AHP和模糊综合评判在灾难恢复能力评估中的应用

采用AHP法，建立了信息系统灾难恢复能力影响因素的递阶层次模型，并确定该模型各层影响因素的权重。在此基础上，建立了模糊综合评判模型，并应用上述方法对上海某银行信息系统的灾难恢复能力进行了综合评估。     

建筑隔墙粘结专用砂浆性能研究

本文着重研究优选适合于轻质墙板抗裂专用砂浆的外加剂,寻求最佳的配比和搅拌工艺,并对其进行复合改性;研究抗裂粘结专用砂浆抗裂性能、粘结性能等各项性能,提高材料的延伸率和变形能力,以确保墙体材料的整体性和完整性,从而基本控制和降低轻质墙板的开裂问题。     

网并快乐着

看着网上的文字,就有一种说不出的感动,心里有一种深深的归宿感,我是不大喜好出门的,可能跟自己的性格有关。人多的环境里,我喜欢静静地坐着,看看别人眉飞色舞地描绘关于他们的故事或经历。偶乐发言也不会多说。因为现实的中心是不属于自己的。 只有在网上,我才觉得这是自己的家。网络     

工程项目的成本管理与核算

工程项目的成本管理与核算，是根据企业的总体目标和工程项目的具体要求，在工程项目实施过程中，对工程项目成本进行有效的组织、实施、管控、跟踪、分析和核算等管理活动，以达到强化经营管理、完善成本管理制度、提高成本核算水平、降低工程成本、实现目标利润、创造良好经济效益的目的的过程。由此可见，施工企业必须加强成本管理与核算．不断强化成本意识．     

装置信息系统的六个阶段

最近几年,美国各行各业的制造厂,都痛感到提高生产率的必要性,并采取了种种手段。主要是引进计算机系统,特别是以建立硬件与软件相结合为目标的系统。这里可以把它们分为从0到5这样六个阶段。 在0阶段是传感器,即信息初步收集阶段,例如,设立设备数据输入站,安装限位开关,引用条型码读数装置等。到1阶段是局部控制系统阶段,PC(程序控制)、CNC(计算机数控)、微处理机、继电器屏的引进阶段。进入2阶段,是工厂内的网络化阶段。如用局部地区网络通讯,拟定软件、菜单软件的阶段。然后是3阶段的监控计算机阶段,这里是运用小型计算机、数据校正系统、机器监视、图型系统等阶段,实现了数据校正、指令跟踪、在库管理等的计算机化。到4阶段,工厂的主计算机担当起主要任务,已经是小型计算机或大型微机全面使用的阶段。厂内各种流程、产品的进出,以及MRP等都用上了计算机,最高层次的5阶段则是整个公司的主计算机     

如何解决WIN95中的声卡问题

虽然Win95有即插即用的特性,但它在硬件检测方面并非十全十美,这就是为什么有那么多的人在谈论Win95中的声卡问题。实际上有些问题根据提示就能解决,有些则需要改变一下设置。《如何解决Win95中的声卡问题》将这些问题做了总结,并用一些具体的实例进行说明。读过此文后,你再遇到声卡问题就会心里有数了。     

我国固体激光器件研究获突破

我国固体激光器件研究获突破,由南开大学光电子学研究室承担的国家自然科学重点基金项目“双包层光纤光子器件及其应用研究”已通过国家专家组中期验收.双包层光纤激光器是双包层光纤光子器件家族中的主要成员,是国际上新近     

异构边缘网络中内容扩散策略及优化

通过内容扩散系统在边缘网络中部署热门内容的副本可以有效缓解骨干网络的负载压力。因为网络边缘设备的能力和其所属用户的兴趣可能存在差异,内容扩散策略需要充分考虑边缘网络的异构性。本文首先提出一种分层的边缘网络拓扑和去中心化的内容扩散策略实现热门内容副本的扩散。基于设备的能力、负载和兴趣特征,本文进一步优化内容扩散策略,包括：基于兴趣的扩散目标调整策略、启发式的缓存节点选择策略、覆盖率感知的传输内容选择和传输负载感知的接收节点选择策略。实验结果表明优化后的扩散策略在边缘网络中拥有更稳定的高服务成功率,提高了约25.5%的本地获取服务的概率,减少了约7.6%的完成扩散所需时间。     

趣说"0"的用途

好像有一位哲人说过,在我们生活中,越是普通的现象越容易被忽略,壁如:为什么糖是甜的、盐是咸的?有的花香有的花又不香?公鸡比母鸡漂亮?女人为啥不长胡子?……可不是么,就拿对“0”的用途来说,又曾有几人去深切地关注它呢! “0”的形状不过是一个圆圆的圈儿,有时大,有时小,其用途各有不同——将军们在地图上面一个大圈圈,可能意味     

3D点云形状补全GAN

在真实的扫描环境中,由于视线遮挡或技术人员操作不当,实际采集到的点云模型会存在形状不完整的问题。点云模型的不完整性会对后续应用产生严重的影响,因此提出3D点云形状补全GAN用于完成点云模型的形状补全。该网络的点云重建部分由PointNet中用于数据对齐的T-Net结构与3D点云AutoEncoder网络相结合,来完成预测和填充缺失数据,识别器采用3D点云AutoEncoder中的Encoder部分对补全3D点云数据与真实的3D点云数据进行区分。最后,在ShapeNet数据集中训练上述网络结构,对所训练的网络模型进行验证并与其他基准方法进行定性比较。从实验结果可以看出,3D点云形状补全GAN可以将具有缺失数据的点云模型补全为完整的3D点云。在ShapeNet的3个子数据集chair,table以及bed上,相比基于3D点云AutoEncoder的方法,所提方法的F 1分数分别提高了3.0%,3.3%以及3.1%,相比基于体素3D-EPN的方法,所提方法的F 1分数分别提高了9.9%,5.8%以及4.3%。