应用面向对象技术进行水资源供需平衡评价

为研究某灌区不同方案的水资源供需平衡状态及最优解决途径,第一次引入面向对象技术进行水资源供需平衡评价系统分析,抽象出水库类、渠道类、灌区类和相应的软件模型,使用编程语言ＶｉｓｕａｌＣ＋＋进行软件设计,利用面向对象编程（ＯＯＰ）方法和资源共享技术的优势,编制了Ｗｉｎｄｏｗｓ中文版平台上的水资源供需评价软件,实际运行良好,对系统的控制准确,达到了研究目标。     

广域网中的IP和ATM

简要介绍了当今流行的 IP技术和 ATM技术 ,并通过对比目前 IP技术和 ATM技术存在的异同点 ,阐述了将两种技术融合运用的方案和前景 ,最后提出了 WAN结构中的 IP和 ATM。     

尿素对亚麻纤维轧染染色性能的改进

利用尿素对亚麻纤维进行改性,以提高其轧染的染色性能和染色深度。对改性工艺条件如尿素溶液的浓度、微波处理功率及时间等条件进行了详细研究。通过对改性后的亚麻纤维SEM观察和X-ray衍射分析,探讨了改性后亚麻纤维染色性能提高的原因,并对改性后的亚麻纤维力学强度进行了测定。     

多级桥CA模型构建及其LDAP服务器设计

为解决PKI信任体系互联互通问题,在对比分析现有PKI常用5种信任模型优缺点的基础上,借鉴已有信任模型,特别是桥CA模型的优点,提出了一个新的模型——多级桥CA信任（multilevel bridge certificate authority,MBCA）模型．阐述了多级桥CA信任模型的基本原理及其构建方法,给出了其总体架构;在总体框架下,对其原型系统中LDAP服务器进行了设计;并结合具体项目对方案的可行性进行了实验验证和分析．实验证明了该模型的可行性,有望对我国PKI建设工程有所帮助．     

石墨烯对蚕豆生长发育的效应研究

为了研究石墨烯对蚕豆作物生长发育的影响.本研究将蚕豆(Vicia faba L.)种子随机分为空白组和实验组,利用不同质量浓度(0～100.00 mg/L)石墨烯溶液处理蚕豆幼苗根系.通过评价蚕豆植株和根系的生长发育指标及根系土壤肥力,筛选石墨烯溶液最佳处理质量浓度.与空白组相比,实验组25.00 mg/L石墨烯溶液处理后蚕豆植株的株高和叶片光合作用显著增加(t=3.46、2.16,P0.05);实验组20.00和25.00 mg/L石墨烯溶液处理后蚕豆幼苗根系总长度和总体积显著增加(t=2.89～7.51,P0.05),而根系总比表面积数据差异无统计学意义(P0.05);实验组20.00和25.00 mg/L石墨烯溶液处理后根系土壤铵态氮和有效钾的含量显著增加(t=3.92～22.10,P0.05).综合而言,25.00 mg/L的石墨烯溶液对蚕豆地上和地下部分的生长发育具有最佳的促进作用.     

我国高层管理团队领域研究热点可视化分析

高层管理团队(TMT)作为企业创新和发展的重要力量,受到国内外研究的关注和重视。以中国知网(CNKI)收录的高层管理团队相关文献为研究对象,使用Bibexcel、Ucinet 6.0等软件进行共词分析和社会网络分析,总结出我国学者在TMT领域的五大研究热点:TMT的理论发展、TMT运作、TMT激励、TMT结果变量和情境变量,探讨我国高层管理团队新的研究趋势。研究表明:随着中国企业界女性领导力量的崛起以及可持续性发展的要求,女性高管和企业社会责任是未来研究的两大方向。     

神秘的俾格米蓝鲸

"俾格米"在英文中是微小、矮人、侏儒之意.一种身长不足1.5 m的矮小人种就被称为俾格米人,但是俾格米蓝鲸这种世界上最大的动物之一,却被冠以这样一个具有"渺小"之意的名字,真是十分有趣.它们身躯庞大,自然食量也十分惊人,夏季时,只有澳大利亚西部和维多利亚西南沿海海域极其丰富的磷虾才能满足它们的胃口.     

圆环的有限剖分及其数据结构

对作为常用基本体素的圆环进行了空间单元及三角剖分的研究，给出了用空间单元法及三角剖分法表示圆环的原理和方法，同时也给出了该三维模型的数据结构，简化了算法，并从根本上为解决在圆环面上定义四维曲面及用离散法进行曲面求交等问题提供了保证     

考虑工人参与意愿影响因素的竞争式众包任务推荐方法

竞争式众包中,有效的任务推荐成为亟欲解决的问题.传统任务推荐仅依据工人对任务的投标记录构建任务推荐方法,但工人对任务的投标与否本质上是由工人的参与意愿决定.针对竞争式众包特性,本文提出一种考虑工人参与意愿影响因素的竞争式众包任务推荐方法.该方法基于工人参与意愿影响因素研究,从工人维度和发包方维度将工人的参与意愿影响因素表示为工人的收益偏好、素质能力以及对发包方的信任,并结合工人历史行为记录以及相关描述信息对各维度影响因素进行衡量.在此基础上构建工人模型,并综合各维度影响因素相似度借助协同过滤算法生成推荐列表.通过一品威客众包平台中真实数据的实验表明,本文提出的推荐方法能够更有效地对竞争式众包任务做出推荐.