小鼠尾部光电容积测压法

本文在大鼠尾部或后肢光电血压测定法基础上,重新设计了路线。本法将大鼠后肢或尾部用压脉带方法改为在大鼠或小鼠尾部用光源、压力、容积同步变化的方法进行。克服了因动物活动而使测试点模糊,重现性差,需加温和不方便等缺点。实验设备简单,操作方便,可用于小鼠或大鼠,经济适用。     

关于零件套料切割方案的优化研究

通过对某船厂的切割现状的分析,发现现有问题的主要原因,提出解决目前问题的优化解决方案,即在分段基础上进一步细化零件类型,以托盘为单位进行零件的套料、板材的批次划分以及零件的配送,并提出今后流程优化的努力方向。     

船舶定线制在尹公洲航段深化实施

长江江苏段船舶定线制引进国际通行理念,对通航水域进行科学规划,让大船小船分流,各自靠右航行,突破了江上行船一直遵循的"上行走缓流、下行走主流"的固     

从航海史学探讨汉使航程问题

公元前二世纪至公元一世纪间,汉使远航南洋、印度洋的航线、所经各国位置及船舶等问题,是在学术界争论和分歧很多的问题。作者根据史籍的记载,以航海史学为主,结合各国社会历史地理状况,航区的气象规律,航海、船舶的条件等进行探讨,提出一些论证和见解。主要的考释结果是:汉使来回所乘均系本国船舶;汉使船舶具有远洋航海的条件和能力,但不能作长达五个月的不着陆连续航行,它的航程时间不是纯航行时间;汉代航海家能利用季风作横越海湾的航行和及时完成各段航程。汉使所达各国中,都元国应在今新加坡一带;邑卢没、谌离、夫甘都卢三国应在今缅甸伊洛瓦底江下游、中游和西部滨海地区;黄支国应在今印度东南沿海之维查雅瓦达一带;汉使回程经已程不国(今斯里兰卡)所至之皮宗,应为今马来半岛东岸之北大年,随后回至日南象林(今越南岘港南)。     

腹股沟疝改良肖第氏术46例治疗体会

腹股沟商中为外科常见病，术式随局部解剖及生理认识之深入，而不断发展。但因术式各异，技术不等，病员选择不同，随访标准双不一致，故至今何种手术方式最佳，尚难定论。我字外科自１９８０年至１９９５年采用部分改良肖第氏术作股沟疝修补４６例获访３８例未见复发。本术式重点修复腹股沟后壁，重建内环，方法简便，符合解主生理要求。     

未来美国西岸的大型集装箱码头

刊1998年底的两年中，美国西海岸(见下表)主要集装辑港口将出现不少大型集装箱码头，这些码头的规模要啦理市的常规集装箱码头至少大50%，甚至几倍．要求其占地面积在900亩以上，一个码头至少。     

IICL修箱标准可能要重新修订

据调查，目前整个集装箱出租行业的修箱费越来截高，每年估计耗费20多亿美元，如果再考虑世界集装箱保有量的增长，     

浅谈国产操作系统的发展

操作系统是系统软件的核心,它控制程序的执行和提供资源分配、调度、输入/输出控制和数据管理等任务,关系着计算机系统的安全。目前我国几乎所有的微机都使用国外的操作系统,给政府、金融、国防信息的安全带来了很大的隐患,所以非常有必要发展自己的具有完全自主知识产权的操作系统。     

Latent Supportive Utility of Irrelevant Attributes in Feature Selection

This paper proposed a novel feature selection method LUIFS (latent utility of irrelevant feature selection) that not only selects the relevant features, but also targets at discovering the latent useful irrelevant attributes by measuring their supportive importance to other attributes. The method minimizes the information lost and simultaneously maximizes the final classification accuracy. The classification error rates of the LUIFS method on 16 real-life datasets from UCI machine learning repository were evaluated using the ID3, Nave-Bayes, and IB (instance-based classifier) learning algorithms, respectively; and compared with those of the same algorithms with no feature selection (NoFS), feature subset selection (FSS), and correlation-based feature selection (CFS). The empirical results demonstrate that the LUIFS can improve the performance of learning algorithms by taking the latent relevance for irrelevant attributes into consideration, and hence including those potentially important attributes into the optimal feature subset for classification.