《项脊轩志》中“爱”与“美”的哲学赏析

爱是心灵通过调节整合理智、意志、情感的方式来达到人的内在与外在统一的心理机制与力量;美是指能引起人们美感的客观事物共同的本质属性,是与知觉、想象力相联系的,渗透着理智和意志的情感。明代归有光的《项脊轩志》,之所以能成为流传千古的美文,是基于对伟大而平凡的爱的抒写。从爱与美的关系探讨《项脊轩志》,有助于把握作者丰富的情感,领略美学意蕴,更好地赏析文本。

考虑次关键路线的基于粒子群算法工期-费用优化研究

工期-费用优化是网络优化技术的核心内容。传统的工期-费用优化研究忽略了次关键路线、资源约束条件对工期压缩的影响。本文研究了次关键路线对工期压缩的影响,描述了求解最低压缩成本的特征路线法,并以此为基础建立了有资源约束的工期-费用优化数学模型。对解进行编码处理后,采用粒子群算法对工期—费用优化模型进行求解,并根据求得的最优解来调整工序工期,最终实现工期-费用的最优化。最后,经过工程实例的仿真,证明了模型的合理性和有效性。

基于系统思想的人力资源管理诊断模型

为了帮助企业解决人力资源管理问题,本文设计基于系统思维的人力资源管理诊断模型。由系统思想指导,将现代的人力资源管理的理念融合到模型中。在分析人力资源管理各模块内容与相互关系的基础上得出模型主体部分。通过分数测评纬度计算出被诊断企业在该模块的得分情况,从而结合系统思维初步判断人力资源管理系统的问题。在此基础上进一步探究各模块问题的原因,并帮助企业改进人力资源管理水平,增强企业的核心竞争力。

改进的前推回代法在配电网线损计算中的应用

基于区间分析的改进前推回代算法依照配电网特有的层次结构特点,将网络支路按层次进行分层,并利用区间值代替原有的点值对辐射状网络进行前推回代。改进后的前推回代算法在计算线损时,可分层并行计算各层次的支路功率损耗和电压损耗,大幅度提高了配电网潮流的计算速度。

秉持工匠精神,建设特色馆藏——以昆明工业职业技术学院特色文献资源建设研究为视角

国企公办高职专科院校——昆明工业职业技术学院在受到人力、财力、物力制约的情况下,充分发挥办学主体——昆明钢铁集团控股有限公司的重要作用,立足企业,推进产教深度融合,建设体现学校办学定位、专业特色和符合企业转型升级产业所需求的特色馆藏。本文从特色馆藏建设的优势和内容两个方面进行阐述,希望能对同类国企公办高职专科院校或者校企合作院校的特色馆藏建设给以启发甚至参考作用。

中小企业基于战略目标的业绩评价

一、中小企业业绩评价的现状与问题 长期以来，在业绩评价上，财务指标是中心，企业以一个或几个财务指标作为评价的标准。杜邦公司以投资报酬率（ROI）为中心综合财务评价体系的形成使财务指标评价达到顶峰。20世纪80年代开始，人们发现单纯的财务指标并不全面，越来越多的经理人将测评指标体系改变为非财务指标，并致力于加强新的竞争战略。卡普兰与诺顿提出的平衡计分卡目前在西方受到热烈欢迎。这种新的测评体系把公司的战略目标转化为系统的绩效测评指标，它对顾客、内部程序及创新和提高活动的绩效测评指标弥补了传统财务指标的不足。

《蜀道难》中的“三美”

《蜀道难》作为李白经典名作的代表篇目入选多种版本的高中语文教材,其艺术魅力不言而喻.故很多一线教师和专家学者都对其进行了深入的研究与探讨,在这些研究的基础上,从“三美”的角度来解读李白的蜀道,能进一步梳理和探讨李白对自我和对家国复杂的内心世界与丰富情感,展现其精神世界的自我放逐与忧国忧民的悲悯情怀.

