线性滑动光滑法对非线性数据处理结果的影响

利用线性滑动方法中的一阶五点公式、处理了一组物理实验数据。结果对比分析表明,对物理实验中的原始数据先经过必要的数据预处理,能提高实验数据处理结果的精度,增强物理实验的验证效果。     

一类本原图的Scrambling指数

文章主要研究了一类特殊的含有6个圈3个不同圈长的本原有向图的Scrambling指数,通过分析每一点经过t长途径可到达的点的集合,给出了此类图的Scrambling指数.     

物理实验室信息化管理系统的研究与开发

利用Visual Fox Pro数据库程序设计语言，研究了物理实验室信息化管理系统的设计方法，并介绍了该系统的主要功能及特点。     

一个供应链系统的可靠性模型的解的渐近性质

运用C0-半群理论来研究一个供应链系统可靠性模型当μi(x)=μi时的解的渐近性质。首先证明在虚轴上除了0之外其他所有点都属于该算子的豫解集,其次证明0是对于该系统的主算子及其共轭算子的几何重数和代数重数为1的特征值,由此推出该系统的时间依赖解当时间趋向于无穷时强收敛于系统的稳态解。     

小额诉讼程序与速裁程序的比较及立法选择

小额诉讼程序和速裁程序皆为我国民事诉讼简易化程序改革之产物,两者既有相同之处又有相异之点。从司法改革趋势来看,速裁程序日益凸显其实践价值,小额诉讼程序则逐渐式微。但是,不能因速裁程序之＂兴盛＂,小额诉讼程序之＂没落＂,而在倡举速裁程序之时,完全摒弃小额诉讼程序之功能性价值。毕竟,小额诉讼程序与速裁程序并无本质上的冲突和矛盾,两者均有值得引鉴的内在机制。所以,改进和整合小额诉讼程序和速裁程序,将小额诉讼程序置于速裁程序之中,成为速裁程序一部分更为合理。     

小微企业数据整合中ETL工具Kettle的应用

针对当前小微企业在信息化建设过程中存在的数据存储分散、数据格式各异等问题,从企业对数据应用的实际需求出发,探讨了用ETL工具——开源软件Kettle进行企业数据整合的方法,并结合实际进行了数据整合.     

科研机构图书馆科学数据管理探析

科学数据具有无穷的生命力，其发展开始影响图书馆传统的服务方式。采用文献调查法，对在国内外数据库中搜索到的有关科学数据管理的研究方向与热点的相关论文进行了分析，探讨了我国科研机构图书馆科学数据的管理与服务，并提出了若干建设性意见。     

次贷危机下中国中小外贸企业面临的问题及对策

中国中小外贸企业在解决就业和拉动经济增长方面具有不可低估的作用，但是它的自身发展还存在问题。且在融资渠道、法律支持、政府直接支持以及信用担保等方面与国外发达国家相比尚有较大差距。基于此，中小外贸企业应加强自我完善，且政府应完善进出口政策性金融机构。     

基于拦截式中间件的HLA仿真克隆研究

仿真克隆可以提高分布式离散事件仿真的效率和并行性,方便快捷地对仿真中的多种可能性进行分析、比较和评估.介绍仿真克隆的相关概念,基于HLA仿真克隆的体系结构,提出并设计一种支持多剧情并发执行的拦截式仿真克隆中间件,并讨论基于该中问件的仿真克隆过程以及克隆过程中的数据同步策略,最后通过实验验证所提方法的适用性.     

Dynamic Niching Genetic Algorithm with Data Attraction for Automatic Clustering

A genetic clustering algorithm was developed based on dynamic niching with data attraction. The algorithm uses the concept of Coulomb attraction to model the attraction between data points. Then, the niches with data attraction are dynamically identified in each generation to automatically evolve the optimal number of clusters as well as the cluster centers of the data set without using cluster validity functions or a variance-covariance matrix. Therefore, this clustering scheme does not need to pre-specify the number of clusters as in existing methods. Several data sets with widely varying characteristics are used to demonstrate the superiority of this algorithm. Experimental results show that the performance of this clustering algorithm is high, effective, and flexible.