高校学生管理法治化的价值及路径探析

高校学生管理法治化是高校能够持续发展并走向更高层次的基础。是高校沿着法定职权高效管理的重要手段,是高校沿着新时代教育发展规律不断攀升的阶梯。但目前实行高校学生管理的法治化还存在有些管理者对管理模式定位不准、管理制度的制定和执行的人治化色彩较浓、部分学生的法律意识淡薄、规定与现实的管理的矛盾等阻力。我们应该始终树立权利本位思想,坚定以生为本的管理思路;完善管理制度,彰显实体与程序并重的法治化内涵;注重宣传,提高学生法律意识;“执法”必严,程序合法,摈弃人治化思维的过度干扰。     

汶川地震破裂近场震后变形观测及其意义

汶川地震破裂带上的近场震后变形, 是一种震后的蠕滑行为, 而且大部分表现为与同震滑移的方向相反. 地震断层的活动通常划分成震前、同震、震后和震间4个阶段, 反映了一次地震从孕育、发生到结束的整个演化过程, 而不同活动阶段的变形特征反映出不同的应力状态和力学性质. 汶川地震沿龙门山断裂带形成了两条长分别为250和72 km的地表破裂带. 为了了解汶川地震地表破裂带的震后变形特征, 对中央主破裂带上人为破坏较轻的断层崖或断层挠曲崖进行反复测量, 结果显示在19个观测点中, 13个观测点(68%)的断层崖或断层挠曲崖的高度(垂直同震位移)震后降低回落, 平均降低了9.7%; 5个观测点(26%)没有发生变化; 1个观测点(6%)的在震后继续抬升, 抬升了12.8%, 而且该观测点位于中央主破裂带的南西端部. 尽管这种变化中存在着上冲断层盘虚假抬升后压实回落的影响, 但主要是沿汶川地震破裂带发生的震后滑移造成的, 而且大部分震后滑移(68%)与同震滑移的方向相反. 除破裂端部存在同震位移亏损, 弹性能释放不完全外, 其他部位同震位移要么与震间累积达到平衡, 要么过冲产生能量亏损, 揭示了汶川地震的能量可能基本释放完全, 发生7级以上强余震的可能性不大. 此外, 这种震后变形特征还告诉我们, 在进行活动断层构造地貌研究时, 特别是通过断层崖高度(或其他水平位错量)判断断层运动速率和估计古地震事件大小时, 除侵蚀作用产生的误差外, 还需要考虑10%左右来自震后滑移的系统误差.     

自组织网络随机游走模型的渐近节点分布

把随机游走移动模型的渐近节点分布作为研究对象,根据仿真区域的不同,分为两种情况加以分析.当模型工作在无边界区域的时候,应用中心极限定理求得节点经过n步移动后端点坐标的概率密度函数.当模型工作在有边界区域的时候,应用马尔可夫链理论和仿真实验证明,由于边界效应的存在,随机游走模型的渐近节点分布是均匀分布.     

基于DSP的多目标航迹模拟

研究了一种通过载机飞行实现多目标航迹模拟的系统,将多目标运行参数传给雷达.利用GPS接收机测得的载机位置信息,通过航迹模拟模型,实时模拟多个目标的运行状态及计算位置、速度和多普勒频率等参数.使用DSP芯片和优化算法完成信号的实时处理.实验结果表明,目标位置误差小于1 m,速度误差小于2 m/s,计算时间小于50μs,满足了准确性与实时性的要求.     

来自海南红树林内生真菌ZSU H85(LK)的新蒽醌

 红树林内生真菌是一种新的天然产物资源。采用色谱技术对分自海南半生红树林植物蕨类的内生镰刀菌Fusarium sp.ZSU H85（LK）菌体进行了分离,得到3个化合物,通过光谱和波谱分析,分别鉴定为新的蒽醌ZSU H85A（A）,安息香酸异戊烯酯（B）和壬二酸（C）。     

输电线路钢管杆在腐蚀影响下的安全性分析

针对腐蚀影响下输电线路钢管杆的性能劣化,采用有限元法对腐蚀作用下的钢管杆承载力变化进行深入研究.通过对钢管杆底部腐蚀和横担腐蚀情况进行分析,得到各构件在腐蚀作用下的力学行为和模态响应.采用材料质量损失率来量化腐蚀程度,并引入材料属性降低来模拟腐蚀效应.研究结果表明,随着腐蚀厚度和长度的增加,应力和应变集中在腐蚀部位,振动频率呈现下降趋势,这可能加大了与风荷载的共振风险.随着质量损失率的增加,最大等效应力和等效弹性应变值明显上升.研究结果为进一步了解腐蚀对输电线路钢管杆的影响提供科学依据、为保障结构运行安全提供理论指导.     

基于Web2.0的知识管理系统研究

知识管理系统基于信息技术进行知识的收集、处理和分享,促进知识的学习、再利用和创新,强化组织的核心竞争力。Web2.0的发展对知识管理系统的革新产生了强大推动力。探讨了Web2.0时代的知识管理的重大变革,建立了基于Web2.0的新型知识管理系统模型,为组织更有效地结合Web2.0技术进行知识管理系统的规划提供了有意义的参考。     

一种利用不可行解的贝叶斯网学习算法

现有的基于打分搜索的贝叶斯网学习方法都是利用满足有向无环图的可行解进行学习.在搜索过程中遇到不可行解时,这类算法简单地去除不可行解或将不可行解转化为可行解.然而,有的不可行解中往往蕴含着有价值的信息.本文提出一种新的贝叶斯网学习方法ISEC,同时利用可行解和不可行解学习贝叶斯网络,并提出针对不可行解的选择策略,在学习过程中可以有效地利用不可行解中的有用信息.实验结果表明,ISEC能够比仅利用可行解的方法更快地学习到更优的贝叶斯网.     

基于端元提取的高光谱图像亚像元目标异常检测算法

针对高光谱图像异常检测因为背景复杂、存在亚像元目标而导致检测效果下降的问题,提出了一种新的检测方法。该方法首先对高光谱数据使用主成分分析法进行背景抑制,然后使用正交子空间投影方法进行端元提取,再使用光谱角度匹配技术进行异常检测。最后与其他两种检测方法比较,具有更好的检测效果,证明该方法的有效性。     

基于全局注意力的多级特征融合目标检测算法

针对小目标物体检测精度差的问题,同时不以牺牲速度为代价,本文提出了一种基于全局注意力的多级特征融合目标检测算法。算法首先由卷积神经网络生成多尺度的特征图,然后采用多级特征融合的方法,将浅层和深层特征图的语义信息相结合,提高特征图的表达能力,接着引入全局注意力模块,对特征图上下文信息进行建模,并捕获通道之间的依赖关系来选择性地增强重要的通道特征。此外,在多任务损失函数的基础上增加一项额外的惩罚项来平衡正负样本。最后经过分类回归、迭代训练和过滤重复边框得到最终检测模型。对所提算法在PASCAL VOC数据集上进行了训练和测试,结果表明该算法能有效地提升小目标物体检测效果,并较好地平衡了检测精度与速度之间的关系。