基于维度建模的电力报表设计与实现

阐述一种基于维度建模理论的灵活报表建立方法。通过梳理电力营销业务逻辑,提取报表因子和通用维度,构建报表因子库,基于报表因子,通过“拖拉拽”形式,快速完成报表的构建和数据呈现。

改进的前推回代算法在配电网线损计算中的应用

针对辐射状配电网的特点,兼顾考虑影响配电网的不确定性因素,提出了一种基于区间分析的改进前推回代算法。该算法依照配电网特有的层次结构特点,将网络支路按层次进行分层,并利用区间值代替原有的点值对辐射状网络进行前推回代。改进后的前推回代算法在计算线损时,可分层并行计算各层次的支路功率损耗和电压损耗,大幅度提高了配电网潮流的计算速度。同时考虑负荷变化的区间性,更加合理地反映出系统实际运行状况。在Matlab7.1的环境下采用实际算例对该算法进行了验证,并与点迭代法进行比较。结果表明新方法在尽量简化运算的同时为反映实际运行状况提供了更多信息,具有较高的快捷性和有效性。

高校一卡通在高校信息化和产业化建设展望

本文主要以高校一卡通在高校信息化和产业化方面的建设为研究重点,在占有大量文献的基础上重点论述了,高校一卡通管理系统在高校网络产业化建设的展望;高校一卡通管理系统在校园信息化建设的展望两个方面.在现实的高校一卡通服务体系建设中,很多高校仅仅将一卡通视为校园内一项服务工具,没有能够具体加深一卡通在校园其他方面的作用与效率研究,本文通过对大量文献的分析,提出了高校一卡通在高校信息化和产业化建设前景,提出强化一卡通在高校信息化和产业化建设的力度,以更好地服务于学校,服务于学生.

自由精神的追寻——《逍遥游》中的形象解读

闻一多先生在《思想和文字美的结合：〈庄子〉》中说：“谐趣和想象打成一片，设想愈奇幻，趣味愈滑稽，结果便愈能发人深省——这才是庄子的寓言。”而《逍遥游》中不仅通过想象瑰丽的寓言故事来阐明作者所追求的无牵无碍、绝对自由的精神境界，而且凭借寓言故事中众多丰富多彩的形象使文章更加摇曳多姿。

冶金高校“大思政”格局构建研究

冶金高校“大思政”格局的构建与研究,是时代发展的新形势,是教育发展的新要求。本文基于目前冶金高校“大思政”格局构建的研究现状、存在问题及实践探索进行分析,有助于充分发挥思想政治工作的育人功能,探讨如何从制度建设、师资队伍建设、校企合作等方面构建全方位、多层次、宽领域的“大思政”格局,以期对高校构建“大思政”格局提供实践参考。

高校实施一卡通的效益研究

本研究主要以高校校园一卡通为研究对象,重点论述了一卡通实施过程中给学校带来的效益,具体体现在:校园一卡通的实施有利于制止学生恶意拖欠学费;校园一卡通的实施有利于建设节约型学校;校园一卡通的实施有利于吸引商户,增加学校收入;校园一卡通的实施有利于节约人力资源,提高学校人力工作效率;校园一卡通的实施有利于学校内资金的透明流动,杜绝部门小金库.

基于大数据挖掘的客户感知监控预警模型

为了及时发现安全隐患,减少预警数据与真实数据存在的偏差,结合大数据挖掘方法构建客户感知监控预警模型。根据客户感知监控数据挖掘关联规则,捕捉电压偏离度、耗损量、电压不平衡率、电流不平衡率指标。结合动态聚类方法,更新客户感知监控数据集群。以聚类中心波动小于设置门限为基准判定收敛性,并计算不同层次间连接权值。在满足收敛性条件下构建监控预警模型,并进行动态预警和划分预警等级,实现客户感知监控预警。实验结果表明,该模型与标准值最大相差0.005 V、0.12 A,说明使用该模型预警范围精准,能够为客户提供精准预警数据。

基于多任务特征融合算法的电力大数据增量式自组织映射方法

为了实现电力大数据精准映射,基于多任务特征融合算法研究电力大数据增量式自组织映射方法。对电力大数据进行分解,以线性组合形式划分特征类型;利用多任务特征融合算法设计候选分类类别数量,确定自组织映射目标;通过不同数据的语义长度对应所属类型,实现电力大数据的增量式自组织映射,完成增量式数据的自组织映射方法设计。以某省实际运行的电力公司为测试对象,对其一年内产生的电力大数据作为测试样本,分别将其按照具体的类型进行映射,验证新方法。实验结果表明,新方法可以实现精准的自组织映射,在整个过程中不会产生数据交换误差,具有应用价值。

