大型住宅小区供配电设计

目前,城市大型小区不断增多,但部分设计单位进行配电部分设计时经验欠缺,需要一些成熟的指导性意见．文中按照大型住宅小区供配电设计的基本要求,围绕小区用电负荷计算、小区接入电源供电、配电接线方式、配电房选址及线路走廊、主要电气设备选型和电能计量方式等内容和设计经验进行阐述介绍,帮助参与大型住宅小区供配电设计人员做好设计,少走弯路．文中对设备和导体新技术应用方面进行了推荐．供设计人员参考．     

以英语为特色的城市社区文化模式构建研究

城市社区是经济发展和城市化进程的必然产物,是社区居民最重要的生活和休闲场所。社区文化是否健全直接关系着社区居民的切身利益和生活质量。我国城市社区发展具有起步晚、发展慢、没有特色等特点,与我国现阶段广大城市日益增长的物质和文化水平不相符合。本文从立足社区实际情况,以多样性为原则、以实用性为宗旨等三个方面,对构建以英语为特色的城市社区文化模式提出了启发性的建议。     

对老龄化背景下居住区活动场所的调查研究——以杭州市若干居住小区为例

以不同类型的居住小区活动场所为调研对象,归纳活动场所在老年人Et常生活交往、社区设施布置及环境规划等方面的不足,从总体模式和细节处理上提出对不同类型居住区在规划与建设上的对策,研究结果可供政府将适老社区改造纳入城市综合改造的政策制定参考,也可为今后社区开发中涉及中老年客户的地产项目提供理论支持。     

用户参与专业虚拟社区的满意度影响因素研究

以信息系统成功模型和技术接受模型为理论基础,分析了影响专业虚拟社区的用户满意度的若干影响因素,基于提出的假设,构建了诸多因素与满意度之间的研究模型;以参与专业虚拟社区的用户为调查对象,采用统计软件AMOS对研究模型进行了实证分析。研究发现,众多满意度直接前置影响因素中,影响程度较为显著的依次是系统质量、知识质量、感知的社会交互和感知易用性4个因素。该研究为社区管理者建设专业虚拟社区、提升社区服务品质提供了对策。     

我国城市社区网站建设状况及对策研究

为了解决我国城市社区网站建设中所存在的问题,如社区事务繁杂、建设资金缺乏、信息类人才短缺等,对社区与其他组织所建立起来的稳定合作关系进行探索研究,主张发掘利用大学生志愿者资源来有效解决社区资金和信息化人才短缺的问题,从而使高校为社区网站建设提供长期、稳定的智力支持和技术支持。     

个案工作在社区矫正中的介入

社区矫正是有别于监狱矫正的非监禁性刑罚执行活动,其需要借助专业的方法和技巧来实现服务的最终目标。个案社会工作是社区矫正工作中最常用和最有效的方法。对个案工作介入社区矫正的工作程序、原则运用和实施技巧进行探讨,以期充分发挥其作用和效能。     

我国社区居家养老模式的发展困境与机制创新

社区居家养老模式适合我国现阶段的国情,能够有效缓解人口老龄化对我国经济、社会等各方面造成的冲击,但是从各地社区居家养老的实践来看,还存在着不少的问题与缺陷。因此,需要对社区居家养老模式进行大胆的创新,改变以往对政府依赖性强,发展动力不足的现状,借助市场化的力量,充分发挥物业服务企业在社区居家养老中的天然优势,以使社区居家养老具备更好的可操作性和适用性。     

基于隐马尔可夫随机场的社区结构发现算法

针对社区结构发现问题,提出了一种基于隐马尔可夫随机场社区发现算法.该方法将网络中的顶点度数映射为顶点信息值,用马尔可夫随机场模型描述网络中上下文信息并构造系统能量函数,使用迭代条件模式算法对能量方程进行优化.该方法在Zachary空手道俱乐部网络、海豚关系网络以及美国大学足球联赛网络上进行验证,实验结果表明,该算法的准确率较高.     

基于带权图的层次化社区并行计算方法

提出了一种基于带权图并行分解的层次化社区发现方法,该方法采用图划分的方式定义社区结构,并在这种社区结构之上实现了社会网络社区发现并行算法P-SNCD(parallel social network community discovery).P-SNCD算法有效地避免了传统的基于“模块度”的社区发现方法倾向于发现相似规模社区的弊端.同时,该算法能够以可扩展的方式,在处理器规模为O(hmn)或O(hn2)的条件下,以并行计算时间复杂度为O(logn)高效地挖掘大规模复杂社会网络中社区密度为h的社区,其中,n为社会网络节点数,m为边数,h为用户指定的任意社区密度.所提出的算法对用户参数输入要求简单,从而使得算法具有较强的实用性.充分的实验数据验证了所提出算法的精确性和高效性.     

KBAC:一种基于K-means的自适应聚类

K-means聚类算法存在的主要不足之处之一在于需要用户指定聚类核数目,在一般应用场景下,用户无法给出合适的聚类核数目.另一方面,K-means聚类所具有的可并行化特点非常适合运用到云计算平台上以处理大规模数据样本的聚类任务.本文提出KBAC算法采用K-means算法作为预聚类过程并在云平台上进行实现和优化,能够自适应确定最佳聚类核数目并进行聚类.其核心思想是将样本空间聚类问题转换为图上社团发现问题.理论和实验证明,通过在云计算框架下实现K-means预聚类过程的并行化,KBAC算法能够高效地对大规模数据进行聚类,并获得高质量的聚类结果.