建筑艺术照明的目的和几点要求

艺术照明是人们生活中必不可少的，也是文明社会所必须的，近来艺术照明在建筑美化的作用与日俱增，为了提供良好的工作和生活视觉条件，体现建筑艺术美感，使环境空间更符合人们心理和生理上的需求，从而得到美的享受。当夜幕降临，喧闹一天的城市，进入了灯的世界，满城灯火、万紫千红，整个城市打扮得辉煌壮丽，光彩夺目，在城市每个角落都会看到夜空在灯具照耀下，画     

普利司通将在惠州建立钢丝帘布厂

载重斜交轮胎易发问题及解决措施     

论篮球运动中美学的思考

随着社会的发展,人们生活水平的日益提高,欣赏篮球的角度也发生着改变。人们去欣赏篮球运动的角度不仅仅满足于停留在技术层面上,而是去追求更高层次篮球运动中的美学价值。篮球运动的美学价值在于以运动美的形式向人们展示绚丽多姿的艺术世界,给人以美的陶醉和享受。篮球运动能展现出人体的力量、速度、灵巧、耐力和青春活力,展现人类的形态美与心灵美。因此,篮球运动与美是相互交融的,同时也是不可分割的。研究篮球运动的美学价值,对于推动现代体育发展,提高体育运动的审美水平,有着十分重要的意义。本文主要通过美学角度去认识篮球,揭示篮球运动内部发展规律,从而进一步满足人们对篮球运动审美的需要。     

2-氨基-5-甲基噻唑的合成及应用研究

以1，2，3－三氯丙烷为原料，与氢氧化钠反应生成2，3－二氯－1－丙烯（2），接着与硫氰酸钾反应并异构化生成2－氯－2丙烯基异硫氰酸酯（3），再与氨水反应得N－（2－氯－2－丙烯基）硫脲（4），然后再在80％的硫酸作用下环合得2－氨基－5－甲基噻唑（1），总收率由文献报道的24．3％提高到41．3％。利用（1）和吡罗昔康的中间体（5）缩合制得美洛昔康（6）。     

基于概率主题模型的物联网服务发现

针对物联网中服务数量的大规模性、服务描述的异构性以及设备服务的资源高度受限性和移动性等特点,提出了一种基于概率主题模型的物联网服务发现方法.该方法的主要特点是：1） 利用英文Wikipedia 构建高质量的主题模型,并对类似短文本的服务文本描述进行语义扩充,使主题模型能够更有效地估计服务文本描述的隐含主题;2） 提出利用非参数主题模型学习服务文本的隐含主题,降低模型训练时间;3） 利用服务隐含主题对服务进行自动分类和文本相似度计算,快速减少服务匹配数量,加速服务文本相似度计算;4） 提出能够同时支持WSDL-based 和RESTful 两种物联网服务的signature 匹配算法.实验结果表明：与现有的物联网服务发现方法相比,该方法的准确率（precision）和归一化折损累积增益（NDCG）都有较大幅度的提高.     

基于自然语言处理的算法知识名称发现

网络中的很多程序资源在知识概念上有内在的联系,却没有超链接将它们连接在一起。将网络程序资源中的算法知识名称获取出来,组织成一个算法知识专家库文件,用于识别程序设计资源所含的知识点,即可将程序设计资源按知识点相互联系。为了自动获取程序资源中的算法知识名称,提出一种基于自然语言处理的算法知识名称发现方法。通过发现含有算法知识名称语句的字符串模式,从程序资源中提取可能含算法知识名称的字符串,从中找出最有可能出现在算法知识名称中的分词,并根据这些分词获取算法知识名称。实验结果表明,与原有人工整理出的算法知识名称集合相比,该方法新增了11.2%的算法知识点和13.6%的算法知识名称。     

一种应对APT攻击的安全架构:异常发现

威胁是一种对特定系统、组织及其资产造成破坏的潜在因素,反映的是攻击实施者依照其任务需求对被攻击对象长期持续地施以各种形式攻击的过程.面对高级可持续威胁(advanced persistent threat,APT),在其造成严重经济损失之前,现有的安全架构无法协助防御者及时发现威胁的存在.在深入剖析威胁的外延和内涵的基础上,详细探讨了威胁防御模型.提出了一种应对APT攻击的安全防御理论架构:异常发现,以立足解决威胁发现的难题.异常发现作为防御策略和防护部署工作的前提,通过实时多维地发现环境中存在的异常、解读未知威胁、分析攻击实施者的目的,为制定具有针对性的应对策略提供必要的信息.设计并提出了基于异常发现的安全体系技术架构:"慧眼",通过高、低位协同监测的技术,从APT攻击的源头、途径和终端3个层面监测和发现.     

一种局部强化的多标签传播社区发现算法

在社交网络中,社区和圈子均表现为一组内部连接相对紧密的节点,但后者规模较小。圈子是重要的局部社区信息,利用这一特点有助于进行社区发现。然而,现有的大部分基于标签传播的社区发现算法并没有考虑圈子的信息。为此,提出一种基于局部强化的多标签传播(LSMLP)社区发现算法。给出圈子的定义,提出一种基于圈子信息的迭代多标签传播策略,并从每个节点的多个标签中选择归属系数最大的标签作为其从属的临时社区。采用两步优化方法使模度最大化。在真实网络的数据实验结果表明,与已有的社区发现算法相比,LSMLP算法能更高效地发现社区。     

基于综合散列度的拓扑探测源选取方法

在对非授权目标网络进行拓扑发现时,探测源的选取直接决定拓扑发现的效果,当探测源数量一定时,恰当地从备选探测源集合选取探测源组合可以使得拓扑发现的范围大大增加。针对该问题设计了一种描述探测源组合整体逻辑距离的指标——探测源综合散列度,并利用实验证明综合散列度较大的探测源组合倾向于发现更大范围的拓扑结构;提出了最大综合散列度选取法,即从备选探测源集合选取综合散列度最大的探测源组合进行拓扑探测。随后,对常被运用于电力网规划的混合遗传模拟退火算法进行定制处理,用于更准确地选取综合散列度最大的探测源组合。通过实验,证明了与SDIS选取法、低连接度选取法和随机选取法相比,最大综合散列度选取法选取得到的探测源可以发现更多的路由接口和路由链接。     

医疗健康数据的模糊粗糙集规则挖掘方法研究

医疗健康数据通常属性较多,且存在连续型、离散型并存的混合数据,这在很大程度上限制了知识发现方法对医疗健康数据的挖掘效率。以模糊粗糙集理论为基础,研究混合数据上的分类规则挖掘方法,通过引入规则获取算法的泛化阈值,来控制获取规则集的大小和复杂程度,提高粗糙集知识发现方法在医疗健康数据上的分类效率。最后通过对比实验验证了该算法在医疗决策表上挖掘规则的有效性。