基于鸟击事故征候预测的通用航空安全研究

作为民航运输的两翼之一,通用航空安全水平直接影响民机系统的安全。目前,对通航以及鸟击事故征候进行预测的研究较少,本文根据收集到的美国从事通用航空活动发生鸟击事故征候安全状况数据,采用长短期记忆(long short-term memory, LSTM)神经网络模型对鸟击事故征候数据进行训练和预测。实验结果显示,与传统模型相比, LSTM模型具有更好的预测效果,精确度更高。基于此,提出了预测稳定性更好的LSMT-均方根误差(LSTM-root mean square error, LSTM-R)模型,为通用航空鸟击事故征候预测提供了手段和方法,加强了通用航空安全管理。     

硒对马铃薯试管苗生长和GSH-PX活性的影响

以MS为基本培养基,以鄂马铃薯5号脱毒试管苗为试验材料,研究不同浓度亚硒酸钠(Na2SeO3)溶液对马铃薯试管苗生长和谷胱甘肽过氧化物酶(GSH-PX)活性的影响.结果表明:Na2SeO3质量体积分数为5 mg/L时,马铃薯试管苗的长势较好,GSH-PX活性相对较高,Na2SeO3质量体积分数高于5 mg/L时,对GSH-PX活性及组培苗的生长有不同程度的抑制作用,到40 mg/L时生长完全受到抑制,基本停止生长,表明只有适当的硒浓度才能增强GSH-PX活性,促进生长.     

三峡流量调节对长江口潮汐不对称的影响

利用非平稳调和分析方法(NS_TIDE)对长江口内6个水文测站的长周期水位资料进行调和分析,同时引入偏度指标刻画不同分潮组合产生的潮汐不对称时空演变规律。结果表明:随着潮波向河口内传播,潮汐不对称呈现先增大、后减小的趋势;流量的季节性变化使得潮汐不对称特征存在显著的季节性差异;通过敏感性分析探讨潮汐不对称对径流变化的响应,具体表现为流量增大会导致上游潮汐不对称性减弱,而下游的潮汐不对称性会随着流量的增大而增强;三峡大坝在洪季时的蓄水使大通站洪季流量显著减小,从而导致长江口上游地区的潮汐不对称现象更加显著,而下游地区则表现出相反的趋势。     

基于SOFM网络的多层模糊关联规则挖掘算法

为了表示复杂庞大的概念层次树,文中提出了一种更加通用的编码方案,将概念分层应用于模糊关联规则的挖掘.此外,为解决隶属度函数难以主观确定的问题,引入一种SOFM网络来确定样本数据的隶属度函数.基于改进的概念层次树的编码方案和SOFM网络,将模糊集引入关联规则挖掘中,设计了一种新的多层模糊关联规则挖掘算法.实验结果表明,该算法可以有效地挖掘出易于理解的、有意义的多层次模糊关联规则,具有很好的效率和伸缩性.     

胃癌及胃炎的临床诊断中红外光谱方法研究

用中红外光谱ATR方法对110例冻存,89例新鲜离体胃组织样品,80例新鲜胃镜样品进行研究,同时用中红外光纤法进行了6例在体原位的检测。对110例冻存样品,各项指标与病理检测结果的符合率平均可达到90%以上。新鲜离体与在体原位也大致同病理结果符合。为了研究地区差别,对杭州市第一医院消化科80例胃镜样品进行了光谱测定,根据病变程度可以看到相应的光谱变化。结果表明中红外光谱法用于各种胃炎等胃部疾病和恶性肿瘤的检测是一种有效方便的方法。     

浅议静态与动态环境下的预算选择

预算管理不但要体现权变管理的要求,结合相异的组织环境条件制定,而且要根据预算参与者的行为特征,隔绝预算机会主义行为,以及同时考虑环境特征和行为特征的动态预算管理,是预算发展的必然趋势和必要选择。动态预算管理是建立在静态预算管理的基础之上,动态预算管理就是静态预算管理的延伸和发展。     

浅谈文化差异在翻译中的运用

翻译界近三十年来有＂神似论＂与＂等值论＂之争。就英汉互译来说,我比较认同前者的观点。要做到＂神似＂,文化差异在翻译中的运用不可忽视。本文从颜色,联想和比喻,语义及语境的角度出发,论述了文化差异是英汉互译中,译文无限接近于原文的桥梁。     

语境在翻译过程中的定位

语境,即语言环境,指的是＂运用语言进行交际的一定的具体场合。＂（见《辞海》）根据交际的原则,语言交际必须切合语言环境。语境对于语言的表达和理解具有语用和语义上的制约和衬托作用,它就像一个语义坐标系,人们可以借助它进行精确的语义定位。因此,在翻译中,把握原文特定语句赖以产生的语境,对于领会原文的意义和功能,选择恰当和得体的表达方式,有着十分重要的作用。     

改进的LEM2规则提取算法

针对LEM2算法存在的局限性,从规则提取的质量和效率两个方面对其进行改进,提出改进LEM2规则提取算法.基于广义决策,定义最简规则优先策略,使得改进后的算法能获取更为简洁的规则,提高规则获取的质量.定义冗余的属性-值对集合,从候选属性-值对集中删除冗余的属性-值对,加快算法的收敛速度,提高规则获取的效率.通过实验证明改进LEM2算法用于不完备信息系统规则提取的有效性.     

云环境中大数据挖掘的有效花费研究

为平衡云计算资源的租用量与云环境中数据挖掘的计算结果准确率,得到最优的性价比,以监督式学习的卷积神经网络(CNN)为例,探究了CNN迭代次数与准确率的演化规律。选择经典图像数据集MNIST和文本数据集IMDB作为代表展开实验,发现在不同类型的数据集中,当CNN迭代接近最优解时,每提高很小的准确率,耗费的机时陡增,称之为长尾现象。验证在真实云环境中,当大数据挖掘的长尾现象发生且满足企业准确率需求的情况下,选择提前结束取代最高精度时结束,均可以节省大量云资源成本。研究结果对于合理运用云计算资源,降低云服务租用成本,具有实用价值与现实意义。