学科馆员科研服务能力提升策略分析

科研是一个学校的强校之本。高校图书馆的学科馆员制度是服务于科研的最佳模式,有利于学科馆员和科研人员的专业信息沟通,极大地推动图书馆专业化团队的建设并提高图书馆馆员素质,提升高校图书馆信息服务的水平和层次,促进图书馆各项工作的开展。     

基于生成对抗网络的无载体信息隐藏

提出了一种基于生成对抗网络的无载体信息隐藏方法.发送方用伪装图像和Improved Wasserstein GAN生成一张与秘密图像相同的图像,发送方发送伪装图像,接收方收到伪装图像后用生成器生成和秘密图像视觉上相同的图像.与现有的信息隐藏方法相比,该方法不需要修改载体,能够有效地抵抗隐写分析工具的检测,能够达到秘密信息安全传输的目的.     

市政污泥与生活垃圾协同焚烧的二噁英排放特征及毒性当量平衡

于2016年5月和2017年1月，分别对南方某生活垃圾焚烧发电厂开展生活垃圾与市政污泥(分别为0%、5%、10%和15%)协同焚烧试验，探讨市政污泥掺烧对生活垃圾焚烧过程中PCDD/Fs排放的影响.在不同季节中，PCDD/Fs均主要分布于飞灰与炉渣中.受焚烧过程中PCDD/Fs的结构破合与重组的影响，废渣中以2, 3, 4, 7, 8-PeCDF (13.0%~72.1%)单体为主. 2016年5月，每吨焚烧原料(指生活垃圾跟污泥的混合物)混合焚烧排放的PCDD/Fs毒性当量比原料本身含有的增加了14.1~29.2 μg TEQ/t，而2017年1月则降低了9.2~9.9 μg TEQ /t.生活垃圾焚烧过程中加入市政污泥能够提高焚烧材料中的硫元素与氯元素的质量比，从而抑制PCDD/Fs的再合成.综上所述，在保证生活垃圾焚烧发电厂的电力生产条件下，适当的市政污泥与生活垃圾协同焚烧能够降低焚烧过程中的PCDD/Fs排放，从而实现市政垃圾污泥的安全处理处置.     

基于空地协同采样的植被覆盖度随机森林估算方法

基于无人机高光谱影像, 建立地形复杂地区植被覆盖度的非参数随机森林回归估算模型。为获得构建随机森林模型所需的足够数量的训练样本, 利用低空无人机搭载的光学相机, 在从地面难以到达的山地、水域和植被茂密区, 通过垂直拍摄获得厘米分辨率的航拍影像, 作为对地面样方采样的补充。首先计算地面数码相机照片和无人机可见光影像的红绿蓝植被指数(red-green-blue vegetation index, RGBVI), 然后使用大津分割法提取样方的植被覆盖信息, 得到构建模型所需的训练样本。在此基础上, 基于2018年8月16—18日在内蒙古自治区察右中旗油娄沟矿区获取的GaiaSky-mini2无人机高光谱影像数据, 利用递归特征消除算法优选参与随机森林回归的特征变量集, 利用空地协同获取的训练样本构建植被覆盖度的随机森林回归估算模型。该模型在测试集上的确定系数R2为0.923, 均方根误差为0.087, 优于常用的像元二分模型, 可用于矿区植被动态信息的精细化监测。     

《天工开物》中信息型科技术语英译策略对比分析

《天工开物》中以传递科学信息为主的术语是中国古代科技文明的重要载体。文章量化描写和定性分析了85条此类信息型科技术语在其三个英译本中的翻译策略,发现李乔苹译本偏好异化,王义静、王海燕和刘迎春译本倾向于译文流畅的归化,任以都、孙守全译本的策略运用情况则介于二者之间,而这很大程度上取决于不同译者对目标受众的定位差异。文章也借此呼吁中国古代科技术语翻译批评遵循客观描写加解释分析的路径。     

4阶混沌电力系统的协同控制方法

针对目前众多电力系统混沌控制方法只针对简单2阶电力系统模型的现状以及为了应对电力系统混沌控制时广泛应用的滑模控制中出现的抖振问题及奇异问题,为4阶电力系统提出了一种用于抑制其混沌振荡的协同控制方法:利用分岔图及李雅普诺夫指数谱图找到能使4阶电力系统发生混沌振荡的参数范围;引入储能装置及静止无功补偿装置的动态模型,从而构成受控的6阶电力系统;为受控电力系统定义对应的宏变量,设计具有连续控制律的协同控制输入,并给出用于4阶混沌电力系统协同控制的控制框图。数值仿真表明:设计的协同控制器能够使受控电力系统由混沌振荡状态恢复到平衡态,从而有效控制了4阶电力系统的混沌振荡。     

“网络信息资源检索与利用”课程网络教学平台建设

介绍了"网络信息资源检索与利用"课程的教学现状,指出了存在的问题,提出了"网络信息资源检索与利用"网络平台的建设,制定了平台的建设目标,对平台的功能模块进行了划分,对平台今后的工作进行了规划。     

基于图注意力网络的案件罪名预测方法:CP-GAT

案件罪名预测任务是基于文本数据去预测案件所属罪名.针对现有方法在相似罪名和长尾数据集上表现不佳的问题，提出了一种基于图注意力网络的案件罪名预测方法CP-GAT(charge prediction based on graph attention network).该方法首先使用司法文书数据集中的案例事件描述文本和案例对应的法条信息建立异质图结构数据，构建后的异质图包含两种类型的节点(词节点、案例节点)，两种类型的边(词节点与词节点相连的边，词节点与案例节点相连的边).在基于法律文本构建后的异质图上使用图注意力网络进行图特征提取，最后将得到的特征向量输入到罪名预测的分类器中，得到案例所属的罪名.在CAIL2018法律数据集上的实验结果表明，基于图注意力网络的罪名预测方法优于对比实验使用的方法，准确率和宏观F1值分别达到了95.2%和66.1，验证了提出的方法有利于提升案件罪名预测任务的性能.