基于信息资源聚合的农民专业合作社信息系统

针对农民专业合作社信息获取与信息发布难、成本高的问题,提出基于XM L Schema的农民专业合作社信息聚合元数据表示规范,设计数据传输流程和信息定制与智能推送机制,建设两层部署体系的农民专业合作社信息系统。系统信息服务中心与农业搜索引擎（AgSoso）相结合,为远端用户系统提供最新的信息资源;系统客户端实现合作社生产经营信息的本地化管理,并向信息服务中心同步最新的农产品等信息。应用结果表明,该方案投入成本、维护成本低,资源利用效率高,具有较高的实用应用价值,为农民专业合作社提供了一套基于多来源数据聚合服务的技术解决方案。     

基于工作流和智能手机的城市综合管理平台

为适应现代城市综合管理的需要,提高城市管理水平,提出利用GIS技术的二三维一体化联动提高管理平台可视化;基于工作流的管理使事件处理更加自动化;利用智能手机的方便使管理人员与系统进行动态交互;利用模糊数学提高任务完成质量评价的科学性。整个平台在Windows7下进行开发,基于B/S(浏览器/服务器)和C/S(客户端/服务器)结合的架构,运用JavaEE、工作流、模糊数学、无线通信、视频融合等技术,实现平台对交通灯、人员、车辆、消防、事件和任务的管理。     

基于FPGA的多路矿用气体传感器智能调校系统

矿用气体传感器因煤矿安全被大量使用,国家规定必须定期进行调校,目前的传感器调校系统可同时对5-8台传感器进行调校,针对大中型煤矿生产过程中需要调校的矿用气体传感器数量大、调校耗时长的现状,提出了一种基于单片机与现场可编程门阵列（FPGA）的64路气体传感器调校系统,介绍了系统的整体设计并详细阐述了该系统的气路控制模块和传感器输出信号采集模块,使用Verilog语言在QuartusⅡ工具中实现FPGA的逻辑设计、仿真和综合。结果证明：该系统能有效地完成对64路气体传感器同时调校的目的,很大程度节省了人力消耗,提高了调校效率,节约了调校时间。     

基于网络统考课程的学习支持服务构建

为满足学生在网络统考课程学习中自主学习的需要,学习支持服务系统的研究、设计构建和有效运行至关重要。各试点高校关于网络统考学习支持服务的实践和做法很多,但系统性研究和理论总结不够,作者结合工作实际尝试构建了网络统考学习支持服务体系基本框架。     

双边剪智能剪切控制功能的研发与应用

在宽厚板项目中,双边剪用来剪切钢板两个纵边,以达到厂家要求的钢板宽度。本文除了介绍宽厚板双边剪的系统配置及功能特点外,主要阐述智能剪切的自动控制。本着降本增效的原则,开发一种新的主传动控制模式,优化双边剪电机剪切程序,在钢板厚度满足设定条件的前提下,固定侧与移动侧各采用一组电机驱动剪刃,并且实现主从电机智能激活切换模式,以满足生产需要。经实践证明,优化后的控制系统不仅提高了生产效率,还实现了节能降耗、安全生产的目的。     

智能混合控制器在转炉干法除尘中的应用

转炉干法除尘蒸发冷却器出口烟气温度大多数采用常规串级控制方式,但转炉冶炼前期控制效果并不理想.对转炉冶炼过程及蒸发冷却器出口烟气温度的控制难点进行研究,找出常规串级控制方式的缺点,并设计出一种智能混合控制器.采用智能模糊控制器和常规控制器并联的控制方式,对蒸发冷却器出口烟气温度进行控制,控制效果理想.实际应用表明,同常规串级控制器相比,智能混合控制器具有响应快、被控对象稳定等优点.     

基于BIM数据的建筑抗震弹塑性分析建模技术

针对建筑信息模型(Building Information Model,BIM)的共享数据标准为IFC标准,但现有软件导出的IFC格式模型缺少关键数据,不能满足结构非线性抗震分析数据需求的问题,提出建筑抗震弹塑性分析数据基于IFC标准的表达方法,编写C++转换程序将BIM包含的数据正确地转换成不同软件(如Marc和OpenSees等)的模型,从而可以使用不同的结构分析软件实现建筑抗震弹塑性分析.该方法为基于BIM数据实现建筑抗震弹塑性分析提供参考.     

基于Web的重点建设项目管理系统

为提高重点建设项目的管理水平和工作效率,在详细分析重点建设项目的业务流程和用户需求的基础上,提出基于Web的重点建设项目信息管理系统。该系统采用典型的三层体系架构,具有较强的可扩展性和灵活性。通过该系统对重点建设项目信息科学管理,可以有效克服传统管理方式的弊端,极大地提高重点建设项目信息管理工作的效率。     

用磷石膏生产建筑材料的新进展

针对湿法磷酸副产的磷石膏在建筑材料中的应用及其国内外进展，介绍了用磷石膏制高强度砌块的中间试验流程，并指出在磷石膏中搀入其他材料，采用特殊复合工艺，可生产出新型功能性建筑材料，如石膏基导电材料和石膏基磁性材料等这不仅拓展了石膏的用途，又可获得巨大的经济效益。     

Pair-copula based mixture models and their application in clustering

Finite mixtures are often used to perform model based clustering of multivariate data sets. In real life applications, such data may exhibit complex nonlinear form of dependence among the variables. Also, the individual variables (margins) may follow different families of distributions. Most of the existing mixture models are unable to accommodate these two aspects of the data. This paper presents a finite mixture model that involves a pair-copula based construction of a multivariate distribution. Such a model de-couples the margins and the dependence structures. Hence, the margins can be modeled using different families. Again, many possible dependence structures can also be studied using different copulas. The resulting mixture model (called DVMM) is then capable of capturing a broad family of distributions including non-Gaussian models. Here we study DVMM in the context of clustering of multivariate data. We design an expectation maximization procedure for estimating the mixture parameters. We perform extensive experiments on the basis of a number of well-known data sets. A detailed evaluation of the clustering quality obtained by DVMM in comparison to other mixture models is presented. The experimental results show that the performance of DVMM is quite satisfactory.