模糊PID控制在污水处理SBR工艺中的应用

污水处理SBR工艺生物反应池中溶解氧的控制存在非线性、时变、大滞后等问题,而传统PID控制参数整定不易,为此构造了一个模糊自适应PID控制器,将模糊控制和PID控制结合起来,通过模糊控制规则在线调整PlD控制器的三个参数。经仿真验证,模糊自适应PID控制器比传统PID控制器的动态响应曲线好,响应时间短,超调量小,动静态性能好。

面向电力用户的群簇核心推荐算法

目前,电力用户的缴费方式仍以线下为主,长期以来造成了电力企业运营成本高、管理压力大等问题。传统的线上引流方法用户增长速度慢,用户粘性差。为快速转变电力用户长期以来所形成的线下缴费方式,提出采用基于群簇核心用户的推荐模型。电力用户的缴费行为表现出一定的群聚性和周期性,群簇核心用户不仅可以精准地代表某一类簇的行为特征,还可以间接地影响相关用户,实现新型缴费方式的快速传播,从而加速线上用户的增长速度。此外,提出的模型具有速度快、可并行、易迁移、易操作等特点,实现了一户一方案的精准推荐,在大规模电力用户数据下表现出了极高的应用价值。仿真实验结果表明,所提算法在进行电力用户精准引流时,在召回率和精确度等指标上具有较好的效果。

电力客户缴费渠道业务量预测

当前电力公司在缴费渠道管理中存在营业厅布局优化不科学、线上缴费比例少、引流方式效果不好、客户缴费类投诉意见诉求多等问题,客服中心联合天津公司融合95598诉求与缴费数据,其中95598网站数据1.46亿条、工单数据2.76亿条,缴费记录数据2189.2万条,开展居民客户缴费渠道业务量预测主题的研究,建立渠道效能综合评价体系,从业务流量、渠道收入、客户价值、运营成本、战略价值、客户评价等6个维度选用时间序列算法建立预测模型,建立ARIMA模型对缴费业务量进行预测。首先对数据进行平稳的处理,然后通过ACF和PACF确定模型的参数,评价服务渠道效率,分析客户体验,预测渠道业务流量,发掘客户渠道迁移规律,并针对目标客户开展精准线上引流,实现渠道效率与客户体验的最优匹配。

基于大数据算法的电话号码与客户编号对应关系的识别研究与实现

基于95598业务,利用大数据分析挖掘方法,构建统一身份识别模型,有效识别客户来电号码与户号的对应关系。采用大数据文本挖掘技术,有效解析用电地址信息、客户姓名等内容,并计算地址相似度得分、姓名相似度得分,作为对应关系校验以及识别疑似户号的关键因子指标。针对能获取到的对应关系,构建权重划分模型,计算对应关系匹配度得分,根据分值大小,校验对应关系的可靠性。针对找不到户号对应关系的来电号码,基于文本相似度得分构建KNN模型,计算对应关系匹配度得分,依据分值大小,识别疑似户号。

基于随机森林算法的投诉预警模型优化方法

为提高基于随机森林算法重复拨打投诉预警模型的效果,文章从数据、指标、参数3个方面对模型进行优化。在数据处理方面,利用SMOTE算法平衡投诉与非投诉比例,一方面防止了模型出现过拟合;另一方面消除了非平衡数据对模型效果的影响。在特征选择方面,使用基尼系数进行特征选择,从而减少数据的噪声,提高模型预测的准确度。在参数调整方面,使用R语言软件对模型决策树数量参数和最大特征参数进行调整,模型最终的OOB误差率为5.03%,准确率和召回率均超过70%。目前投诉预警模型已经进行试点应用,实现了投诉业务的提前识别,通过采用相应服务策略,减少了服务升级事件,降低了客户投诉率,有效提升了客户感知。