利用K-η求取填料吸收塔的N_(OG)

讨论了符合亨利定律的低浓度气体吸收时,利用K-η求取填料吸收塔N_(OG)的一种方法.

K-S变换及其电网超谐波时频分析应用

依据FFT→优化窗→IFFT思路,突破线性时频变换的窗函数积分性能桎梏,实现高性能优化窗函数的线性时频变换应用,建立新型时频变换算法——K-S变换.对信号x(t)的FFT频谱向量进行频移处理后,与该频移点下Kaiser优化窗的频谱向量进行Hadamard乘积,再将乘积结果进行FFT逆变换(IFFT),构造出K-S变换复时频矩阵,由此获得x(t)的时间-频率-幅值、时间-频率-相位三维信息;给出逆变换的数学推导与局部性质、线性性质和变分辨率特性;0~150 kHz电网的稳态与时变超谐波信号仿真实验表明,K-S变换的时域、频域分辨能力均优于流行的短时傅里叶变换、S变换,具有优良的变分辨率性能;0~40 kHz超谐波信号的实测证明,基于K-S变换的超谐波电压幅值测量绝对误差均小于0.032 3 V.

基于融合K-近邻算法的电压互感器在线监测方法

由于受工作时长和环境因素的影响,电容式电压互感器(capacitor voltage transformer,CVT)在运行过程中误差稳定性不高,易出现电能计量失准现象。为此,该文提出了一种基于融合K-近邻算法(fusion K-nearest neighbor algorithm,FKNN)的电压互感器在线评估方法。该方法利用互感器的历史运行数据构建虚拟标准器,通过改进K-近邻算法对互感器实时状态进行监测,实现对异常情况的报警。同时,提出了一种加权移动时间窗的方法,自适应更新异常阈值,有效削弱电网不平衡波动的影响。实验结果表明,该文方法能够准确监测互感器的0.2级误差漂移。

基于数据流的K-S变化检测的动态多目标规划算法

为了更加准确地判断环境是否发生变化并快速追踪动态多目标规划问题(dynamicmulti-objectiveoptimization problem,DMOP)当前时刻的Pareto前沿,提出了一种基于数据流的Kolmogorov-Smirnov(K-S)变化检测的动态多目标规划(DSK-SDMOP)算法。该算法以NSGA-Ⅱ为基础,通过数据流建立2个时刻的检验窗口,再利用K-S检验基于数据流的Pareto最优前沿是否发生变化,检测2个窗口的数据是否服从同一分布来判断环境是否发生变化,并就环境变化的剧烈程度实行相应的应答机制,以提高对环境的适应程度。利用基于数据流的K-S检测方法,对环境变化不会过于敏感,而且不用提前假设对应目标值的分布,易于操作。通过5个动态多目标规划标准测试函数对该算法进行测试,并和现有的2种算法进行对比分析,结果表明该算法处理动态多目标规划问题具有良好的性能。

试论美国K-12公立学校课程中的种族批判理论之争

近年来,种族批判理论开始走进美国K-12公立学校课程,成为培育学生社会情感能力、维护教育公平的一种路径。然而,伴随种族矛盾加剧和民粹主义抬头,美国社会围绕种族批判理论在K-12公立学校课程中的存废问题展开激烈争论。反对者指责该理论妨害学生的种族身份认知,曲解美国历史,破坏社会共识;支持者则认为该理论能够提升学生多元文化意识,增强种族和历史问题的课堂对话。这场以种族批判理论为核心的课程博弈,反映了当前美国两党在公共教育领域对意识形态主导权的竞争。美国K-12公立学校需要认清既有课程治理措施的缺失,及时清除影响课程设置的认知偏见,进一步拓展具有文化相关性的课程空间。

基于数字孪生与k-近邻算法的车间设备运行状态预测研究

由于传统车间设备运行状态预测不能有效利用历史数据进行学习,实时响应能力有限,难以在复杂调度环境中取得良好效果,因此文章提出一种数字孪生与k-近邻算法相结合的车间设备运行状态预测模型。构建车间设备实体在信息空间的数字孪生模型,并建立设备实体与模型之间的映射关系,从而获取实时特征数据,即设备的运行状态特征数据。运用k-近邻算法计算实时特征数据与历史数据之间的欧几里得距离,即计算设备当前运行状态与历史已知状态的相似度,最终通过前k个距离所对应的设备历史运行状态数据,预测设备的当前运行状态。该模型的本质是通过数字孪生的实时数据采集,获取指定设备运行状态特征数据,运用k-近邻算法预测设备的实时运行状态。相较以往研究,本研究贡献在于提高设备实时运行状态预测的准确率。如果将数字孪生、k-近邻算法与具备自我学习能力的相关算法相结合,模型的预测效果会更好。

一种分配查询的k-匿名位置隐私保护方案

针对基于位置服务中移动终端用户位置隐私保护存在时空关联和背景知识攻击的问题,提出一种分配查询的k-匿名位置隐私保护方案。基于查询概率和欧氏距离,在相邻网格区域内筛选假位置,合并真实用户位置形成k-匿名;通过兴趣点语义四叉树为假位置分配合理的查询,从时间、位置及查询3个维度提升用户被识别的不确定性,从而增强用户隐私度。安全性分析表明,提出的方案满足匿名性、不可伪造性和抵抗查询服务跟踪等安全特性。仿真实验表明,提出的方案具有较高的隐私保护度和效率以及较低的通信开销。

