刘贺迁封海昏侯原因蠡测

汉宣帝在地节四年剪灭首要政治威胁霍光家族之后,在"知贺不足忌"的情况下,仍然于元康三年下诏,将其次政治威胁前废帝刘贺从昌邑故王迁封为海昏侯。汉宣帝这样做具有多重目的,可谓一箭数雕:其一是"不及以政",贯彻"废放之人屏于远方"的传统,彻底屏蔽刘贺的政治影响;其二是"借刀杀人",借助豫章的险恶环境对他进行肉体折磨,将他个人和家族肃清与无形之中;其三是"藩卫刘汉",让刘贺在欠发达多民族杂居地区搏杀,扩大刘汉政权势力范围;其四是"开发江南",造福当地百姓。汉宣帝作为一代中兴之君,其政治手腕在此事件中得到淋漓尽致的体现。     

基于批处理和Teager Kaiser算子的BOC信号联合捕获算法

针对较低信噪比条件下二进制偏移载波信号的捕获问题,提出了一种基于批处理和Teager Kaiser(TK)算子的联合捕获算法。该方法首先对接收信号和组合扩频码进行批处理和平均处理,并将接收信号转换到频域进行多次循环移位;然后,将得到的最佳频偏补偿序列与组合扩频码进行圆周相关运算得到最大相关值;最后,引入相关峰能量最大值与次大值的比值作为门限判决变量,比较了所提 TK算子法、差分相干累积算法和批处理算法的检测概率。仿真结果表明,在同一条件下,TK算子法检测概率比差分相干算法提高了约2 dB,比批处理算法提高了约6 dB,并减少了捕获时间。     

这就是,八月

正斗指西南,秋意在悄悄酝酿。八月初迎来秋日的第一个节气,我们静待秋高气爽,云淡风清。天也蓝,水也碧。叶密千层,花开正万点金黄。清可绝尘、浓能远溢的桂花,总是这样悄无声息地把她馥郁的芳香洒向人间,与我们静静地分享。花也香,梦也甜。田野那厢,谷穗已羞赧低头。种子经过撒播、出芽、抽穗扬花,享受过阳光雨露,也承受了风吹雨打,     

基于复杂网络理论的水网节点重要性评价研究

复杂水网节点的重要性排序在工程应用中有重要实践意义,对于水网调度、安全管理有重要借鉴意义.为此,本文在复杂网络理论基础上,以山西大水网节点重要性排序问题为背景,对水网节点重要性评价进行研究.首先从整体角度出发,不考虑水网方向和干支斗毛级别差异,基于水网全局网络拓扑结构,从局部属性、全局属性、传播属性和网络位置四个方面定义了节点重要性评价指标.其次,分别根据这四个指标,对水网节点重要性进行排序分析,结合分析结果对网络位置指标进行了改进.然后,由于单指标评价结果不够全面且适用范围具有很大的局限性,给出了基于TOPSIS的多属性决策方法来综合评价节点的重要性.最后,考虑水网方向和级别差异,提出对水网进行干支斗毛级别划分,基于Page Rank算法对同一级别的有向赋权水网节点重要性评价进行研究.     

浅议高职院校园演播厅学生摄像师的素质和选拔培养

学生摄影师是高职院校园演播厅的一个极为重要的工作角色，是高职院系校园演播厅工作力量的重要组成部分，在演播厅视频短片或节目制作中起着举足轻重的作用。该文从高职院校园演播厅学生摄像师素质、选拔、培养三个方面进行了研究和探讨，界定了一个合格的学生摄像师应具备的基本素质，并创造性地提出了相应的选拔办法和培养途径。     

G-调和函数增长性及其在二相自由边界问题上的应用

研究了G-调和函数的增长性,给出其在二相空腔与射流问题上关于极小化子增长性的应用.     

中国高铁 动力更强,速度更快,建成庞大网络,里程世界领先

<正>现在,乘坐高铁出门,已经是很多人习以为常的选择。它舒适、方便、快捷,令人印象深刻。较之于常规的普速铁路,高速铁路的全部优点都源自于"快"。从动车组编组、车头、车体、牵引系统等车辆要素,到路基、轨道、桥梁、隧道、牵引供电系统等基础设施,再到列车运行控制系统,都要为了"快"而进行相应的设计和进化。此外,高速铁路线长面广,建设时要跨江过河、翻山越岭,地质条件复杂,工程难度极高,工程量也极大,是一项非常具有挑战性的工作。高速铁路的强势崛起,极大地加速了全国的城市一体化进程。到现在为止,我国高铁已经发展到了什么程度?未来,它还会变成什么样?令世界瞩目的中国高铁,无愧于"国之荣光"的称号。那么,对高速铁路同样也很有兴趣的你,就和我们一起开始这段崭新的旅程吧!     

基于IPSO算法的SNCR脱硝系统建模

由于我国对燃煤发电机组氮氧化物排放量要求的进一步提高，发电厂需要对选择性非催化还原(SNCR)脱硝系统实行更精准的控制，建立有效精确的模型进行研究是极为关键的。因SNCR脱硝系统有时变、大惯性、大迟延、非线性的特点，故提出一种改进粒子群(IPSO)算法，通过改进收缩因子及随机权重的方法改进粒子群算法，增强该算法的寻优能力。运用该算法分别对运行负荷为320 MW、175 MW、135 MW时SNCR系统中尿素溶液流量与出口NO_x浓度之间的关系进行模型辨识，并将模型的输出与工业现场运行数据相比较，最终得到误差最大值为0.93 mg/Nm³，均方根误差最大为0.369 7 mg/Nm³。结果表明模型精确有效，为后续开展SNCR脱硝系统智能控制提供了模型支撑。     

基于卷积神经网络的γ放射性核素识别方法

快速、准确的放射性核素识别可有效地对放射性危险源进行及时的监测预警，对保护人们远离放射源的威胁具有重要意义。该文基于卷积神经网络研究了放射性核素γ能谱的识别。通过溴化镧能谱仪采集16种放射性核素的γ能谱数据，并通过改变放射性核素γ能谱的计数和能谱漂移程度，创建生成大量单核素和双核素γ能谱训练数据，利用自搭建的卷积神经网络开展放射性核素识别模型训练。实验采集其中9种核素及其双核素的混合能谱对核素识别模型开展验证，结果表明：在剂量率约为0.5μSv/h、测量采集时间为60 s时，模型的识别准确率可达92.63%,满足在低剂量率下对放射性核素进行快速识别筛查的需求。