西藏冈底斯成矿带矿产资源远景评价与展望

西藏冈底斯成矿带是中国西部地质工作程度极低的地区之一,但成矿条件有利.综合近年地质大调查工作的最新成果,在对冈底斯成矿带的成矿地质背景、成矿条件进行分析和研究的基础上,认为冈底斯是一个找矿潜力巨大的铜、铁、多金属成矿带.根据成矿作用类型将冈底斯主要的矿床类型分为与斑岩、弧火山岩、中酸性侵入岩和蛇绿混杂岩等有关的铜、铁、金、银多金属矿床;并根据其资源找矿潜力,在冈底斯成矿带中划分5个找矿远景区,指出铜矿、富铁矿、富银铅锌矿及金矿是冈底斯成矿带的优势矿种,斑岩铜矿、火山岩型铜矿是冈底斯成矿带中2个最重要的矿床类型.     

基于社区游戏的高校图书馆用户特征分析

分析了普通社区游戏用户的特征,提出了高校图书馆游戏服务用户在网络化、社群化环境下的3个新特性,构建了基于用户新特性开展图书馆游戏服务的新模式,以期推动国内高校图书馆游戏服务。     

三维CAD曲面四边形网格划分及局部加密技术

利用ＣＡＤ与ＣＡＧＤ系统中三维自由型曲面造型的数学方法,根据曲面上网格剖分的密度要求及曲率变化,先在定义曲面的参数平面域上生成密度可变的全边形网格,然后利用曲面方程将参数域上的网格映射到曲面上。实现了任意自由型曲面密度可变的全四边形网格剖分。为有限元分析系统与ＣＡＤ几何造型系统的集成提供了一种高效,可靠的前处理手段,输入数据是ＣＡＤ或ＣＡＧＤ系统中曲面的控制顶点或插值边界。该方法运算速度快,效率高     

青岛市社区体育的现状调查与对策研究

采用文献资料、问卷调查法和访谈法对青岛市社区群众体育现状进行调查研究，结果表明：青岛市社区居民参加健身识薄弱；体育人口中老年人所占比例偏大；公共体育设施匮乏；社会体育活动指导力量发展不均衡；居民体育消费意识不强，消费水平低等。应加关全民健身的宣传力度和体育经费投入，加快社区体育指导员队伍的建设，改善城区体育设施，推广科学的锻炼方法，使青岛市社区群众体育稳步健康发展。     

基于决策空间划分模型的多目标进化算法

为有效利用决定空间中的信息、提高收敛速度与准确度,提出了基于决策空间划分模型的多目标进化算法.该算法将决策空间划分成多个子决策空间并在每个子决策空间内映射出一个超球体,运用某一多目标进化算法完成超球体内个体的1轮次进化,基于粒子群优化算法的粒子移动机制实现超球体间的信息共享、引导超球体质心向最优解集方向移动.对8个测试问题的实验结果表明:基于决策空间划分模型的多目标进化算法在收敛精度和收敛稳定性方面比FastPGA,MOCell,NSGA-Ⅱ和SPEA2算法表现出更好的性能.     

混合气藏类型划分及成藏模式探讨

混合气藏是常见的天然气藏类型,实用的类型划分及成藏模式的建立是该类气藏定量研究的基础。根据端元气的来源,对混合气藏类型进行了划分,并结合实例建立了相应的成藏模式。研究结果表明,常见的混合气藏可划分出两大类4小类:(1)异源混合气藏,指不同气源岩(灶)生成天然气的混合,其中包括异源岩混合气藏和异源灶混合气藏两类;(2)同源不同阶混合气藏,按母质类型分为煤型不同阶和油型不同阶两类。对塔里木、鄂尔多斯、四川等盆地典型气藏解剖结果证明,多套有效气源岩、沟通圈闭和源岩(灶)的通道是异源混合气藏形成的基础;而气源岩多期次演化生气、持续有效的圈闭是同源不同阶混合气藏形成的重要条件。分析认为,具有多套源岩供气的轮南凸起、川东高陡褶皱带是发育异源混合气藏的有利地区;而成藏过程复杂的库车坳陷则是同源不同阶混合气藏发育的有利地区。     

模糊C-均值聚类算法的改进研究

模糊C-均值聚类算法通过迭代的爬山技术来寻找问题的最优解,是一种局部搜索算法,容易受初始值的影响而陷入局部极小值.遗传算法是一种应用广泛的全局优化算法,是一种与求解问题无关的算法模式,能够有效解决模糊C-均值聚类算法对初始化敏感的问题,利用改进后的遗传算法能更好地解决聚类问题.     

我国社区图书馆建设对策初探

阐述了构建社区图书馆的必要性,分析了我国社区图书馆的发展现状,探讨了我国社区图书馆今后的发展对策。     

基于加权知识网络分析的企业社区创新用户专家知识发现方法

企业社区中的用户专家对企业产品创新和改进具有重要作用,了解用户专家个人知识对于企业更好地利用用户创新具有重要意义.本文提出一种基于加权知识网络分析的企业虚拟社区用户专家个人创新知识发现方法,以用户社区帖子为对象进行Web文本挖掘,以加权知识网络模型(WKN)对挖掘的碎片知识进行整合和建模,进而综合利用WKN模型中的点、边、权重,以及社会网络分析方法,识别出基于派系的基本型创新知识模式、基于非派系的成长型创新知识模式以及核心创新知识模式.从模型及实例可看出,该方法识别出的知识模式,包含了知识点之间的关系结构,因而比零散的知识点更系统、深入,更易理解和应用.     

一种基于网格密度与空间划分树的聚类算法

基于密度的聚类是聚类分析中的一种,其主要优点是发现任意形状的聚类和对噪音数据不敏感.文章提出了一种新的基于网格密度和空间划分树的CGDSFF(Clustering based on Grid - Density andSpatial Partition Tree)聚类算法.其创新点在于,将数据空间划分成多个体积相等的单元格,然后基于单元格定义了密度、簇等概念,对单元格建立了一种基于空间划分的空间索引结构(空间划分树)来对数据进行聚类.CGDSPT算法保持了基于密度的聚类算法的上述优点,而且CGDSFF算法具有线性的时间复杂性,因此CGDSPT算法适合对大规模数据的挖掘.理论分析和实验结果也证明了CGDSPT算法的优点.