到的样条曲线对图像边缘有很好的贴合。实验表明,该算法不仅能够快速拟合样条曲线,而且优化后的样条曲线形态能较好地贴合图像边缘轮廓。     

网络技术技能型人才培养模式的实践研究

网络技术专业贴合社会和企业对人才专业技能的需求,以加强校企合作,培养高职网络技术专业技能型人才为目标,探索出一条适合网络技术专业具体实践的、有利于学生发展的校企共建的技能型人才培养模式。     

基于IOS平台的小型仓储管理系统设计

随着数字化、信息化技术在物流领域应用的飞速发展,各种各样的仓储管理系统日益受到关注。本文介绍的基于IOS平台的小型仓储管理系统是利用IOS设备对货物信息进行采集,通过SQLite数据库技术、ZXing库等软硬件方式构建的业务系统,可以较好地适应中小规模用户数据交互的需求。同时,系统具备造价低廉、操作便捷等优点。     

重组G145R HBsAg亲和纯化方法的建立及其应用

目的建立重组乙型肝炎病毒G145R变异HBsAg抗体亲和纯化方法。方法用抗-HBs单克隆抗体(D12- McAb)制备亲和层析胶,对2A8细胞(分泌G145R变异HBsAg)培养上清盐析物进行亲和纯化。采用SDS-PAGE、Western blot及ELISA,对纯化产物的纯度、特异性、含量和回收率进行鉴定,并与同法纯化的HBsAg阳性血清及r-wHBsAg提取物进行比较。结果D12-McAb对重组真核表达G145R变异HBsAg、HBsAg阳性血清及r-wHBsAS三者具有相似的亲和性,产物纯度分别为90.3%、95.2%和93.1%,回收率分别为43.3%、72.0%和66.4%。结论已成功地建立了重组G145R变异HBsAg抗体亲和纯化方法,为G145R变异以及其他HBV免疫逃逸变异感染的深入研究奠定了重要的技术基础。     

单组分聚氨酯乳液制备及其结构与性能研究

采用预聚合法,以聚酯二元醇(PEA)、甲苯二异氰酸酯(TDI)、二羟甲基丙酸(DMPA)为基本原料合成了分子链上带有亲水基团(-COOH)的聚氯酯预聚体。以特殊的水化方式制得聚酯型水性聚氨酯乳液。讨论了温度、-NCO-与-OH的物质的量之比(R)、亲水基团含量、合成工艺分别对材料力学性能、耐水性、玻璃化转变温度(Tg)等的影响。研究发现,采用前中和工艺、在高速搅拦下将预聚物加入到水中的水化方式,当R值为1．2,羧基含量为1．6％时,合成的聚酯型水性聚氨酯乳液具有较好的贮存稳定性,且涂膜的耐水性和力学性能良好。     

生态清洁小流域监测及后评价初探

生态清洁小流域监测及后评价对于生态清洁小流域建设效果评估和指导生态清洁小流域后期建设具有重要意义,但目前为止,关于生态清洁小流域建设后的监测及后评价方面的研究较少。鉴于此,以生态清洁小流域作为研究对象,从建设目标的角度出发,针对性选取了对生态清洁小流域建设效果评价具有代表性的监测因子,并简述了监测方法。同时,综合考虑生态清洁小流域"自然-社会-经济"特点,从社会和自然环境两大方面选取10个指标构建生态清洁小流域后评价指标体系,给出了评价方法和评价标准。该研究结果可为生态清洁小流域建设效果评价提供理论依据。     

E601型全自动蒸发站在苏庄水文站的应用

本次介绍了E601型全自动蒸发站的结构组成和工作原理,通过与常规E601型蒸发计人工观测同步比测实验,实现了E601型蒸发计观测的在线监测,可为E601型蒸发计进一步推广使用提供参考.     

基于K-L散度的恶意代码模型聚类检测方法

在云计算应用环境下,由于服务系统越来越复杂,网络安全漏洞和被攻击情况急剧增加,传统的恶意代码检测技术和防护模式已无法适应云存储环境的需求。为此,通过引入高斯混合模型,建立恶意代码的分层检测机制,使用信息增益和文档频率等方法分析和提取样本数据特征值,结合K-L散度特性,提出基于K-L散度的恶意代码模型聚类检测方法。采用KDDCUP99数据集,使用Weka开源软件完成数据预处理和聚类分析。实验结果表明,在结合信息增益和文档频率进行特征分析的前提下,与贝叶斯算法相比,该方法在虚拟环境中恶意代码的平均检测时间降低16.6%,恶意代码的平均检测率提高1.05%。     

FO-CA:一种基于距离差异度组合权重的多属性数据分类方法

为了解决多属性数据分类问题,提出了一种基于模糊优选模型与聚类分析的分类方法(FO-CA)。首先由模糊优选模型得到有序综合指标数据集,其中在权重阶段提出了距离差异度并以此为依据构建了一种组合主客观权重的赋权方法;然后采用聚类分析将有序综合指标数据集聚类为几个簇进而分类;最后选取UCI中的Iris、Wine和Ruspini 3个数据集进行仿真实验。实验结果表明,该分类方法相比模糊优选方法及K-Means算法能获得更好的分类结果,对决策者有一定的参考价值。