“候鸟旅游”与“青年客栈”

“旅游”一词的含义谁都明白,但要是在前面加上“候鸟”两字,成为“候鸟旅游”,许多人就弄不清楚了。“候鸟旅游”一词出现在1909年,是由一位名叫理夏德·希尔曼的德国教师倡导的。他把活泼可爱的青年人比作候鸟,号召他们利用节假日漫游祖国的秀丽山川,加深对故乡乃至祖国的认识,培养他们的爱国主义精     

对放线菌Sy11有诱导作用的致病疫霉信号分子研究

致病疫霉(Phytophthora infestans)能产生一种信号分子,诱导放线菌Sy11菌株产生抑菌物质从而抑制致病疫霉.为明确在哪种培养方式下致病疫霉更易产生这种信号分子以及信号分子的物质类别,本文采用生长速率法对致病疫霉单独培养(单独固体培养和单独液体培养)以及与Sy11共培养(对峙培养和混合培养)产生的信号分子诱导Sy11抑菌作用的活性进行了比较,并以不同有机溶剂对信号分子的物质类别进行了初步分析.结果显示,致病疫霉无论单独培养还是与Sy11共培养,均可产生诱导Sy11抑菌作用的信号分子,其中以在固体黑麦培养基上与Sy11对峙培养产生的信号分子的诱导活性最强,菌落直径为24.79 mm,但与其他3种培养方式所产生的信号分子的诱导活性并无显著性差异;对致病疫霉单独液体培养后无菌体发酵液的分析表明,其中脂类粗提物的诱导活性(菌落直径32.8 mm)远高于糖类(菌落直径61.5 mm)和蛋白质类(菌落直径60 mm)粗提物,进一步对其中脂类物质的萃取显示,乙酸乙酯的萃取效果明显优于乙醇和石油醚.乙酸乙酯萃取物诱导Sy11后对致病疫霉菌丝生长有显著的抑制作用(菌落直径为35 mm)与乙醇萃取液的处理达到显著性差异.以上结果表明,致病疫霉生长过程中无论单独培养还是与Sy11共培养均可产生能诱导Sy11抑菌作用的信号分子,该信号分子以脂类物质为主,可用乙酸乙酯萃取得到.     

基于超立方体Q_n节点编码的最小生成树算法

利用超立方体Q_n的同构拓扑结构,基于其节点编码特征,依据广度优先的策略,找到了一种新的寻找最小生成树的算法.文中提出的算法总共包括了十个步骤,完成一次循环,算法频度为f(n)=2~n-1+n~3+n~2+2n,因此算法的时间复杂度为O(2~n).这一算法为寻找超立方体Q_n中的最小生成树提供了新的思路,为Q_n中设计相应路由算法提供了有力的理论支撑.     

关于高等学校信息化建设的思考

简要叙述了高校信息化建设的意义，提出了高等学校信息化建设的原则，论述了高校信息化建设的切入点——数字化校园以及数字化校园的核心内容——数字化教育，指出高等院校必须建立自己的数字化校园。     

“放、转、控”:释放心底的压力

<正>"我太难了","压力山大"已成为今天许多人的口头禅。如今生活节奏不断加快,人们除了需要紧跟时代步伐外,还要承受对未来的不确定所带来的迷茫,因而会在生活、学习、工作上产生紧张、焦虑、担心、困惑等情绪,也就是我们常说的"压力"。心理学上的压力是指心理压力源和心理压力反应共同构成的一     

透视中关村现象

分析了中关村发展中存在的不足之处及未来的发展走向，指出了我国IT业发展的当务之急。     

基于超立方体Q_n节点编码的边不交最优路径

基于超立方体节点编码的特点,得到了n维超立方体Qn中任意两节点s、t之间的两条并行最优路径算法.该算法共包括了11步骤,在最坏的情况下需要执行2n2+4n2次运算,它的时间计算复杂度为O(n2),属于多项式算法.     

基于MapReduce的视频爬虫系统研究

针对当前网络中视频媒体数量大、更新快、内容多、下载难,以及基于单机的视频网络爬虫系统中的处理速度慢、并发度低和下载速度慢等问题,提出了基于Hadoop框架的视频爬虫系统,为视频爬取提供了高并发度的处理和爬取速度.通过MapReduce计算模型实现网页抓取、分析、去重及下载等计算任务,Hadoop分布式文件系统(HDFS)存储各阶段计算任务的计算结果,运用多处备份机制,使得在某个结点退出时转移任务集,不影响整个系统的稳定性和有效性.实验结果表明完全分布式基于Hadoop的视频爬虫系统无论在单位时间内的视频下载速率还是爬取网页个数都明显高于未基于Hadoop的和伪分布式的视频爬虫系统.     

论管理信息系统的网络互联技术

从技术角度论述了管理信息系统联网的基本模式、原则、体系结构、目标及技术维护。     

一种改进的快速迭代阈值选择算法

针对迭代阈值选择算法每次迭代计算灰度阈值的过程存在大量重复计算的问题,提出了基于均值累计和频次累计的快速迭代阈值选择算法。对快速迭代阈值选择算法和迭代阈值选择算法阈值计算的时间开销及图像二值化分割进行了实验分析,结果表明:文中提出的快速迭代阈值选择算法可有效的对实验图像进行二值化,该算法可显著降低迭代过程的时间开销。当图像尺寸达到10 000*10 000时,快速迭代阈值选择算法的时间消耗可降低至迭代阈值选择算法的10%,验证了快速迭代阈值算法的有效性。