无线异类数据网服务质量体系结构解决方案

设计了一套具有高性能的适合于移动数据网（超2．5G）和无线本地区域网（WLAN）组成的综合数据网的网络体系结构，提供基于预留端到端的QoS模型，使用带宽适应算法支持端到端的QOS，提高了系统资源的利用率，减少了呼叫拥塞概率和交接丢包概率，解决了2个系统QoS类不匹配等问题，平衡了2个系统的传输能力。     

液压系统的噪声成因及降噪措施

对液压系统噪声产生的原因作了详细的技术理论分析,并提出其防范措施。     

断裂力学理论及其研究方法在材料学中的应用

综述了断裂力学理论的产生和发展的历史过程及断裂力学理论的主要内容.论述了断裂力学的两大理论线弹性断裂力学理论和弹塑性断裂力学理论的主要内容及其研究方法在材料磨损研究以及估算材料使用条件和安全寿命研究方面取得的成果以及发展水平.     

纤维的形变和断裂——Ⅰ.拉伸角蛋白纤维形变和断裂的动态研究

作者在扫描电子显微镜样品室中拉伸角蛋白纤维,观察纤维形变和断裂的过程并摄取其照片。采用低加速电压观察和适当的样品准备技术,避免了纤维在拉伸过程中出现荷电现象。该现象是非导电材料作动态观察的主要困难。从所观察到的纤维形变和断裂形态和高聚物断裂理论讨论了角蛋白纤维的形变和断裂机理。结论如下:角蛋白纤维伸长和断裂过程中出现银纹样形态,但其断裂为脆性方式;该类纤维的拉伸断裂起始于角质细胞的内、外角质层;角质与角质和角质与皮质细胞间的物质是角蛋白纤维的力学薄弱区。     

可压缩流体网络的建模方法

本文运用网络分析手段,首次提出了任意拓扑结构可压缩流体网络动态特性的建模方法.该方法突破了目前在流体网络分析中普遍采用的“小扰动”线性化处理方法的局限。     

Systems and organizations: Distal and proximal thinking

The paper introduces the contributions to this special issue ofSystems Practice on Systems and Organizations: New Directions in terms ofdistal andproximal thinking. Distal thinking refers to ready-made concepts, to the finished effects and outcomes of thought and action; proximal thinking, to process and event, to the continuous and unfinished. The papers presented here deal with various aspects of the distal/proximal distinction in social systems and organizations, and especially draw out the implications of recent work in information technology, sociology of technology, accounting theory, and organization studies for a proximal conception of systems and organizations.     

边界层对粗糙单裂隙溶质运移影响试验

为探究非费克(non-Fickian)运移表现出的峰值提前到达和拖尾等现象,开展了粗糙单裂隙溶质运移试验,总结了粗糙单裂隙中溶质运移特征及运移机理,结合边界层理论对峰值提前到达和拖尾现象进行了分析和解释。结果表明：峰值时间和拖尾时间与边界层厚度之间存在较好的线性相关关系;边界层对裂隙介质溶质运移有较为显著影响,即水流速度越小,边界层厚度越大,滞留在边界层内部的溶质越多,溶质获取率越低;粗糙单裂隙中溶质穿透曲线的峰值提前和拖尾现象是由裂隙中心处以惯性力主导的主流区和裂隙壁面以黏性力主导的边界层区共同作用造成的,其中峰值时间主要由主流区的对流因素控制,而边界层区域的存在对拖尾时间影响较大。     

基于改进Mask R-CNN的露天矿边坡裂隙智能检测算法

为了预防因露天矿边坡表面恶化而产生节理、裂隙或断裂等破坏边坡完整性所引发的安全事故,同时解决传统图像处理算法以及经典的深度学习模型直接应用于露天矿边坡裂隙检测效果不甚理想的问题,提出了一种基于改进的Mask R-CNN的露天矿边坡裂隙智能检测算法,运用了Mask R-CNN在目标检测、语义分割以及目标定位方面的集成性特点,改进了其在掩膜分支的边缘不清晰以及误检等缺点,构建了一种针对露天矿边坡裂隙图像的检测分割框架。该方法在掩膜分割分支引入了空洞卷积神经网络以及分类分割迭代上采样操作,能够解决边坡裂隙分割边缘粗糙的问题,实验结果表明,与传统的裂隙分割算法相比,该算法具有更高的识别精度以及更好的分割效果。     

基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.