基于联合分析法的住宅产品定位研究

针对住宅产品消费的区域性特征,依据在沈阳市场的问卷调查取得的一手资料,首先通过因子和聚类分析,区分出住宅产品消费者所采用的4种生活方式;然后运用联合分析法,明确住宅产品各主要属性的相对重要性和各属性不同水平的效用值;最后得到不同生活方式的消费者群对住宅产品的偏好排序.研究表明:消费者在选择住宅产品时,最看重的因素是建筑类型和地理位置,其次是每平方米单价,而对住宅面积则不很关心;另外,采取不同生活方式的消费者群的住宅产品偏好是有差异的.     

科技期刊编委会的定位与功能探讨

论述了科技期刊编委会的组建原则及其定位,并以此为基础探讨了编委会以提升科技期刊学术质量和影响力为核心的主要功能,分析了编辑部运行机制与编委会功能的关系。     

整体叶轮三坐标测量机的分步精细定位方法

针对整体叶轮三坐标测量难以精确定位的问题,该文提出一种分步精细定位方法.根据对定位约束的影响和成形精度对整体叶轮上的曲面进行分类,确定测量基准面.利用基准面对整体叶轮工件进行初定位,使测头能够顺利接触工件并实现测量.获得测量点后,通过测量点与模型的配准精细定位.将配准定位矩阵在六个自由度上进行分解,只对其中部分自由度进行约束,获得优化的定位结果.对某轴流式整体叶轮进行实验,结果表明该文的精细定位提高了叶片部位的配准精度.     

基于数学形态学的鞋楦特征曲线骨架的提取方法

利用数学形态学方法提取出特征曲线带的骨架,并将提取的特征曲线用于鞋楦模型的重建。先利用已标定相机拍摄多幅图像,将图像去噪、提取特征曲线骨架后,再重建出鞋楦的三维模型。实验结果表明,利用该方法重建的鞋楦模型达到了实际生产要求,且重建所需设备比较经济。     

核磁共振环境下六自由度穿刺定位机器人的研制

针对核磁共振环境下穿刺手术的定位难题,采用机器人串并联机构设计并运用气动驱动方式,研制出6自由度的穿刺定位机器人.结果表明,所研制的穿刺定位机器人能够满足穿刺机器人与核磁共振环境中结构和材料的兼容性,实现了核磁共振环境下穿刺手术的机器人定位.     

大学生就业工作中政府角色定位探析

大学生找工作与农民工抢饭碗,这种被称之为大学生就业＂倾销＂的现象在我国已很普遍。造成这一现象的原因很多,有学校的教育教学、单位的用人体制、学生的就业观念及政府的政策法规等方面。而其中政府方面是一个非常重要的原因。在大学生就业工作中,政府应该更好地确立自己的角色定位,充分发挥其积极作用,成为就业政策的设计与制订者、就业岗位的开发与管理者、未来教育发展的规划与决策者、大学生社会保障的保护者。     

内梅罗指数法在土壤重金属污染评价中的应用

以郑州市为例对土壤重金属污染进行评价.考虑重金属在城市五类区域的浓度分布,根据单因子指数和内梅罗指数确定五个城区的金属污染程度.利用对内梅罗指教进行加权平均修正,得出不同区域的重金属污染程度.在分析重金属污染的主要原因时,先进行横纵比较,初步得到工业区Hg的污染程度最严重,然后建立主成分分析模型,利用模型中的单因子指教建立矩阵,利用MATLAB处理后得到相关系数矩阵,并计算特征值.据累计贡献率得出3个主成分,由此确定工业区的Hg、Cu,交通区的As、Hg,生活区的Cu为重金属污染的主要原因,进而得到重金属污染物的传播特征,并利用INGLADA方法进行初值计算以确定污染源位置所在的范围.     

高校思想政治理论课教师形象的“向度”转换

在当前高校教师群体中,思想政治理论课教师是一个特殊的群体,面临着来自社会、同行、学生等层面的多重"严酷"考量。作为思想政治教育主阵地的忠实"守望者",思想政治理论课教师一定程度上罹患着被"边缘化"的危险。思想政治理论课教师在新的时代境遇下要增强自身的生存力,有赖于一定的制度关照和顶层设计,同时也有赖于自身角色的重塑,在教学理念、教学方法、个体定位上实现由"单向度"向"双向度"的现实跨越。     

基于改进的模糊c均值聚类水凝胶图像分割

基于实验图像中目标与背景区域具有明显的色差和形状差异且其直方图有明显双峰的特性,提出一种改进的模糊c均值聚类和数学形态学相结合的算法,将目标图像有效地分割出来.首先依据像素邻域间的约束属性以及二维直方图对角线元素含有稳定图像信息的特点,在模糊c均值聚类算法基础上对聚类目标函数进行改进,并将二维直方图对角函数引入隶属度函数中,最终将目标区域有效地分割出来.实验结果表明:该方法具有识别精度高、计算量小、去噪能力强的特点.     

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段:首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段:针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。