关于力学体系广义能量积分的讨论

通过典型例子对力学体系广义能量积分的物理意义进行了讨论,并指出对存在广义能量积分的力学体系,使用广义能量积分与使用能量积分一样,是解决力学问题的一条捷径.     

现场混凝土强度"钻芯-回弹"综合推定

提出了一种给定置信度下现场混凝土强度检测推定方法,该方法充分利用现场得到回弹数据,减少钻芯量,从而降低了对结构的破坏.利用该方法可对现场混凝土强度进行高置信度、高精度的推定.     

和谐社会的执政观和执政能力建设

和谐社会要求树立协调和谐的执政观,这也是党的执政能力建设的要求。而落实协调和谐的执政观关键在执政为民。     

带状采伐对新生毛竹空间结构及稳定性的影响

【目的】带状采伐是毛竹资源高效经营的重要技术手段,研究带状采伐后新生毛竹空间结构一元、二元分布特征及稳定性,比较不同采伐处理空间结构恢复效果,为带状采伐技术评价和后续经营提供科学依据。【方法】以实施不同宽度带状采伐处理后的两度新竹为研究对象,利用新竹混合度、大小比数和角尺度对比不同采伐处理与未采伐对照样地的新生竹空间结构变化情况,并采用基于空间结构指数的林分空间结构生产函数评价新生竹稳定性。【结果】(1)带状采伐后两度新竹的平均混合度较对照减少2.90%～23.75%,新竹处于弱度混合到中度混合之间(新竹混合度为0.395～0.503),零度混合的新竹比例增大;新生竹整体保持中庸状态(大小比数为0.506～0.545),除带状采伐宽度15 m(15M)处理外,优势新竹的比例较对照样地有所增长,且随采伐宽度增大而减小;带状采伐未改变新生竹空间分布格局,新生毛竹始终呈现随机分布状态。(2)处于优势状态且强度混合、随机分布且强度混合的新生竹比例较对照分别减少3.74%～7.65%和3.21%～12.82%,处于中庸到优势状态且随机分布的新竹比例整体略大于对照样地,带状采伐宽度5 m(5 M)...     

鸡冠花提高S180荷瘤鼠免疫功能及抑瘤作用的研究

目的研究鸡冠花对S180荷瘤鼠免疫器官的影响．方法随机将小鼠分为鸡冠花水煎液高、低剂量组，鸡冠花搅碎液高、低剂量组和对照组．每组10只，雌雄各半．用s180建立肿瘤模型，同时喂以鸡冠花制剂．结果鸡冠花液各实验组的荷瘤重均明显低于对照组(P＜0．05)．鸡冠花液各实验组胸腺和脾脏重量均明显高于对照组(P＜0．05)．以高浓度组增重明显．     

基于多Agent的邮件过滤系统

基于多Agent的思想设计出一个邮件过滤系统(Multi—Agent—Based Mail Filtration System，简写MABMFS)，它能根据用户的需求，自动地对用户邮件进行有选择性的接收，并通过其学习机制进一步地了解用户喜好，从而更有效地提高邮件过滤系统的性能。     

老年人血脂检测结果分析

目的：研究老年人血中甘油三脂（TG）、胆固醇（CHO）随年龄的增长出现的动态变化．方法：选择中年组30例，年龄45～59岁，老年组60～69岁45例、70～83岁33例，研究对象均来自本市中老年干部．采用氧化酶法测定甘油三脂、胆固醇．结果：老年组人群的血胆固醇和甘油三酯含量均高于中年组人群（p〈0．01），且男女之间也有差异，老年组女性高于男性，而中年组则是男性高于女性（均p〈0．01）．结论：随着年龄的增长血脂水平逐渐升高，除年龄效应外，饮食习惯、生活方式等因素也会影响血脂水平．     

混凝土强度无损检测方法精度对比分析

对回弹法、超声法、超声回弹综合法的优缺点和适用范围进行深入分析,并根据数据融合思想提出了一种超声回弹融合法.该方法采用回弹法和超声法两种方法检测,而后把两种方法的推定结果加权求和去推定强度.该估计量依据极大似然原理提出,并且理论证明了它的无偏性和有效性.结合试验数据表明,对四种方法分别选用国家规程中常用的回归模型来制定测强曲线,将各自相对误差绝对值进行对比分析,发现利用超声回弹融合法检测相对误差绝对值较小,在一定程度上提高了检测精度,但数据处理稍复杂一些,所以可以根据地区或工程实际需要选用不同的检测方法.     

估计随机变量母体均值的加权数据融合方法

提出了一种把多源信息综合处理的数据融合方法.该方法依据极大似然原理将来自不同母体(均值相同、方差不同)的随机样本有效融合,得到新的母体均值估计量.该估计量具有无偏性,并且比其它传统估计量更加有效.理论和实践证明,用该方法处理数据可提高检测精度.     

基于API序列特征和统计特征组合的恶意样本检测框架

针对恶意样本行为分析,该文提出了一种组合机器学习框架,首先对应用程序编程接口(application programming interface,API)序列中调用的依赖关系进行功能层面上的分析,提取特征,使用随机森林进行检测;其次利用深度学习中的循环神经网络处理时间序列数据的特性,在冗余信息预处理的基础上,直接对序列进行学习和检测;最后对2种方法进行了组合。在恶意软件样本上进行的实验结果表明:2种方法均可有效检测恶意样本,但是组合学习的效果更优,AUC(area under the curve of ROC)达到99.3%,优于现有的类似研究结果。