基于Excel的库存控制仿真的实现

以库存控制中的库存成本最小为目标,对一个多周期提前订货有折扣的库存系统进行计算机仿真分析。利用操作简单、容易实现的Excel的函数功能,开发了库存管理系统的计算机仿真系统,并以简单开发实例证明计算机仿真的实现过程。利用计算机进行库存控制仿真时,首先能够考虑现实中的多种不确定因素,进行模型的不断改变,方便地对多个库存管理策略进行系统仿真,再经过系统优化与分析,最后获得了总成本最低时的最优化库存策略。     

四点画圆算法的研究与实现

为了满足图形显示设备的效率要求,针对画圆这一基本的作图问题,介绍了一种新的快速画圆算法——四点画圆算法。该算法通过分析Bresenham算法画圆各点之间的相关性,构造出一个新的判决式,一次判断可以画四个点,相对常规画圆算法,大大减少了循环次数。通过优化该判决式,画圆速度得到进一步提升。同时,分别在SOPC上编程各算法,验证其效率。实验结果表明,此算法相对于其他画圆算法有明显的速度优势。     

以铁氰根离子为电子媒介体的氧气敏感介孔电极的研究

利用介孔泡沫硅(MCF)、离子液体功能化的介孔泡沫硅(MCF-IL)为电极材料,以壳聚糖(Chit)为粘接剂,以玻碳(GC)电极为基底,制备了两种化学修饰电极MCF/Chit/GC和MCF-IL/Chit/GC,并利用静电吸附作用实现两种修饰电极对Fe(CN)■的固载,固载后的电极具有电活性,可以在电极表面发生Fe(CN)■氧化还原反应。实验表明,Fe(CN)■对溶解氧含量具有敏感的电化学响应。其中,MCF-IL/Chit/Fe(CN)■/GC电极对溶解氧含量的电化学响应最佳,在体系含氧量为6.5～7.8 mg·L~(-1)时具有明显的线性关系(r=0.997 2)。MCF-IL/Chit/Fe(CN)■/GC电极对氧气的良好响应得益于MCF-IL与壳聚糖之间良好的协同作用:一方面,壳聚糖对Fe(CN)■具有良好的螯合能力;另一方面,MCF上所修饰的咪唑基离子液体官能团与Fe(CN)■之间具有强烈的相互作用,增加了Fe(CN)■的吸附量;此外,具有三维多孔结构的MCF更利于物质的传输。因此,MCF-IL/Chit/Fe(CN)~(3-)_6/GC电极对溶解氧含量具有直接、敏感的电化学响应。     

融媒体时代编辑人员创新意识及能力提升途径的分析与探索

融媒体技术在各个领域中被广泛应用，在推进新媒体与传统媒体结合发展的进程中，其也对期刊出版产生了相应的影响，包括对期刊策划水平的要求越来越高、种类越来越细分等，这也就意味着传统期刊编辑只有加快转型与升级的步伐才能够在融媒体时代生存下去。基于此，从融媒体时代对期刊编辑带来的影响和能力要求角度进行分析，在直面传统期刊编辑存在的问题的基础上，提出具有针对性的解决措施。     

调控氧化猪脂的香气成分分析

采用通空气加热方法将猪脂调控氧化,随氧化时间的延长(1、3、4h)获得3个感官气味有代表性的样品(过氧化值分别为45.5、158.0、271.5mmol/kg)。由于香气分子一般有强亲脂性,难以用溶剂萃取法从脂肪中分离,利用溶剂辅助蒸发装置的高真空蒸馏及液氮冷凝优势,在50℃下将调控氧化猪脂中的挥发性组分直接蒸发分离出。该法具有操作简单、处理条件温和、不使用有机溶剂的优点。蒸发分离的组分用GC-MS和稀释法/气相色谱-嗅闻(AEDA/GC-O) 分析香气物质构成。结果表明,GC-MS分析共鉴定出91个化合物,醛类含量最高,其次是酸类。其中氧化程度处于适中的样品(过氧化值158.0mmol/kg)有油脂香特征,GC-MS鉴定出的化合物数量最多且含量高；而氧化程度低(45.5mmol/kg)的样品有青草香,氧化程度高的(271.5mmol/kg)样品有刺激性气味,这两个样品鉴定出的化合物数量及含量均较少。3个样品中含量较高的前5个化合物均是己醛、(E)-2-庚烯醛、(E)-2-辛烯醛、1-辛烯-3-醇和己酸。AEDA/GC-O分析共鉴定出39个香气化合物,以醛类为主,仍为氧化程度处于适中的样品中鉴定出的香气化合物数量最多。1-辛烯-3-醇、己醛、(E)-2-辛烯醛、(E)-2-壬烯醛、(E,E)-2,4-癸二烯醛、戊醛在3个样品中稀释因子均较高,为猪脂调控氧化不同程度均具有的重要香气成分。希望研究结果可为了解脂肪调控氧化机制及完善“脂肪调控氧化-热反应”制备肉味香精工艺提供参考。     

一类具有超线性项的Kirchhoff方程的变号解

研究了一类Kirchhoff方程■其中a,b>0,位势函数V具有双位势阱，f满足一类超三线性增长条件.通过变分法，证明了最小能量变号解的存在性.     

一种基于局部分类精度的概念漂移数据流分类算法

概念漂移数据流分类是一个极具挑战性的问题。当新概念出现时,该概念下的学习样本过少,无法对分类器进行及时调整,进而导致分类精度不高。为了解决该问题,本文提出一种基于局部分类精度的概念漂移数据流分类算法——LA-MS-CDC。第一,LA-MS-CDC将k-means聚类和局部分类精度算法结合,从分类器池中挑选出最优源领域分类器;第二,将最优源领域分类器与目标领域分类器加权集成,进而对样本分类;第三,根据分类样本的真实标签分别计算各分类器的损失,并对目标领域和源领域的分类器权重进行更新;第四,再利用该分类样本对目标领域分类器、最优源领域分类器进行更新;最后,完成分类器池的更新。在公开数据集上的实验结果表明,LA-MS-CDC能够有效地将源领域知识迁移到目标领域,与现有方法相比,其分类效果具有显著性提升。算法代码可在https://gitee.com/ymw12345/LAMSCDC上获取。