设计管理在城市形象设计中的应用——以江西新余市孔目江两岸夜景照明设计为例

优美的滨水绿地夜景为市民提供一个舒适,宜人的夜环境,也为城市带来潜在的效益。它不仅仅属于技术的范畴,还涉及艺术、管理等多方面的内容。城市形象设计需要进行综合的考虑与研究。本文以江西新余市孔目江两岸夜景照明设计为例,从设计管理的角度探索城市视觉识别系统的设计原则,分析城市夜景照明应该注意的问题,对城市形象的设计具有重要的意义。     

浅析龙脉、龙穴在故宫风水中的运用

中国是一个有着悠久历史和灿烂文化的文明古国,北京城便是我们伟大祖国的首都,它有着三千多年的历史,优越的地理位置使它成为历代建都最佳的风水之城——天、地、人合一之城,它保留有我国最大、最完整的古建筑群——故宫。它建造时的严整规划和辉煌壮丽的宫殿,深受中国传统文化和风水术的影响,无处不深深地打上了风水操作的烙印。     

传统文化在城市印象招贴设计中的运用

研究传统文化在城市印象招贴设计当中的运用,目的旨在于发掘传统文化,将传统文化与招贴设计相结合,利用招贴是传达信息的载体这一功能来对城市文化进行宣传,塑造城市的文化品牌。论文通过对传统文化在城市印象主题招贴设计当中运用的调研和分析,发现传统图形、色彩和文字在城市印象招贴设计当中的重要意义。     

城市街区空间引导系统的设计思考

城市街区空间引导系统与人们的日常生活息息相关,为人们的出行提供了便捷的标识引导,同时它也是城市形象的重要组成部分之一。本文分析总结了该系统的设计原则,并从视觉传达学科入手分析其视觉元素的设计。为了设计无语言障碍和有个性、地域化的城市街区空间引导系统,从符号、文字、色彩三方面对其进行设计思考。     

浅析城市道路色彩语言与特色——以上海长宁区新华路道路色彩分析为例

在现代城市色彩规划与建设中,道路作为主要构成要素之一,其色彩质量与特点直接影响着整个城市色彩设计的审美价值取向。本文试图诠释色彩语言的定义与基本特征,并利用蒙塞尔色彩体系对上海长宁区新华路"国宾道"进行了全面的色彩分析,尝试把握上海老建筑的色彩语言与特征,从而总结出城市在保护历史文化风貌区等地区特色色彩规划的要点与方式。     

重庆旧城改造中的历史文化保护研究

重庆旧城是经过漫长的历史发展而逐渐演化形成的,旧城改造"一刀切"的做法会产生多方面的问题,只有对其社会、经济、文化形态有清醒而深刻的认识基础上,才能实现可持续发展的目标。历史文脉的保护与传承是重庆旧城改造的重要组成部分,本文在对其历史文化分类归纳基础上,提出了相应保护措施,力图为重庆旧城改造提供借鉴。     

模拟退火粒子群算法在新交通控制模型中的应用

城市交通系统是个随机性很强、复杂的巨型系统,为了获得良好的通行效率,提出了一种基于模拟退火温度的自适应粒子群优化算法,同时给出了一种城市区域交通协调控制信号配时模型,然后将提出的方法应用于此模型。仿真结果表明：这种算法不仅能够克服基本粒子群算法陷入局部寻优的缺点,而且算法的收敛性和稳定性都很好,同时也表明该模型是可行的、有效的。     

基于遥感和GIS的西安市土地利用时空变化研究

利用2000和2007年两期TM遥感影像,通过最大似然法、地理信息系统空间分析方法以及数理统计方法,借助Erdas Imagine 9.0、ArcGIS 9.2和Matlab软件平台,计算出西安市土地利用类型的动态转移矩阵;构建了土地利用程度变化指数、土地利用变化类型的多度和重要度指数等区域土地利用变化的指数模型,定量分析西安市土地利用时空变化。揭示了西安市土地利用差异以及土地利用空间变化的主要类型、分布特征和区域方向,阐明了西安市土地利用变化的区域特点,为土地可持续利用提供有效的决策支持。     

ICBF：汽车Ad-Hoc网络中一种改进的CBF算法

汽车Ad-Hoc网络是一种特殊的Ad-Hoc网络,其路由层面临着许多挑战。本文提出汽车Ad-Hoc网络中一种改进的CBF算法--ICBF。通过速度、方向和距离三个重要的因素控制定时器,更准确地选择下一跳转发节点;利用城市场景下汽车与相邻汽车之间速度差较小的特点,减少了数据包的广播;提出一种新的锚点路径选择算法,使得ICBF协议能够主动地感知地理拓扑和交通密度,从而达到优化路由性能的目的。实验表明,在城市场景下,ICBF算法能提高数据转发成功率,减少网络的带宽负荷。     

Network Intrusion Detection in Internet of Blended Environment Using Ensemble of Heterogeneous Autoencoders (E-HAE)

Contemporary attackers, mainly motivated by financial gain, consistently devise sophisticated penetration techniques to access important information or data. The growing use of Internet of Things (IoT) technology in the contemporary convergence environment to connect to corporate networks and cloud-based applications only worsens this situation, as it facilitates multiple new attack vectors to emerge effortlessly. As such, existing intrusion detection systems suffer from performance degradation mainly because of insufficient considerations and poorly modeled detection systems. To address this problem, we designed a blended threat detection approach, considering the possible impact and dimensionality of new attack surfaces due to the aforementioned convergence. We collectively refer to the convergence of different technology sectors as the internet of blended environment. The proposed approach encompasses an ensemble of heterogeneous probabilistic autoencoders that leverage the corresponding advantages of a convolutional variational autoencoder and long short-term memory variational autoencoder. An extensive experimental analysis conducted on the TON_IoT dataset demonstrated 96.02% detection accuracy. Furthermore, performance of the proposed approach was compared with various single model (autoencoder)-based network intrusion detection approaches: autoencoder, variational autoencoder, convolutional variational autoencoder, and long short-term memory variational autoencoder. The proposed model outperformed all compared models, demonstrating F1-score improvements of 4.99%, 2.25%, 1.92%, and 3.69%, respectively.