绿色建筑的意识形态批判

<正>如今建筑界绿色建筑、低碳城市的概念备受推崇。国家大力发展绿色经济、绿色建筑,建设低碳城市,建筑师们则一窝蜂地学习讨论与此概念相关的问题,就连以前对绿色建筑不感冒的众多开发商也开始申报LEED认证和国家绿色建筑认证。针对"绿色建筑热"一直也有批评的声音,但无论是批评者还是拥护者都认为绿色建筑虽有不足之处,可其观念是正确的,出发点是好的,绿色建筑是大势所趋。我的观点相反,绿色建筑某些细枝末节或许可取,但总体上特别在意识形态上是非常值得怀疑的。我们要把自发地追求节约,利用建筑手段改善通风、采光、保温条件,尊重环境的建筑与特定的绿色     

慢行交通:“慢”出都市出行高品质

概念:慢行交通与慢行交通系统 “慢行交通”是相对于快速和高速交通而言的,有时也可以称为非机动化交通,一般情况下,慢行交通是出行速度不大于15 km/h的交通方式.慢行交通包括步行及非机动车交通,由于许多大城市的非机动车交通主要是自行车交通,慢行交通的主体就成为步行及自行车交通.     

基于多目标优化的创意平板折叠桌设计

在任意给定折叠桌高度和圆形桌面直径时，为满足产品稳固性好、加工方便、节省用料的设计要求，通过建立多目标优化模型对创意平板折叠桌进行优化设计，利用线性加权法确定折叠桌的平板尺寸、钢筋位置、开槽长度等最优设计参数。     

5G移动通信网络关键技术分析

5G移动通信网络技术是基于4G网络通信作为基础,具有4G的优势,并表现出了更为突出的技术优势,具有系统性、应用性以及综合性特征,满足了用户的信息传播要求。文章针对5G的概念、特点进行分析,并探讨了5G移动通信网络的各类关键技术。     

基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。     

多装配接口的三维装配模型检索方法

针对三维模型装配时存在的多接口连接方式,提出一种多装配接口的三维装配模型检索方法.首先对三维装配模型进行属性邻接图的表达,并根据装配体零件之间的接口配合关系定义共轭子图;然后针对装配模型构成的图集进行图顶点的序列化,降低顶点匹配过程中的遍历次数;在此基础上,将装配模型的检索转化成查找符合共轭子图的属性邻接图,通过装配模型属性邻接图的图集进行模型检索;最后对频繁子图挖掘方法进行改进,提取出满足多装配接口的三维装配模型.实验结果表明,该方法能够实现多装配接口的三维装配模型检索,可以提取出设计人员所需的三维模型,提高产品的设计效率.     

基于语义分割算法的水库漂浮物智能识别

为了满足水库漂浮物强监管的需求，发挥水库水雨情视频监控的优势，将语义分割算法DeepLabV3+应用于水库漂浮物智能识别任务中。首先，通过多要素数据采集方法以及多种图像数据增强方式系统性整合得到水库漂浮物语义分割数据集。然后，提出改进的加权代价函数，以适应数据集中各类的总像素数量不平衡的问题。实验结果表明，通过规范采集与多种数据增强建立的数据集，以及改进的加权代价函数，提高了水库漂浮物语义分割模型的准确率。所提模型像素准确率平均值、平均交叉比分别可达到95.21%、91.03%，通过微信企业号实现的移动监管，可为水利相关部门对水库漂浮物进行及时的智能监控预警提供新的技术方案。     

基于聚类的数据加权优化在犯罪预测中的应用

近年来，我国传统暴力犯罪与成年人犯罪呈下降态势，但是，犯罪案由层出不穷。为有效提升公安实践工作中犯罪预测能力，打击各类违法犯罪事件,本文针对犯罪数据，提出一种新型犯罪预测模型。利用密度聚类分析方法将犯罪数据分类，然后进行数据降维提取关键属性生成特征数据，继而对特征数据进行加权优化并采用机器学习的方式对特征数据进行学习，从而预测犯罪案由。实验结果表明，与传统方法相比，本文方法具有更好的预测效果，为公安实践工作中类似案件的侦破和预防，提供新的路径支撑。     

一种基于Spark的不确定数据集频繁模式挖掘算法

如何在海量不确定数据集中提高频繁模式挖掘性能是目前研究的热点.传统算法大多是以期望、概率或者权重等单一指标为数据项集支持度，在大数据背景下，同时考虑概率和权重支持度的算法难以兼顾其执行效率.为此，本文提出一种基于Spark的不确定数据集频繁模式挖掘算法（UWEFP），首先，为了同时兼顾数据项的概率和权重，计算一项集的最大概率权重值并进行剪枝；然后，为了减少对数据集的多次扫描，结合Spark框架的优点，设计了一种具有FP-tree特征的新颖的UWEFP-tree结构进行模式树的构建及挖掘；最后在Spark环境下，以UCI数据集进行实验验证.实验结果表明本文的方法在保证挖掘结果的同时，提高了效率.