李安:你是那把温柔的刀

<正>其实我并不是那么喜欢李安的,虽然他眉眼温柔的样子儒雅若此,但是那个镶嵌在嘴角若有若无的微笑,总让我有一点点高深莫测的心悸,即便他沉默着,温婉的沉默,可偶而抬头一瞥,我却依然错觉,他已经窥探到了人们的内心。不剧烈,不炽热,他的作品永远平静如饴,却又于细微处翻手为云,撼动人心。我的心脏曾经柔软地疼痛,并非为他的小李飞刀一击命中,仅仅被他绵延的太极招     

对PDM系统实施方法的思考

PDM系统的实施是1个艰巨而复杂的过程。基于中航工业沈阳发动机设计研究所PDM系统项目的实践应用,总结了其成功实施方法和规避实施风险的一些经验。     

徐朝梁 中国著名直升机总设计师

在此次珠海航展上,大型民用直升机AC313的精彩表演吸引了观众热切的目光,作为总设计师,您眼中的AC313是怎样的定位?徐朝梁:AC313是借鉴原有型号平台的成功设计经验、采用成熟的先进技术、按照国际最新的适航标准、采用与国际接轨的适航审定程序自主研发的全新民用直升机,是目前国内最大吨位的直升机。     

选择高原之宝西藏牦牛奶的8个理由

1无环境污染:来自远离工业、化学污染的青藏高原天然纯净、远离污染的青藏高原,平均海拔高达4000米以上,被称为"世界屋脊"、"地球第三极",也是被称为"雪域之舟"的牦牛繁衍生息的天赋之地。由于远离工业社会,青藏高原得以保存了未经人工侵扰的原始生态环境,生老于斯的牦牛,自然一生不会受到工业、化学污染。因此,高原之宝西藏牦牛奶得以保证其天然、纯净、健康本质,这是世界上任何其他地区生产的牛奶都无可比拟的。     

汉语音译外来词的形式选择

汉语外来词的音译形式选择具有多样性，但就具体某个词而言．却是有规可循的。文章就汉语音译外来词形式选择的儿项原则进行了讨论：认知原则、节约原则、传统习惯、语言和谐、汉语的自我淘汰机制等。     

我是一个经验型选手

酒店的经营更多是靠管理者的再创造、再发挥,艾力枫社非常妙,很静也很奢,待着很踏实。非常好奇艾力枫社的管理者是什么样的,怎么会想到把艾力枫社设计成这样。见到迟兴民后突然觉得:啊……艾力枫社就该是这样啊,完全是迟兴民风格的体现嘛。     

汉语动词框架库的自动构建技术研究

语义知识库是自然语言处理的基础性工程,但现阶段语义知识库的构建,大部分基于人工。针对动词语义信息在自然语言处理中的实际应用,提出了自动构建汉语动词框架库的方法。首先,本系统针对不同的格关系抽取不同的扩展特征,并提出了将格标作为特征,训练得到基于最大熵的格关系识别模型,从而有效的识别了文本中的动词格关系。其次,采取有效的基于现有词语相似度的算法,并加入了启发式信息,从语料库中自动获取动词对必需格关系的语义选择限制。实验结果表明,对动词格关系识别的准确率达到了90．70％,在语义限制阶段,对必需格角色的语义类识别的准确率达到了98．00％。     

云存储环境下的负载均衡策略研究

云存储系统具有高容错性、部署在低廉的硬件上、易扩展性、提供高传输率访问数据的优点,但是在云存储环境下的HDFS架构中,原有的数据节点选择策略有可能造成大文件存储负载不均衡,从而影响整个系统的性能。针对这一问题,综合考虑多个因素对其进行改进,提出了设备选择策略算法,用以均衡系统的负载。并设计仿真实验,验证了算法的有效性。     

Android恶意软件检测低冗余特征选择方法

针对Android恶意软件检测特征选择中,对类间具有相同频率分布的特征过度关注而导致特征冗余问题,提出了一种Android恶意软件检测低冗余特征选择方法。利用Mann-Whitney检验方法选择出存在频率分布偏差的特征;通过外观比率间隔算法量化偏差程度和特征出现频率剔除低偏差和整体软件中低频使用的特征;结合粒子群优化算法和分类器检测效果得到最优特征子集。使用公开数据集DREBIN和AMD进行实验,实验结果显示,在AMD数据集上选择出了294维特征,进行特征选择后6种分类器的检测准确率提高了1%~5%,在DREBIN数据集上选择出了295维特征,少于4种对比方法,且进行特征选择后6种分类器的检测准确率提高了1.7%~5%。实验结果表明,所提方法能够降低Android恶意软件检测中特征的冗余性,提升恶意软件的检测准确率。      

基于HOSVD局部重组的利噪抑噪经验模式分解及应用

及时准确地识别航天机构萌生和发展的损伤故障特征信息,可为机构故障诊断评估、科学任务调整以及未来在轨维修提供科学决策依据。集成噪声重构经验模式分解(ENEMD)及其衍生方法都是基于噪声利用机制以原信号中估计噪声改善模式混淆并实现信号降噪。然而,该方法中奇异值拐点难以获取、阈值处理中噪声不连续等带来的噪声估计偏差,将降低微弱特征提取准确性。为此,提出一种基于高阶奇异值分解(HOSVD)局部重组的噪声估计技术。研究基于滑动窗截断和Hankel矩阵相结合的张量构建,然后将奇异值曲率谱上的最大峰值点作为合理奇异阶,最后根据选取的奇异阶重构张量分解模型得到所需的估计噪声分量。在此基础上,将HOSVD局部重组引入ENEMD方法中,提出利噪抑噪经验模式分解方法。该方法可进一步提高微弱噪声估计精确度,实现对航天机构损伤微弱特征的增强提取。仿真分析和某航天轴承试验案例验证了该方法在损伤微弱特征提取和识别上具有实用性与有效性。