从北方联合出版传媒的发展看出版业的资本经营

为了加快出版行业的发展和应对国际出版竞争对手的挑战,我国出版业势必要由传统的产业经营向现代的资本经营进行转变。通过对北方联合出版传媒（原辽宁出版传媒）的主要资本运营活动的研究,总结出能为其他出版企业所参考的经验,同时指出了现今我国出版业资本经营存在的问题。     

基于分布式RFID门禁考勤系统的设计实现

随着信息技术的发展,智能化门禁与考勤系统已经成为现在化企业架构的必备设施。为实现门禁与考勤系统的无缝化引入,本文提出一种基于分布式RFID的网络化门禁架构,利用基于TCP／IP协议的网络控制器实现分布式布局,利用射频识别技术实现身份认证,并在门禁硬件基础上进行考勤系统设计,应用结果表明此方案能简化员工考勤流程,进一步方便企业管理。     

基于脉冲压缩的高频超声信号实时增强系统

高频超声成像具有高分辨率的优点,但其衰减速度过快导致探测深度过浅。编码脉冲压缩可以解决高频超声纵向分辨率和探测深度的矛盾。利用FPGA设计了一个线性调频脉冲的发射和实时压缩系统,通过发射大时宽-带宽积的线性调频脉冲来保证信号的能量,从而提高探测深度,在接收端通过脉冲压缩获得窄脉冲保证分辨率。实验表明,中心频率为10 MHz和50 MHz的高频超声回波信号,经过脉冲压缩以后的分辨率分别为0.3 mm和41 μm,旁瓣水平分别为48 dB和37 dB,信噪比分别提高15 dB和10 dB。     

小麦肽改善慢性疲劳综合征大鼠认知功能障碍

目的：探讨小麦肽对慢性疲劳综合征（chronic fatigue syndrome，CFS）大鼠认知能力的改善作用与机制。方法：70 只雄性SD大鼠随机选取10 只作为正常对照组（N），其余SD大鼠通过慢性束缚结合冷水力竭游泳的方式构建CFS大鼠模型，然后将CFS模型大鼠随机分为模型对照组（M）、低剂量小麦肽喂养组（M＋L）、中剂量小麦肽喂养组（M＋M）和高剂量小麦肽喂养组（M＋H）。M＋L、M＋M以及M＋H组大鼠分别灌胃给予剂量为0.2、0.4、0.8 g/（kg mb·d）小麦肽，N组与M组大鼠均给予同等体积生理盐水，每天1 次。经过8 周饮食干预后，采用水迷宫实验考察大鼠认知能力；水迷宫实验结束后处死大鼠，采用酶联免疫吸附试验法检测大鼠血清神经细胞因子以及Th1型和Th2型细胞因子的水平，海马组织中氧化应激水平和5-羟色胺（5-hydroxy tryptamine，5-HT）含量。结果：与N组相比，CFS模型大鼠的逃避潜伏期时间及丙二醛、色氨酸、5-HT、Th2细胞因子白细胞介素（interleukin，IL）-4和IL-10水平均显著增加（P＜0.05），穿越平台象限次数和平台逗留时间、超氧化物歧化酶活力、神经生长因子和脑源性神经营养因子浓度以及Th1细胞因子肿瘤坏死因子β、干扰素γ水平显著降低（P＜0.05）。而经8 周口服小麦肽干预后，CFS大鼠上述指标得到显著改善。结论：口服小麦肽可通过激活抗氧化系统、调节神经细胞因子分泌以及促进Th2型向Th1型细胞免疫反应转变而有效地改善CFS大鼠认知功能。     

高动态范围成像技术中的鬼影检测与去除方法综述

由于广泛的实用价值与理论价值,高动态范围成像(HDRI)技术成为图像处理领域的一个研究热点,如何检测及去除成像过程中产生的干扰影像(即“鬼影”)也引起了研究者的广泛关注。将鬼影检测与去除方法按照运动物体是否属于拍摄目标及算法操作域进行系统分类,将鬼影检测算法分为无参考图像、有参考图像两大类并将每一大类分为辐射域检测、图像域检测两类,将鬼影去除算法分为辐射域去除、图像域去除两大类,对其中每一类算法分别全面综述了其特点及最新研究成果,并对不同方法的优缺点进行了比较分析。最后总结了不同方法的适用条件并给出了关于这一课题未来发展的思考。     

长期冷热循环对电缆附件界面压力的影响

电缆附件与本体之间的界面压力是影响电缆稳定运行的关键,为探究长期冷热循环对电缆附件界面压力的影响,设计了界面压力测试系统,采用冷热循环的温度控制方式模拟电缆冷热负荷运行状态进行冷热循环实验,并对实验前后的电缆附件硅橡胶材料进行了动态热机械分析。结果表明：长期冷热循环下的硅橡胶材料在测试温度段下弹性模量明显上升。此外,随...     

基于DBN-SVM的电力智慧工地异常行为识别

随着电网的迅速发展，施工现场作业也出现了各种各样的情况，针对智慧工地背景下，施工人员安全防护用具的识别问题，提出基于DBN-SVM的电力智慧工地异常行为识别方法。通过在复杂场景中收集工作人员佩戴安全帽和不戴安全帽的图片，从而对数据图像预处理使其满足DBN模型的训练要求，然后搭建DBN-SVM模型，使用SVM方法进行分类识别，实现目标检测。实验结果表明这种方法可以有效地用于识别防护和安全设备，改善建筑工地工作人员的安全管理现状。     

基于改进机器学习的人体行为识别方法研究

针对人体行为识别领域传统方法特征提取复杂、分类准确率低的问题，提出了一种基于深度置信网络-支持向量机（DBN-SVM）的行为识别模型。首先，为了更好地捕捉用户行为的周期性变化，引入滤波器对行为信号进行降噪、滤波和加窗分段处理；其次，提出了DBN-SVM模型，将预处理得到的行为时频信号作为模型的可视层输入，通过DBN自动提取行为数据特征，结合SVM实现行为的分类识别。最后，实验中将该模型应用于多个行为数据集，并与传统的机器学习方法进行对比，结果表明，该方法的行为识别结果较传统的机器学习方法效率提升了4%～15%，可以更精准地实现活动分类，提高行为识别性能。