战略视角下的电子企业并购绩效评价体系构建

基于战略的视角,选择财务、内部运作流程、客户、学习与成长以及外部形象5个层面共14个财务指标和非财务指标构建了电子企业绩效评价指标体系,为我国电子企业并购的绩效研究提供了一条较为全面系统的方法和思路。     

东莞市农业面源污染变化趋势分析

通过计算2000年和2010年东莞市的农业面源污染负荷排放量和入河量,分析过去十年来东莞市农业面源污染分布特征和变化趋势。研究结果表明：2000～2010年东莞市农业面源污染负荷呈下降趋势。其中,总磷入河量的降幅最大,达73.5％;农村生活污水和固体废弃物的农业面源贡献率呈增长趋势,化肥施用和分散式禽畜废水的贡献率呈下降趋势,其中分散式禽畜废水的贡献率下降幅度最大。     

基于面板数据的课堂教学质量评价的统计分析研究

本文以伊犁师范学院本科课堂教学质量学生评议结果(理工科专业)为例,依据多元统计分析的原理,运用方差分析、显著性检验、回归分析等定量分析方法,并借助SPSS等统计软件,对学生评教的相关因素诸如教师职称、教师性别、课程性质、学生成绩等差异对教学评议结果的是否具有显著性影响等因子做了具体的统计分析,并得出若干结论和建议。     

一种基于区域分割的无阈值Harris特征点检测算法

文章针对传统Harris算法需人为设定阈值和特征点聚簇的问题,实现了一种基于区域分割的无阈值Harris特征点检测算法,在图像区域分割过程中引入了极差以剔除不存在特征点的区域,采用了计算区域信息熵差值的方式以减少噪点的干扰,针对10×10像素分块后特征点仍然过密的情况采取了四块合一块的方法,最后根据实际情况在临近的特征点中只保留特征值最高的。实验结果表明,与传统的Harris特征点检测算法相比,本文算法避免了手动设置阈值的不确定性,而且特征点分布均匀、合理,没有出现特征点聚簇的现象,同时具有一定的抗噪性。     

一站式深度学习智能平台的设计与实现

深度学习平台对人工智能的发展起着重要的推动作用,然而,目前的深度学习平台存在使用门槛高或者缺乏个性化支持的问题.设计并实现了一站式深度学习智能平台NKI,对不同用户群体提供了全方位的支持和服务.通过拖拽式模型构建、经典算法复用和神经架构搜索算法,NKI让初学者能够在短时间内完成深度学习模型的构建、训练和应用,无需深入学习复杂的编程技术;对于算法专家,NKI提供了更多个性化的选择,如根据自身需求定制组件和数据集、进行在线数据预处理、以及直接执行深度学习代码等,这种高度定制化的服务使得深度学习专业人士能够更灵活地应对各种复杂任务,满足不同领域的需求.NKI是一个多层次、多功能的低代码深度学习平台,旨在促进深度学习技术的普及,让不同背景和技能水平的用户都能轻松地应用深度学习技术.     

计算机房产管理系统的开发

根据关系型数据库的有关理论和设计思想,在ＶｉｓｕａｌＦｏｘＰｒｏ上进行计算机房产管理系统的开发。系统采用主码外码来建立数据间的参照完整性,并引入记录、字段级校验触发器以减少编程工作量,所提出的查询子句的生成方法具有通用高效的特点,所采用系统维护字典显著提高了系统的使用性能。     

基于机器学习的低渗透砂岩聚合物驱采收率预测

在恶劣的油藏条件下,化学驱提高采收率方法的可行性主要在实验室进行,以探究化学驱方案在现场实施的可能效果,但此类实验通常昂贵且费时。为了提高筛选效率和研究变量关系,进行了3个聚合物驱油实验项目,其次通过构建14种机器学习基础模型来预测低渗透砂岩聚合物驱油实验的效率。结果表明多层感知机(MLP)、随机树(RF)和极限梯度上升(XGB)模型表现最佳,它们在测试集的确定系数均为0.99,均方根误差分别为0.855、0.836和0.859。模型表明特征重要性由强至弱依次为含水率、累积注入孔隙体积、渗透率、非均质系数、孔隙度、聚合物注入量、聚合物浓度、注入压力。本研究为室内物理低渗透砂岩聚合物驱提供了可靠的数据,给出了14种机器学习模型预测性能直接对比,建立了高拟合高泛化高稳定低误差的低渗透砂岩聚合物驱预测模型,这将有助于化学驱方案快速在低渗透储层应用,以及降低失败风险。     

透明型白碳黑粉体比表面积的测定和计算

本文系统的讨论了用ST-03型表面与孔径测定仪测定透明型白碳黑比表面积．基于白碳黑粉体在低温和气体饱和蒸气压范围内的多分子吸附平衡,依据BET多层吸附原理,采用流动色谱法测定白碳黑对氮气的吸附量．利用图解法确定工作曲线的斜率和截距,测定其样品的比表面积．由BET吸附公式计算出透明型白碳黑的比表面积为315．64 m2／g．     

鞍山城乡一体化农村生活垃圾问题调查

随着中国农村经济的快速发展,农村生活垃圾日益增多,垃圾围城现象逐渐凸显。农村生活垃圾问题处理得当与否关系到城乡一体化进程。针对鞍山地区农村生活垃圾处理现状及其认识问题,进行实地调查,并在此基础上,提出强化监管机制、增加政策投入、实施垃圾分类管理等具体建议。     

芹菜中噻嗪酮农药残留检测的不确定度分析

针对蔬菜中噻嗪酮残留的检测,采用高效液相色谱分析,研究了该方法的不确定度来源和结果的扩展不确定度。结果表明,农残提取、检测、外标曲线和分析仪器对噻嗪酮残留结果产生的相对不确定度分量分别为0.000 6、0.005 9、0.002 1和0.011 9,合成标准不确定度为0.013 5,噻嗪酮农残的扩展不确定度为0.013μg·g-1(k=2),噻嗪酮残留量可以表示为(0.487±0.013)μg·g-1。4个不确定度分量中分析仪器对结果的影响最大,样品检测的影响其次。高效液相色谱法检测蔬菜中噻嗪酮残留量的结果可靠。