资产证券化的意义及风险分析

资产证券化最早于20世纪60年代末在美国的住宅抵押市场出现,从20世纪70年代开始,资产证券化逐渐成为一种被广泛采用的金融创新工具而得到了迅猛发展。本文首先阐述资产证券化的概念,然后对证券资产化的意义和存在的风险进行了简析。     

晶格匹配型单量子阱GaAs/AI_xGa_(1-x)As半导体电极的光电化学行为

近年来,在半导体光电化学领域中,半导体超晶格(量子阱)材料作为一种新型的光电极的研究已引起人们广泛的注意和重视.由于半导体超晶格(量子阱)能带的量子化,因此具有许多完全不同于体材料的新特性,如其量子阱中的激子受到阱宽的限制不仅寿命长于相应的体材料,而且有较强的光吸收性能;量子阱中光生热载流子的能量驰豫明显慢于体材料,具有较长的热载流子寿命,大大增强了热载流子效应以及其载流子迁移率大于体材料等.这些特性都有利于提高光能的转换效率.本文研究了晶格匹配型单量子阱GaAs/Al_xGa_(1-x)As电极     

当前城市园林建设中出现的几点问题

<正>二十世纪末,建设部提出了城市建设要坚持"以人为本,建设最佳人居环境"的指导思想。为引导城市建设发展方向,促进城市建设为构建和谐社会服务,国家建设部又颁布了《国家园林城市评选标准与办法》。之后,随着地方经济的蓬勃发展,全国上下各级政府掀起了创建园林城市的热潮。     

科技成果评价体系构建策略研究

【目的】随着全球科技发展的不断进步和我国科研水平的快速提升，科技成果作为科技创新进步的重要推动因素，在其评价体系中依然存在评价导向作用和价值发现作用发挥不足、多维度和分类的评价体系不健全、指标单一化和标准过度定量化等问题。因此，有必要对科技成果评价体系构建策略进行研究。【方法】分析河南省科技成果评价体系所处现状，提出适应河南省科技成果评价体系的构建标准。【结果】本研究针对上述问题提出了强调“五大价值”作为科技成果评价的核心、充分发挥各类主体在科技成果评价中的作用、创新科技成果评价的方式方法和切实用好科技成果评价的结果等策略。【结论】对构建更加科学、客观和公正的科技成果评价体系有着积极意义，也为科技创新与成果转化提供了有力支撑和引导。     

大数据时代的智慧城市建设方法探讨

随着全球人口的持续增长，越来越多的人正在涌向城市。有专家预测，到2050年世界城市人口将增加1倍，这意味着地球上每1年将增加7个相当于纽约市规模的城市。由于我们的家园越来越变的城市化，所以，城市需要变得更智慧。     

恒生制药 制药领域的节能减排先锋军

正一提起盐酸马尼地平片,血压高的人肯定都熟悉。在全国以及河南境内,许昌恒生制药有限公司生产的盐酸马尼地平片占据很大的市场份额。许昌恒生制药有限公司是国内首家获得盐酸马尼地平原料药及盐酸马尼地平片两个国家三类新药证书的企业,其填补国内市场空白。同时获得"盐酸马尼地平原料药"的药品注册批件(批件号:2012S00118)。     

大数据时代高校传媒教育变革的现实挑战及其应对策略

高校传媒教育作为行业发展的基石应及时把握大数据的基本内涵和典型特征,并在高校传媒教育的人才培养理念、教学实践资源配置、教学课程体系、校企合作方式、人才输送、学校内部治理结构与认知氛围等方面作出变革。通过增强高校的定制功能、学习预测、学科知识视觉化、教学数据化分析等方式,更好地匹配高校育人定位,提高教学效率,为传媒行业大数据时代发展打好基础,确保高校传媒教育更好地回应时代需求。     

无线传感器网络中覆盖度和连通度问题的研究

对无线传感器网络中的覆盖度和连通度问题进行了研究。传统的求解覆盖度和连通度问题的整数规划算 法对于大型的无线传感器网络,其整数规划算法的求解时间复杂度过高,导致算法效率偏低,CCP-WSN通过对的 研究,提出了一种新型的求解CCP-WSN的盲覆盖区增强算法,该算法采用启发式的策略,大大降低了求解的时间 复杂度,并且能够求出网络的近似最优解,非常适合于分布式应用。     

计算机软件漏洞分析研究

<正>引言计算机软件漏洞是指可以发展成为被人恶意利用的软件缺陷。软件漏洞是网络入侵与攻击行为的主要根源之一,漏洞分析技术是指利用一定的软硬件工具搜集、发现计算机软件漏洞的过程。近年来,网络安全环境不断恶化,美国花旗银行证实在2011年6月由于黑客利用软件漏洞入侵导致近36万北美地区的英航卡用户姓名、账号等信息被泄露。2011年底,CSDN用户名密码泄漏事件导致600万用户邮箱和其对应的明文密码被泄露。美国的软件漏洞分析技术一直处于国际领先地位,加州大学、斯坦福大学等著名院校进行了大量的研究工作,而微     

弱链路下基于全对等模式和相关性检测的资源信息共享

针对恶劣网络通信环境导致的数据采集和信息交互异常问题,提出了一种基于多维时序数据子序列的相关性检测方案.该方案针对相同时间段内的多维资源状态时序数据进行相关性计算.在获得其相关性矩阵后,先与已训练好的正常检测模式比对,若结果被判定为异常,再与已训练好的异常检测模式比对,若结果仍被判定为异常,则最终认定结果为异常.通过这...