舰船特装器材多目标优化配置方法

 针对舰船海上执行任务期间随舰特装器材的保障问题,研究了特装器材的多目标优化配置方法。结合舰船特装器材保障的实际特点,以器材的体积、质量、费用为约束条件,以保障概率和利用率为优化目标,建立多目标多约束特装器材优化配置模型,并改进多目标粒子群算法,保证全局范围粒子多样性,避免算法过快收敛,以求得全局最优解。通过实例对比改进粒子群算法与标准算法的计算结果,分析不同指标权重比组合下的最优配置方案、不同约束条件下的多目标变化趋势,证明了改进粒子群算法的稳定性和多目标优化模型的实用性。     

一种改进的网络突发话题检测算法

引进文本相关度这一影响因子,提出了一种基于蚁群聚类算法的突发话题检测算法,该算法结合蚁群聚类算法的优势,综合考虑文本聚类和文本相关度的影响,得到对网络突发话题检测的最优聚类效果,并对近年来网络突发话题进行实验,达到了很好的聚类速度和聚类效果,验证了算法对突发话题检测的准确性和即时性.     

社交焦虑高、低分者事后反复回想的信息加工差异

考察社交焦虑高分者和低分者在社交紧张事件后的事后反复回想过程中, 在一般和特殊这两个信息加工维度上是否存在差异。由于一般和特殊的事后反复回想的编码没有标准, 故设计研究一, 为研究二的编码工作做准备。研究一以8名在校大学生为被试, 进行半结构性访谈, 了解在校大学生在社交紧张事件之后的事后反复回想内容, 并对此进行分类, 形成开放式问卷。研究二以45名在校大学生为被试, 用开放性问卷收集被试在近期的一个社交紧张/焦虑事件后的想法, 根据研究一设定编码规则, 然后对这些想法进行编码, 考察高、低社交焦虑水平者的想法在一般和特殊的信息加工维度上是否存在差异。研究发现, 在校大学生在日常的社交紧张/焦虑事件后, 事后反复回想可以分为回忆当时的情境、反事实假设、猜测结果、分析原因、总结规律、制订计划等几类, 并得到两个主要结果: 1) 高社交焦虑者一般的事后反复回想占总想法的比例比低社交焦虑者的高, 差异边缘显著; 2) 一般的事后反复回想占总想法的比例与社交焦虑量表得分呈中等程度的正相关。     

X光透镜在同轴X光位相成像中的应用

介绍了同轴X光位相成像的基本原理,说明了位相成像与普通吸收成像的区别;初步研究了X光透镜在位相衬度成像中的应用,利用整体会聚X光透镜将大焦斑光源汇聚为微焦斑,从而使出射的X光满足位相衬度成像所需的空间相干条件,得到了较好的实验结果,为进一步研究X光透镜在该领域的应用打下了基础.     

狭义相对性原理的实验证据研究

狭义相对论是近代物理学的基础理论之一,它的基本假设和各种相对论效应,已被许多实验检验和证实.狭义相对性原理是伽利略相对性原理的推广.通过对4个典型实验的原理及零结果的分析,阐述了狭义相对性原理的实验证据,展示了狭义相对性原理被实验检验的过程.     

少年三级跳远运动员的专项身体训练

根据少年运动员的生长发育特点和实际水平以及速度型三级跳远技术的专项所需,通过对刘星和吴明铭的训练方法、手段的分析和探讨,拟在找出更适合少年三级跳远运动员发展的专项身体训练的方法和手段。     

也谈邹梧冈参订《三国演义》毛评本的版本价值——与张志和、黎必信二先生商榷

邹梧冈参订的《三国演义》五十一卷毛评本被发现后,就其版本的价值问题引起了学界的关注。笔者认为,此书是《三国演义》版本系列中的一种,大约成书于清雍正、乾隆年间。从版本的种种特征看,它有可能是四堡书坊刻本。依据邹梧冈的生平事迹及著述活动推断,邹梧冈有可能参订并刊刻过此书,但此书不应早于康熙醉耕堂本而成为毛评本的第一个版本。任何拔高或贬低它的价值都是不正确的。它的发现,对研究《三国演义》版本的流传有一定的意义,尤其是对四堡书坊印书史的研究具有很高的史料价值。     

《物理光学》课题制教学法初探

针对《物理光学》课在光信息科学与技术专业课程体系中的特殊地位,提出了具有创新性的课题制教学法,并在中南民族大学光信息2008级开展了教学实践,取得了较好的效果。文中阐述了课题制教学法的基本内容,分析了实施条件及课题选择原则,讨论了该方法的优缺点。     

轧制退火316奥氏体不锈钢的晶界特征分布

利用EBSD技术对不同形变量冷轧并退火处理的316奥氏体不锈钢的晶界特征分布进行了研究．结果发现,小变形轧制经退火处理后,试样晶粒尺寸明显长大的同时∑3^n（n=1,2,3）晶界（也称特殊晶界）比例不断提高．晶粒取向分析表明,合金中高斯（Goss）、黄铜（Brass）、铜型（Cop—per）和立方（Cube）取向（包括其几何变体）的择优长大是特殊晶界比例提高的重要原因．     

基于HMM的主题爬虫研究

主题爬虫是垂直搜索引擎的核心组成部分,它为面向主题的用户查询准备数据资源;提出了一种基于HMM的主题爬虫方法,方法不仅分析网页内容,而且还考虑网页的上下文链接结构,首先将当前网页的聚类结果作为观察状态、将当前网页到目标网页的链接距离作为隐含状态,然后通过HMM模型学习用户的主题浏览模式并利用它采集更多的主题网页;实验结果表明:方法能采集大量与指定主题相关的高质量网页,主题爬行效率优于Best-First主题爬虫。