基于LDAP协议实现统一的网络管理研究

基于网络上信息存储方式的不统一及其所面临的困难 ,结合复旦大学校园网的特点 ,在深入研究LDAP协议的基础上 ,给出了一套跨协议认证的解决方案 ,提出了关于同步问题的两个模型和基于CSN方法的实现办法     

基于时间Petri网的密码协议分析

形式化分析方法由于其精炼、简洁和无二义性逐步成为分析密码协议的一条可靠和准确的途径,但是密码协议的形式化分析研究目前还不够深入.在文中首先对四类常见的密码协议形式化分析方法作了一些比较,阐述了各自的特点,然后用时间Petri网来表示和分析密码协议.该方法不但能够反映协议的静态和动态的特性,而且能够对密码协议进行时间、空间上的性能评估.作为实例,对Aziz-Diffie无线协议作了详细的形式分析和性能评估,验证了已知的、存在的漏洞,并且给出了该协议的改进方案.     

数模技术在陈家庄油田开发调整中的应用

利用数值模拟方法，研究了陈家庄油田的分层生产状况、水淹过程，得到了各小层含油饱和度分布图、剩余储量丰度图等。同时研究了数值模拟技术在油田水动力学开发调整中的应用，如通过历史拟合确定剩余油富集范围，优化开发调整方案，通过打加密调整井、转注高含水井、分层注水改变液流方向等。该技术的应用达到了改善油田开发效果和提高采收率的目的，取得了很好的开发效果。     

通讯基站分离式热管换热器的传热性能实验研究

通讯基站面临散热不均、散热系统能耗高等问题。分离式热管换热器能替代机房内空调的使用,有效减少基站散热系统能耗。分离式热管换热器传热性能的影响因素有充液率、工质类型和风量等。为了研究不同因素对换热性能的影响,通过理论计算对比分析了理论充液率和实际充液率的差异;搭建实验平台研究了不同充液率下换热器的传热性能变化规律,不同高、中温工质下换热器性能的差异以及室内外风机功率的改变对换热器性能的影响规律。研究发现：使用工质R134a时,最小充液率理论值和实际值的误差为4.74%,换热器最优充液率范围为27.1%～47.9%,且最佳充液率为31.6%,最佳充液率下换热器当量换热系数为909 W/℃;随着充液率的提升,换热器内部相变区域先增大后减小,传热形式由气态工质显热传热为主先变为工质相变潜热传热为主,而后变成液态工质显热传热为主;高温工质不适用于该分离式热管换热器,使用高温工质时,换热器内部无明显相变区域,换热器使用的工质沸点越低,相变区域越大,换热器性能越好,其最佳充液率范围也越大;随着室内、外风机功率增大,换热器性能均先迅速提升而后提升速率减缓,但蒸发器侧由于散热条件较差,提升内风机功率对系...     

天然矿泉水生产中臭氧混合塔内臭氧浓度控制的研究

研究了在天然矿泉水生产中,使用臭氧灭菌工艺时臭氧混合塔内自臭氧浓度的变化对灭菌效果和铁锰沉淀的影响,从中确定了本公司矿泉水生产工艺中灭菌臭氧浓度的适当范围。     

复合地基中桩与桩间土应力分配实验

在实验室条件下，用碎石或灰土圆柱芯增强体与黏性土组成的复合地基单位桩模型，通过复合试样的三轴实验模拟现场碎石桩和灰土桩的工作状态，探讨桩与土的相互作用问题。实验结果表明：复合体的竖向强度不是两种材料按一定几何比例简单叠加。复合试样在荷载及应变不大时，桩土应力比增加很快，随后荷载逐渐向桩周土集中，桩土应力比减少。这种规律与现场测试的桩土应力比是一致的。实验揭示了桩土应力比变化规律及其机理。     

稀土硝酸盐邻香兰素对甲苯胺Schiff碱配合物的热分解动力学机理分析

合成了邻香兰素对甲苯胺Schiff碱配体(C15H15NO2,以L表示)与稀土硝酸盐Ln(NO3)3·nH2O的9种新的配合物[Ln(NO3)3L2](Ln=Nd、Gd、Dy、Ho、Er、Tm、Yb、Lu、Y),并从一条热重曲线导出该系列稀土硝酸盐邻香兰素对甲苯胺Schiff碱配合物的热分解动力学机理,为相边界收缩圆柱体,并推断出了它们的反应动力学方程式.     

庄子审美程式的现代解读

庄子审美程式的现代解读甘建民“大音希声”是老子提出的一个著名的哲学命题。庄子在《天运》篇中，对“大音希声”这一哲学命题作了充满创造精神的美学阐释，庄子通过黄帝的一段关于音乐的谈话，设计了一个由“乐之末”通向“至乐”的审美程式。蒋孔阳先生认为．黄帝的这...     

基于随机森林的文本分类模型研究

随着WWW的迅猛发展，文本分类成为处理和组织大量文档数据的关键技术.随机森林模型是决策树的集成，并且由一随机向量决定决策树的构造. 当森林中决策树的数目增大，随机森林的泛化误差将趋向一个上界.将随机森林模型应用于文本分类,在Reuter21578数据集上的实验表明，分类效果比较好，性能比较稳定，将其同C4.5, KNN, SM0, SVM 4种典型的文本分类器进行了比较，结果显示它的分类性能胜于C4.5，同KNN, SMO和SVM方法相当.