基于混合混沌映射信号的产生及模糊特性

根据混沌的可加性构造了一种基于Logistic和Tent混沌序列的混合混沌序列，对所产生的混合混沌序列进行了Lyapunov指数及自相关特性的分析，从理论上推导了混合混沌序列的模糊函数表达式．理论分析和仿真结果表明，该混合混沌序列具有良好的自相关特性，模糊函数呈现较为理想的“图钉型”。表明这类混合序列不仅具有结构简单、易于处理的特点，而且还具有较高的距离和速度联合分辩率．     

Variable expression of Ia antigens on the vascular endothelium of mouse skin allografts

Ia antigens are membrane-bound glycoproteins that play a part in antigen recognition and subsequent cell-cell interactions in the immune response. In the mouse they are coded for by the I region of the major histocompatibility complex H-2 and have been demonstrated on B lymphocytes, monocytes, activated T cells, macrophages and dendritic cells, including Langerhans cells. Ia-like antigens have also been detected on the vascular endothelium in man and on epidermal keratinocytes in rats but expression on the latter cells was induced by a graft-versus-host reaction or by contact hypersensitivity. In the mouse, previous studies have suggested that Ia antigens in skin are restricted to epidermal Langerhans cells and it was thought that these were the targets for Ia-dependent rejection of skin allografts. The results presented here show that Ia antigens in mouse allografts are also present on the vascular endothelium but their expression is variable and dependent on the immunological status of the recipient. These findings suggest that vascular endothelial cells can act as targets in Ia-incompatible skin allograft rejection.     

Co-OLAP:CPU&GPU混合平台上面向星形模型基准的协同OLAP（英文）

当前GPU(图形处理器),即使是中端服务器配置的中端GPU也拥有强大的并行计算能力.不同于近期的研究成果,中端服务器可能配置有几块高端CPU和一块中端GPU,GPU能够提供额外的计算能力而不是提供比CPU更加强大的计算能力.本文以中端工作站上的CoOLAP(协同OLAP)为中心,描述如何使中端GPU与强大的CPU协同以及如何在计算均衡的异构平台上分布数据和计算以使Co-OLAP模型简单而高效.根据实际的配置,基于内存容量,GPU显存容量,数据集模式和订制的AIR(数组地址引用)算法提出了最大高性能数据分布模型.CoOLAP模型将数据划分为驻留于内存和GPU显存的数据集,OLAP计算也划分为CPU和GPU端的自适应计算负载来最小化CPU和GPU内存之间的数据传输代价.实验结果显示,在SF=20的SSB(星形模型基准)测试中,两块至强六核处理器的性能略优于一块NVIDA Quadra 5 000GPU(352个cuda核心)的处理性能,Co-OLAP模型可以将负载均衡分布在异构计算平台并使每个平台简单而高效.     

Co-OLAP:CPU&GPU混合平台上面向星形模型基准的协同OLAP

当前GPU(图形处理器),即使是中端服务器配置的中端GPU也拥有强大的并行计算能力.不同于近期的研究成果,中端服务器可能配置有几块高端CPU和一块中端GPU,GPU能够提供额外的计算能力而不是提供比CPU更加强大的计算能力.本文以中端工作站上的Co-OLAP(协同OLAP)为中心,描述如何使中端GPU与强大的CPU协同以及如何在计算均衡的异构平台上分布数据和计算以使Co-OLAP模型简单而高效.根据实际的配置,基于内存容量,GPU显存容量,数据集模式和订制的AIR(数组地址引用)算法提出了最大高性能数据分布模型.Co-OLAP模型将数据划分为驻留于内存和GPU显存的数据集,OLAP计算也划分为CPU和GPU端的自适应计算负载来最小化CPU和GPU内存之间的数据传输代价.实验结果显示,在SF=20的SSB(星形模型基准)测试中,两块至强六核处理器的性能略优于一块NVIDA Quadra 5 000GPU(352个cuda核心)的处理性能,Co-OLAP模型可以将负载均衡分布在异构计算平台并使每个平台简单而高效.     

基于隐含QOS-簇映射的分布式自适应副本分布算法

研究了数据网格中数据副本分布与存取的关键问题.基于对动态副本访问模式预测机制的分析,同时考虑QoS,提出“读-复制”和“测试-删除”机制,实现了一种基于隐含QoS-簇映射的分布式自适应副本分布算法(QCMR-DG).模拟试验表明,QCMR-DG算法能够以相当低的代价为数据网格应用提供至少满足各自QoS要求的较高数据存取速率.     

中国旅游高质量发展研究热点及趋势分析——基于CiteSpace的知识图谱分析

基于中国知网(CNKI)数据库收录的有关旅游高质量发展研究的期刊文献,以信息可视化分析软件CiteSpace对文献数据进行了核心作者与合作机构图谱分析、关键词共现、频次及中心度、关键词聚类及可视化图谱展现等系统分析研究.结果表明：1) 国内旅游高质量发展研究的发文量主要集中于2017年党的十九大提出“高质量发展”之后,在发文期刊、作者和机构等方面呈现集中与零散并存的状态,其中核心作者和机构表现较为零散,学科领域则呈现出显著的学科交叉性.2) 近几年国内旅游高质量发展研究的热点主要集中在乡村旅游、全域旅游、体育旅游和区域旅游的高质量发展,文化与旅游高质量发展,以及旅游高质量发展理论和路径对策的探索等方面,涉及多地域、多学科领域的研究.3) 中国旅游高质量发展研究还处于初级发展阶段,在系统理论构建、疫情后的应对、高质量的评价、区域实践及比较等方面还有较大的研究空间.     

基于RS与GIS的1:100万数字地貌制图方法——以兰州幅(J-48)为例

在总结前人研究地貌及地貌制图的基础上,以兰州幅(J-48)地貌图为例,探讨中国1:100万数字地貌制图的方法和技术,制定制图流程和规范.重点讨论了数字地貌制图的几个关键技术和问题,包括遥感解译与DEM辅助计算的关系、地貌与地势起伏度的关系以及地貌界限与影像显示比例尺的关系,为编制全国1:100万地貌图提供理论基础和方法.     

沙泥混合型岸滩及沙泥分界点初探——厦门湾岸滩类型调查

基于厦门湾30个断面剖面形态和泥沙特点的现场勘测工作,同时辅以潮流场和波浪场的数值模拟,从动力学角度对厦门湾各处的岸滩类型进行划分。提出"沙泥分界点"的概念,指出沙泥分界点高程主要取决于当地波浪条件。分析结果表明:厦门湾除了存在沙质岸滩和泥质岸滩外,还存在"沙泥混合型岸滩";在淤泥质海岸大环境下,如近岸波浪较强,且有较粗颗粒泥沙供给,则可能产生沙泥混合型岸滩。