HLA RTI数据描述码扩展

为高层体系结构(High Level Architecture，HLA)运行支撑环境(Run—Time Infrastructure，RTI)引入一个新的扩展，该扩展使用数据描述码在消息上附加特征属性，使RTI能够对数据应用更丰富的使用策略。文章第1、2部分提出了基于数据描述码过滤数据，以及构建HLA仿真系统面向方面框架(Aspect Oriented Framework，AOF)的技术，第3、4部分详细说明了数据描述码扩展和实验原型的设计。数据描述码扩展可用于提高仿真系统的运行效率，改进大规模HLA仿真系统的架构设计，并且不改变RTI和联邦成员的编程接口。     

Leaching Mechanism of Complicated Antimony-Lead Concentrate and Sulfur Formation in Slurry Electrolysis

Anodic reaction mechanism of complicated antimony-lead concentrate in slurry electrolysis was investigated by the anodic polarization curves determined under various conditions. The main reactions on the anode are the oxidations of FeCln^(2-n) . Though the oxidation of jamesonite particle on the anode can occur during the whole process, it is less. With the help of mineralogy studies and relevant tests, the leaching reaction mechanism of jameson[to and gudmundite during slurry electrolysis was ascertained. Because of the oxidation reaction of FeCl3 produced by antimony-lead concentrate itself, the non-oxidation complex acid dissolution of jameson[re, the oxidation complex acid dissolution of gudmundite, and the oxidation of air carried by stirring, the leaching ratio of antimony reaches about 35% when HCl-NH4Cl solution is used to leach antimony-lead concentrate directly. So when the theoretical electric quantity is given to oxidation of antimony in slurry electrolysis, all of antimony, lead and iron containing in antimony-lead concentrate, are leached. The formation of sulfur is through the directly redox reaction of Fe^3 and jameson[re. The S^2- in jamesonite is oxidized into S^0 , and forms the crystals of sulfur again on the spot. The redox reaction of Fe^3 and H2S formed by non-oxidative acid dissolution of jamesonite is less.     

无纺织物过滤黏土的梯度比试验及机理研究

采用2种土工织物和黏土进行梯度比试验,并通过试验后黏土试样微观结构的电镜扫描,从微观上认识土工织物过滤黏土机制。结果表明:在土工织物过滤黏土的过程中,初期梯度比会快速上升,达到峰值后,织物-黏土体系淤堵情况逐渐缓解,透水性相对改善,梯度比下降并趋于稳定;在过滤过程中靠近织物的黏土中会发生细颗粒穿过土工织物逃逸的现象,这是织物-黏土体系的透水性改善的内在机制;过滤后的黏土主要以聚粒形式存在,结构较疏松,在靠近织物的黏土中出现较大的孔隙;不同孔径和工艺的土工织物过滤黏土机制相同,但淤堵程度不同。     

基于用户多维度信任的冷启动推荐模型

在传统协同过滤(collaborative filtering,CF)算法中存在着用户冷启动低效推荐问题,基于社交信息的社会化推荐算法通过引入用户的社交关系来缓解冷用户的数据稀疏问题,具有很好的研究应用前景。但该算法对用户间的信任度量较为片面单一而难以准确地对冷用户做出个性化推荐。针对此缺点,从不同维度量化分析了影响用户信任的因素,理论推导出用户多维度信任度量模型,将该模型计算得到的用户综合信任与传统协同过滤中的用户评分相似度值进行有效线性融合,提出了一种基于用户多维度信任的冷启动推荐模型。通过使用真实数据集Epinions并采用留一法进行实验对比分析。实验结果表明,提出的模型在对冷启动用户的推荐中,其平均绝对误差(mean absolute error,MAE)、覆盖率(rating coverage,RC)和F1值(F-measure)3个评估指标相比其他算法有了明显改善。     

敏度分层过滤策略克服连续体拓扑优化荷载病态问题

针对工程结构中所承受载荷幅值之间相差多个数量级,使用传统拓扑优化方法所得结果中较小载荷传递路径消失的荷载病态现象,提出一种简单有效的敏度分层过滤策略.将各载荷以幅值大小进行分层,并计算各载荷对结构对应的应变能数值.在此基础上,引入比较判断系数和放大应变能影响系数,将各灵敏度以大小进行分层,对不同层次灵敏度进行不同的过滤以取得多载荷作用下最佳材料布局.本文敏度分层过滤策略是在Solid Isotropic Material with Penahiation(SIMP)框架下提出的,并使用Optimality Criteria(OC)方法进行求解.使用二维和三维算例验证了所提策略的有效性,表明该策略可以有效克服荷载病态现象,为结构设计中得到完整传力结构布局提供重要指导.     

冻融循环对气泡混合轻质土物理特性的影响研究

针对气泡混合轻质土在寒区应用时可能受到的冻融循环作用,制备了密度为0.6 g/cm~3的气泡混合轻质土试样,通过室内试验研究了冻融循环对气泡混合轻质土体积、密度及气孔结构等物理特性的影响.试验结果表明,冻融循环作用下气泡混合轻质土的体积变化率不超过1.5%.而密度的变化则与气泡混合轻质土的初始含水量密切相关,初始含水量低时,气泡混合轻质土的密度会先随冻融循环次数的增多而变大;初始含水量高时,则规律相反.随着冻融次数的增多,气泡混合轻质土的表层结构会受到一定程度的破坏,造成孔径增大,土样表面会出现剥落的现象.     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.     

基于关键用户的非均衡热传导与物质扩散算法

物质扩散和热传导算法作为2个经典的基于网络结构的算法被普遍用于信息过滤.然而，现有的算法将所有的用户等同看待，没有区分不同用户的贡献，也没有移除恶意用户，从而导致性能不理想.针对这一问题提出基于关键用户的非均衡热传导与物质扩散算法（core-UHM），用以解决教育资源库中的高质量资源检索问题.算法的背后思想主要是基于信息领域中的帕累托法则，也即是20%的用户主导着整个系统中80%的交互.基于关键用户不仅能够保证资源的质量，同时也大大节省了计算开销.通过在真实的学术搜索日志数据集上的实验，证明了算法的有效性.     

涤纶滤布改进口服液过滤工艺

过滤是制作药用口服液的重要工艺之一,过滤的目的在于得到澄清、合格的药剂。与传统滤纸相比,涤纶滤布的过滤性能十分强大,它广泛应用于制药、制糖、化学、冶金等行业。本文将用涤纶滤布代替传统工艺中的滤纸,对益母草口服液和复方甘草口服液进行过滤,然后将其过滤结果与传统工艺作对比,分析试验后的数据,对涤纶滤布这种新口服液过滤工艺进行全面分析。     

代价敏感多主题学习的邮件过滤算法

针对传统邮件分类模型中较少对邮件主题进行描述和分析的问题,提出一种代价敏感多主题学习的邮件分类算法,用以实现垃圾邮件过滤.首先,基于LDA(潜在狄利克雷分布)对邮件的多个主题进行提取,对邮件语义进行描述;其次,利用CS-SVM(代价敏感支持向量机)对邮件进行代价敏感学习,实现对不同类别邮件的惩罚;最后,结合MI-SVM(多示例支持向量机)进行代价敏感的多主题学习,实现邮件分类.实验采用四组ling-spam处理数据集.实验结果证明:该分类算法较比传统邮件分类算法,可以取得更高的准确性、特异性与敏感性.