有机概念图在中药提取和剂型设计中应用

把有机概念图应用到中药研究中,通过计算中药有效成分的有利性值与无机性值,从而确定其在有机概念图各性状区的分布,通过研究中药有效成分与有机概念图之间的关系,可以验证许多中药有效成分的性状,并能很好解释几味常用中药的分离提取、剂型设计及复方配伍等问题。另外,根据常用中药在有机概念图中的分布,可以推测其他有效成分的性质或者进行药物筛选,结果表明,有机概念图可以很好地应用到中药研究中,并对中药的现代化具有一定的指导作用。     

一种量化的产品定义方法

分析了质量屋在将顾客需求配置成产品技术特征过程中存在的不足,针对适应性设计特点,提出一种基于统计技术的量化产品定义方法。该方法承袭了质量屋以顾客需求为出发点、强调市场与工程设计有机结合的思想,综合运用试验设计和结合分析等不同学科领域工具保障概念设计质量。介绍了相关工具的基本概念,详细阐述了方法的实现过程,以某微型汽车产品的概念开发为应用实例验证了方法的可行性。     

对数学概念教学的探讨

数学知识的最普遍形式是数学概念,数学概念教学是数学教学的重要内容,搞好数学概念的教学,是数学教学成功的关键。     

补偿型的Sleeping expert文本分类算法

多义词是影响文本分类的重要因素 ,由于它可代表分属不同类别的多个概念 ,造成类别之间界限模糊。传统作法是对多义词的权重进行弱化以减小它们对于分类的影响 ,但文本分类是基于内容的 ,且多义词也代表组成文本内容的特定概念 ,所以简单地对多义词进行弱化是不合理的。Sleeping expert算法采用正权重和负权重较好地描述了多义词的特性 ,该文在原算法中插入了一种权重补偿模块 ,它根据上下文对关键词的统计权重进行动态修正 ,其目标是实现权重和当前概念的一致性 ,实验证明这种补偿型 Sleepingexpert具有更好的分类性能     

概念格递增修正关联规则挖掘方法

研究了一种知识发现与数据挖掘中关联规则的发现方法 .关联规则是数据挖掘的重要方法之一 ,其核心是各大项目集的获取 .针对货篮关联规则挖掘方法 ,提出了一种改进的概念格递增修正方法 .该方法适应于数据库的动态数据递增或递减更新 ,通过记录项目集 (即概念格中的结点 )在数据库中出现的频率值 ,不需要构造完整的格即可求得项目集的支持度值和可信度值 ,以获取大项目集 ,进而求得关联规则 .同时 ,该方法运用 Hasse图解进行可视化操作 ,降低了算法的时间复杂度     

构建和谐图书馆实现和谐社会

实现和谐社会始终是人类追求的最高目标。构建和谐高校图书馆,是构建和谐社会的内容之一,也是高等学校协调发展的客观需求。我们应树立"以人为本"的思想理念,创造自然和谐、富有人文内涵和时代精神的文化学习环境,实现和谐图书馆与和谐社会的统一。     

基于UML的仿真系统验证方法研究

仿真系统的VV&A一直是仿真领域研究的热点,其目的在于提高仿真系统的可信度.目前,关于仿真系统的验证方法研究都是偏向于某个侧面,缺少对仿真系统的开发全过程进行验证的方法,导致系统的验证与开发衔接不紧密,影响验证方法的实际使用.现代仿真系统主要采用面向对象思想设计开发,UML是面向对象仿真中不可或缺的一个建模仿真工具.根据仿真系统开发过程,将仿真系统开发过程中形成的UML图用于对仿真系统的验证中,使验证覆盖仿真系统开发的全过程,增强了系统开发和验证的连贯性,并通过对实际系统的验证,检验了所提出方法的可行性.     

科学发展观的复杂性思维

传统发展观片面追求经济增长,是一种简单性思维方式。复杂性思维是人类思维的一个新范式,具有整体性、非线性等多方面特征。科学发展观具有典型的复杂性思维特征。落实科学发展观是一项系统工程。统筹兼顾是科学发展观的根本要求,正是基于用复杂性思维来解决经济社会和人的全面发展问题。     

无人机蜂群电磁作战概念仿真

首先,提出了基于四环聚焦的无人机(unmanned aerial vehicle, UAV)蜂群电磁作战概念设计框架,并以彻底毁瘫防空体系为作战目标,设计“蜂刺”作战概念及“雷电蜂”作战行动。然后,面向体系对抗仿真的需求,提出了UAV蜂群电磁作战行动实体蜂群行为网络化交互(enity swarm behavior networked-interaction, ESBNI)建模框架,并研究了基于分层描述的UAV蜂群力量实体建模方法,以及基于行为规则的UAV蜂群电磁行为建模方法。再次,依托UAV蜂群电磁作战仿真原型(electromagnetic swarm operation simulation, ESS)系统,开展了“雷电蜂”作战行动的演示。最后,通过多案比对探索性仿真的方法,评估了联合作战背景下的UAV蜂群电磁作战效能,并验证了该作战概念的合理性、有效性。     

基于进化算法的生物医学本体匹配技术

由于生物医学本体拥有规模庞大的概念和复杂概念间关系,已有本体匹配技术难以高效确定生物医学本体匹配结果。为解决这一问题,构建了生物医学本体匹配问题优化模型,提出基于进化算法的生物医学本体匹配技术来确定最优匹配结果。在求解生物医学本体匹配问题时,采用一种新的生物医学本体概念相似度度量来确保匹配结果质量,并通过基于推理的概念对剪枝技术缩小算法的搜索空间,提高算法效率。实验结果表明,基于进化算法的生物医学本体匹配技术能有效匹配生物医学本体。