摘要：针对新的可视化方法以及成熟的技术在不同类型数据方面的应用需要不断提出和创新的问题,提出了一种用桑基图来展现时间序列文本数据的可视化方法,并设计了相关的可视化算法。使用金融文本数据集对提出方法进行了验证,证明了方法的有效性。这种可视化方法能够对时间序列文本数据形象展现,对隐含的知识能够有效挖掘,具有很好的实用性。

摘要：中小型汽轮机开孔抽汽供热可以节约能源,但对汽轮机本身的安全性会产生一定的影响。应用两种方法对开孔抽汽供热改造中的共性问题—汽缸开孔处的应力进行了校核和分析,并利用该分析结果对K116-50-20型汽轮机进行开孔抽汽改造。供热改造后,机组一直运行良好。

摘要：软件产品线是开发软件产品的一种高效方法,是一种特殊形式的软件复用,用于开发相同领域的类似产品过程,由此提出了一种基于本体的软件产品线开发设计模型,对构件采用本体方法进行表示,构造成构件本体并存入构件本体库,这样有利于提高构件的可共享和可重用性,新产品开发通过产品线模型的领域工程阶段分析,应用工程选择相应的构件本体配置成符合个性化需求的软件产品,从而提高软件产品的开发效率,缩短产品上市时间.

摘要：目的研究女贞子多糖和菟丝子多糖的协同抗衰老作用及其机制。方法用两因素两水平正交法设计实验,用D半乳糖造衰老小鼠模型,各试药组同时每天每公斤体重ig女贞子多糖∶菟丝子多糖50mg∶50mg、50mg∶200mg200mg∶50mg、200mg∶200mg,观察其对衰老模型小鼠免疫器官及抗氧化系统的影响。结果女贞子多糖∶菟丝子多糖每天每公斤体重50mg∶50mg、50mg∶200mg、200m∶50mg、200mg∶200mgig能使衰老模型小鼠胸腺指数和脾脏指数不同程度升高;肝和肾组织中MDA不同程度下降SOD及GSHPX活力不同程度提高;脑组织中LF不同程度下降。统计学分析表明,女贞子多糖和菟丝子多糖对各实验指标有交互作用。结论女贞子多糖和菟丝子多糖联用有协同抗衰老作用,两药的最佳组合是女贞子多糖∶菟丝子多糖50mg∶200mg,其机制可能与提高免疫功能,清除氧自由基、活性氧及抗脂质过氧化有关。

摘要：目的应用计算流体动力学(computational fluid dynamics,CFD)方法对电磁驱动搏动式灌注血泵流场进行仿真分析,通过改进泵头结构改善血液在血泵的流动状态,提升其抗溶血性能。方法应用Fluent 17. 0分析泵头结构变化对泵内流场的影响,通过血液流入和流出的4次仿真实验,分析内部液体的流线分布、中轴面上的湍流动能分布、血液流经泵头的压力损失和模型表面受到的切应力。结果在4次实验中,泵头入口与出口管路对称且与对称轴的夹角α=30°时,液体流线无明显紊乱,湍流程度较低;实验1中压力损失最小,为376. 8 Pa;实验1、2中的最大切应力分别为258. 6、302. 8 Pa,符合压力损失和溶血程度等血泵生物力学性能要求。选择α=30°模型为该电磁驱动搏动式灌注血泵的泵头结构,并通过3D打印技术进行制作。结论经过对泵头的优化分析,血泵溶血性能得到改善。研究结果可以运用到新型电磁驱动搏动式灌注血泵的设计与实验中。

摘要：传染病医院设计标准是传染病医院建设的直接依据,而香港地区广泛学习国际高水平医院建设经验,使用国际医院设计标准。通过将内地传染病医院建筑设计标准与香港地区使用的相关设计标准进行对比,重点讨论两地所用标准文件在编制思路、内容丰富度、布局与流线存在的差异,总结其中关于传染病医院设计思维、设计科学性和项目管理模式的优质做法,提出3点内地传染病医院建筑设计优化建议。

摘要：单目深度预测对于三维场景的理解和感知起着至关重要的作用。目前基于深度学习的方法虽然取得很好的效果,但是其性能过于依赖于训练数据,同时,在复杂场景下,基于深度线索的全局光不变假设效果欠佳。为此,本文提出了一种基于交叉贝叶斯融合全局和局部大气光的深度预测方法,具体地,分别基于全局大气光和设计的局部大气光散射模型进行初始深度图预测,为实现两者有效互补,利用研制的交叉贝叶斯模型进行深度图的融合,并利用边缘滤波机制进行优化得到最终深度图。通过一系列实验,证明了该模型在深度预测数据集中能够取得很好的效果,并且有助于提高显著性目标检测任务的准确性。

摘要：设计并实现了一种基于Zig Bee技术的可信商城监控系统,将Zig Bee监控网络提供的目标位置信息与可360°水平旋转摄像机结合,帮助监护人到商城购物时对身边的孩子进行安全管理。监控系统利用Zig Bee网络对移动节点对进行定位,当节点对间距离超过安全值,摄像头自动对携带移动节点的孩子进行跟踪,同时系统自动发送报警邮件至监护人手机,邮件内容包括孩子的位置信息和一张现场监控画面的照片。实验表明:系统定位精度较高,实时性好,可起到良好的预警效果。

摘要：关系分类是通过信息抽取实现文本数据结构化的重要一环。基于卷积神经网络(convolution neural network,CNN)的关系分类方法,在本身仅包含一个卷积层、池化层和softmax层的情况下,就能取得和其他复杂结构网络相当的效果。但在处理大间距实体的样本时,CNN难以提取有效特征甚至提取出从句中的错误特征,导致分类精度下降。此外,现有方法在输入同一样本的正向实例和反向实例时,会出现结果不一致的情况。针对这两个问题,提出了一种利用最短依赖路径的CNN句子编码器,对句子中与实体联系密切的词语进行选择性注意,增强了CNN抽取特征的有效性;定义了正向实例和反向实例,并设计了一种结合正向实例和反向实例的关系分类框架。实验证明,这种改进的关系分类框架和方法即使没有添加额外特征也取得了领域最优的效果。

摘要：有能力约束的车辆路径问题(CVRP)是现阶段供应链应用最常见的问题模型,现多采用启发式算法求解。但随着问题规模增大,启发式算法求解速度慢且无法保证解的质量。提出端到端深度强化学习(DRL)网络框架对CVRP进行研究。首先利用边聚合图注意力网络编码器(EGATE)对车辆路径规划问题的图表示进行特征嵌入编码;然后设计多头注意力解码器(MAD)进行解码,并提出多解码策略以增加解的空间多样性;接着利用带回滚基线的基线REINFORCE算法对端到端网络模型进行训练,基线可自适应性更新以提升模型训练效果,并利用奖励函数归一化和Adam优化器对算法进行优化。最后通过对不同规模问题的实验以及与其他算法进行对比,验证了所提出端到端DRL框架的可行性与有效性,经过训练的模型在CVRPLIB公共数据集上的平均求解时间仅需0.189 s即可得到较优解。