基于侧链技术的电力物联网跨域认证研究

能源互联网和5G通信技术发展使电力物联网规模不断增大,对于跨域数据交换的业务需求缺少有效的认证手段。分析了电力物联网终端跨域认证需求和面临的问题,介绍了区块链跨链技术中的侧链技术及实现机理,并将其引入到电力物联网跨域认证方案中,提出了一种基于侧链技术的电力物联网跨域认证方案。首先建立了基于侧链技术的跨链认证架构,设计了区块数据结构和双向锚定认证信息传递模型,通过公钥证书和数字签名生成认证凭据,通过时间戳确保认证信息的时效性,然后提出了基于侧链技术的电力物联网终端跨域认证流程,实现了认证凭证从申请域到认证域的可信传递。认证方案通过主链和侧链数据交互和共享,具有认证信息跨域有效、不可篡改以及分布式共识的特点。最后在配电自动化应用场景中进行仿真实验,验证了方案的可行性。     

基于服务力向量的发布/订阅自动发现算法

由于SDPBloom自动发现算法无法预先在参与者发现阶段对端点QoS策略的兼容性进行判断,使得各节点和网络中均出现大量QoS不兼容的端点信息,从而消耗过多的内存和网络资源。为解决该问题,提出一种基于服务力向量(SAV)的发布/订阅自动发现算法,利用布隆过滤器向量和SAV对端点主题名、主题类型以及QoS策略进行匹配,以减少不必要信息的传输和存储。实验结果表明,与SDP_ADA和SDPBloom算法相比,该算法具有更低的网络负载和内存消耗。     

基于前景优化和概率估计的显著性检测

为了对图像中的显著目标进行更精确的识别,提出一种基于前景优化和概率估计的区域显著性检测算法.所提出算法主要包括前景与背景线索选择、前景线索优化及基于概率估计的显著性区域检测3部分.首先,采用简单线性迭代聚类算法对图像进行初始分割;然后,分别检测图像的背景线索和前景线索,并利用背景线索对前景线索进行优化;最后,采用概率估计算法分别对基于背景线索和优化后前景线索进行显著性区域检测,并对两者结果进行融合.对比实验表明,所提出算法相比其他算法取得了较高的查准率,具有较好的检测性能.     

基于群体一致性强度的模糊评估方法

针对模糊信息的定量评估难题, 在研究多属性决策问题的基础上提出基于群体一致性强度的模糊评估方法. 利用证据理论合成评估值后, 引入语义折扣因子的概念, 将区间评估信息转化为确定的评估值; 设计群体一致性强度 指标, 最优化语义折扣因子的取值, 使得评估方法能够体现评估中的主流意见; 通过软件可信评估实例验证了所提出方法可有效解决模糊评估信息的分析和合成问题.     

正极材料zLi2MnO3·（1-z）LiNi0.4Mn0.4Co0.2O2的合成与性能

富锂锰过渡金属层状正极材料以其成本低、安全、容量高受到广泛关注,X射线衍射（XRD）和电化学性能测试显示以共沉淀结合煅烧成功合成富锂层状正极材料zLi2MnO3.（1-z）LiMn0.4Ni0.4Co0.2O2（z=0.2,0.4,0.6）。其中z=0.4组分的放电容量达到210mAh/g（2-4.8V,0.05C）,远高于z=0.6组分,而经20个充放电循环的稳定性也优于z=0.2组分。微分容量分析表明z=0.2组分中因Ni/（Co＋Mn）比值较大和Li2MnO3含量较少可能导致其容量逐渐衰减。z=0.6则因所含LiMn0.4Ni0.4Co0.2O2量较少,造成其放电容量较低;z=0.4拥有最佳Li2MnO3及LiMn0.4Ni0.4Co0.2O2组合使其容量和循环性能最好。     

国外化妆品品牌名称翻译技巧及翻译解读

<正>随着全球经济一体化进程的不断加快,越来越多的外国企业开始进入中国市场。外资企业想要在中国市场上占据一席之地,得到中国消费者的认可,除了要保障产品的质量和价格之外,还要拥有一个能够得到中国消费者认可的品牌名称。从化妆品行业来看,随着国际贸易的发展,众多国外化妆品企业也开始在中国市场布局,在这种形势下,化妆品能否赢得中国消费者的青睐,其品牌名称的翻译也具有重要的影响。有些化妆品品牌名称因为其创意的独特性和音韵的唯美性在国内市场上有着很大的影响,但是也有一些品牌因为缺乏很好的翻译,导致最终的落败。由此可见,科学合理地针对品牌名称进行翻译,对于其产品的销售具有重要的影响。     

浅谈英文电影在大学英语教学中的作用

在飞速发展的当今时代,找到一个积极有效的学习英语的方法是每个英语学习者急切想掌握的。在学习英语的环境中,带有英语字幕的影视作品不只提供了少量的地道的言语表达,而且在某种水平上真实地反映了西方社会的文明,让学习者了解英美国度的思想方式。笔者就自己在大学英语听力教学十年经验,浅析英文电影在大学英语教学中所起到的作用。     

基于集成模型的混合神经网络电力负荷预测

为了提高负荷预测的精度与泛化能力,提出了一种基于Bagging集成算法的GRU-BiLSTM-Self-attention模型。为充分提取高维输入数据的多个特征,该模型采用BiLSTM-Self-attention模型提取局部特征,采用GRU模型提取时序特征,从同一训练集中独立抽取样本子集并进行训练,对输出结果集成处理并得到最终的预测结果。选取南京某供电公司真实数据进行实验,并与LSTM神经网络、GRU神经网络、BiLSTM神经网络等预测模型进行对比。实验数据表明,该模型的均方根误差为50.770 3,准确率为97.36%。相较于其它用于对比的模型,该结果表明本模型在预测效果上具有一定程度的优势,说明所提出的模型具有更好的泛化能力与预测精度。     

基于MQTT和ILZ4压缩法的智慧能源云平台

为了适应数据规模大、响应要求快的智慧能源场景,提出了一种基于消息队列遥测传输(Message Queuing Telemetry Transport,MQTT)消息传输和(Improved Lempel-Ziv4,ILZ4)压缩法的智慧能源云平台。在物联网与云平台之间的数据通信中引入了MQTT协议,设计了基于MQTT协议的消息队列架构和消息流的上传/下载过程,利用引入的ILZ4压缩法可集成到信息存储和消息传输任务中,实现大规模监测信息流的实时压缩和传输。300万个监测数据点作为云服务器的测试数据流进行实验,实验结果表明,所提方法在吞吐量和压缩比性能上更优,从而可快速降低大规模数据的存储成本和传输开销,同时,所提平台为智慧能源应用提供一种良好、通用和可扩展的解决方案。