基于混沌的协作型协进化方法

在协作型协进化算法的基础上,提出了基于混沌的协作型协进化方法。该算法加入了进化是否发生停滞的判断,并在发生停滞时进行混沌映射。用经典的函数优化问题进行仿真实验,其结果表明了该算法的有效性。     

基于Linux集群技术的计算机联锁系统研究

Linux下的集群技术是提高计算机联锁逻辑运算能力的一种有效手段.本文利用Linux集群技术构建了一个计算机联锁模型,旨在提高计算机联锁系统的运算能力和容错性,给出了理论依据及关键技术实现.最后,搭建了一个测试平台,对其中一项负载均衡进行了测试,结果表明系统的设计是具有一定可行性的,可以对其进行深入的研究.     

主动数据库技术在PRAFRIP系统中的应用

分析PRAFRIP(继电保护及故障信息分析处理)系统的主动性需求,结合数据库在继电保护故障信息分析处理系统中的作用,提出基于主动数据库的系统设计.对主动规则的原理和执行进行分析,给出基于主动规则一ECA的系统的设计和运行机制.研究表明,采用主动数据库技术的PRAFRIP系统具有较高的效率,并且数据库系统的性能大为提高.     

空间规则的可视化解释

随着地理信息系统(GIS)软件的成熟，其空间信息分析、处理和展示能力日趋完善。利用空间数据挖掘等空间信息分析抽取手段进行空间规则发现并对这些规则进行规范化与形式化描述进而利用GIS进行可视化展现已成为一种趋势。本文研完了空间关联规则、分布规则、分类规则的形式化描述，并且给出了这些规则的可视化解释过程。     

基于AutoCAD下通风系统可视化管理的实现

在矿井设计和生产管理中,通风系统对煤矿安全和高效生产具有至关重要的作用,但在生产过程中,采、掘工作面的适时推进将频繁地导致通风系统的变化,如何准确、快捷地修正通风系统和实现通风系统的适时更新,对矿井的生产管理具有很大的现实意义。本文采用AutoCAD作为支撑平台,运用VBA对通风系统进行开发研究,实现了通风系统参数在矿图中的适时更新和可视化管理。     

活性炭纤维电极上苋菜红的恒电位电化学脱色

在恒电位模式下,采用隔膜电解槽,分别以活性炭纤维（ACF）为阳极或阴极,研究了偶氮染料苋菜红的脱色行为.测量了ACF的线性扫描极化曲线,进行了控电位下苋菜红在ACF电极上的整体电解,考察了脱色率、TOC和COD去除率同电极电位之间的关系.结果表明：（1）苋菜红在ACF上的氧化电位和还原电位分别为0.6 V和-0.2 V;（2）当电极电位为-0.1～0.5 V时,脱色源于染料在ACF上的吸附,且不受极化的影响;（3）当电极电位为-0.2～-0.8 V时,脱色以染料的电还原为主,反应遵循准一级动力学,脱色速率常数与电极电位线性相关;TOC、COD去除率可达60%;（4）当电极电位为0.6～1.4 V时,脱色以染料的电氧化为主,反应同样遵循准一级动力学;TOC、COD去除率一般在30%左右.     

南京绒花在国风礼服设计中表达的时尚美学及应用

南京绒花是江苏非遗传统手工艺之一,其在不同的时期遵循着不同的时尚体系。文章从时尚美学角度出发,分析南京绒花传统文化内涵与服饰相融合的时尚美学表达方式,探寻南京绒花在当代时尚产业中的发展路线与在礼服中的设计应用方法。     

地铁车站超深基坑工程大口径管井降水的设计与施工

<正>既有建筑再利用是一项对城市环境友好的举措,它可以节约建设资源和成本,避免因拆毁重建而导致的无谓浪费。近年来,既有建筑的改建及重新利用已经成为建筑界一个越来越受重视的话题,既有建筑被重新界定身     

明十四块整体调驱工艺技术

随着油田开发的不断深入,储层的孔隙结构和物性参数均发生了较大的变化．往往在注采井之间形成大孔道或高渗透条带。注入水沿大孔道或高渗条带窜流严重,水驱油效率变低。特别是油田进入特高含水开发期以来,随着采出程度的增加和油藏水淹程度加剧,平面上剩余油分布更加零散,针对明十四块层间、层内矛盾突出,吸水剖面极不均匀,注入水沿高渗透层无效循环,区块主力层系进入高含水期的问题,采用DJ凝胶调驱、SP水膨体堵剂、酸性单液法调驱等调剖调驱技术对明十四块进行整体调驱,解决了该区块措施挖潜的余地小、难度大、产量递减快等突出矛盾．达到了提高油藏水驱控制和动用程度、减缓油藏递减、改善区块整体开发效果的目的。     

线性可分问题的支撑向量稳健感知器及其几何训练算法

分类器的稳健性能是分类器的重要性质之一。支撑向量机SVM和稳健感知器得到的都是最优分类面，都具有很强的稳健性能。SVM构造的是到所有支撑向量(距分类面最近的样本)等距离的最优分类面，SVM算法需要求解一个二次型寻优问题；而稳健感知器构造的是到所有基(各模式类的边界样本)距离都较远的最优分类面，稳健感知器需要求解一系列的线性规划。文章在二者的基础上提出了适用于线性可分问题的支撑向量稳健感知器及其几何训练算法．它将问题转化成了一系列的线性方程组，它将比SVM的二次型寻优具有更快的速度。实验仿真表明了该算法的高效性。