美国K-12“天才时刻”项目与学生创新素养培养

为建设教育强国,拔尖创新人才受到社会各界高度重视,但我国对拔尖创新人才的关注主要集中在高等教育阶段,对基础教育阶段学生创新素养的关注不足。而美国K-12“天才时刻”项目的核心理念是通过创建探究式的学习活动,培养学生以创造性思维为主的高阶思维技能。“天才时刻”项目的主要做法为:创设自由支持的环境;为学生提供个性化的学习指导;以及引导学生重视项目的反思与自我评价等。研究表明,“天才时刻”项目促进了中小学生创新素养的发展。为培养我国中小学生的创新素养,学校应创建有利于学生创新人格培养的学习氛围;为学生提供个性化的自由发展创新思维的机会;引导学生反思创新实践的过程与自我评价。

美国加州K-12族裔研究课程探绎

近年来,美国加州政府开展了一项极具话题性和挑战性的基础教育课程改革,即在K-12阶段推行族裔研究课程。K-12族裔研究课程以批判性种族理论为理论基础,主张通过“反叙事”打破白人对主流课程的叙事控制、文化独裁和知识霸权;超越教育机会与过程平等,力主教育结果平等;揭露、反对教育中的“色盲”现象。为保障K-12族裔研究课程的实施,加州教育厅研制了《族裔研究示范课程》,从目标、原则等方面对课程进行了规范与指导。在加州政府的支持下,K-12族裔研究课程在合法化、制度化的进程中取得了初步成果,但仍面临多方面争议,其发展前景尚不明朗,实际成效仍有待考察。围绕K-12族裔研究课程展开的“大辩论”是美国无休止“文化战争”扩大化的缩影,它折射出当前美国社会的紧张和分裂。

K-凸函数的性质

借助集值映射的K-回收映射和K-雅可比映射得到了K-凸函数的两个性质。

基于Geohash的增强型位置k-匿名隐私保护方案

随着LBS的广泛应用,位置隐私保护势在必行。近年来,作为应用较为广泛的位置k-匿名解决方案已成为研究热点,但k-匿名方案易受到敌手背景知识攻击,虽有学者们不同程度地考虑了位置相关的信息,但都不全面,并且当前形成匿名区的方案大多较为耗时。基于此,为抵御敌手的语义攻击和查询及位置同质性攻击,提出了增强型位置k-匿名方案,在匿名区构建时充分考虑与物理位置相关的语义信息、时间属性、查询概率及查询语义等信息;然后在进行位置选取时,保证所选位置相对分散;为降低匿名区构建时耗,采用Geohash进行位置编码;最后通过真实数据集上的实验表明,所提方案可提供较好的位置隐私保护。

最小负载受限k-中位问题的近似方案

给定度量空间中的用户集合C和带有最小负载τ:F→(O,|C|]的设施集合F以及正整数k,最小负载受限k中位问题的一个可行解(H,σ)由满足|H|≤k的开设设施集合H⊆F和满足|σ^(-1)(f)|≥τ(f)∀(f)∈H的映射σ:C→H组成。(H,σ)的费用为∑_(c∈c)^(σ)(c,σ(c))其中,(σ)(c,σ(c)为c与σ(c)之间的距离.最小负载受限k-中位问题的目标是找到费用最低的可行解.本文以k作为固定参数研究最小负载受限k-中位问题的求解算法.本文首先利用D采样方法寻找与最优解中的开设设施较为接近的用户,然后围绕这些用户划分空间并选取开设设施.给定满足C∪F⊂R^(d)的实例(C,F,k,τ)和常数ε∈(0,1),本文结合上述思路和降维方法提出了时间复杂度为o(ndk+(kε-1)^(kε)^(-o(1)))n^(o(1)))的(1+ε)-近似算法,其中,n=|C∪F|.此前,人们在固定参数时间内得到的关于该问题的最好近似结果为3+ε;只有在设施可以被开设在欧几里得空间中的任意位置且所有设施最小负载都相等的实例中,存在固定参数时间的(1+ε)-近似算法.

基于K-近邻算法改进粒子群-反向传播算法的织物质量预测技术

为解决现有下机织物质量差异性较大且传统验布环节时间较长等问题,提出基于K-近邻(KNN)算法改进粒子群-反向传播(PSO-BP)算法的织物质量等级预测方法。首先分析织物质量预测模型,整理织物疵点类型与织物质量等级分类,并根据织物疵点特征将疵点划分为6类;其次选取14种影响织物质量的因子作为模型输入量;然后详细介绍依据KNN与PSO原理进行织物质量预测流程;最后以浙江兰溪某纺织厂近3个月16186条织物生产数据为例,建立织物质量预测模型。结果显示:该技术对织物质量预测的准确率达到98.054%,且训练时长仅需4.8 s,在保证织物质量预测准确性的同时,极大缩短了检测时间,提高了织造车间生产效率。

支持K-近邻搜索的区块链泛用型数据隐私保护方法

随着区块链泛用型数据应用场景的不断扩大,其涉及的数据隐私越来越多,数据隐私泄露可能导致个人信用受损,带来财产损失甚至身份盗用等.合理高效地进行用户身份信息及数据隐私保护是确保区块链泛用型数据安全的关键问题.为此,本文提出了支持K-近邻搜索的区块链泛用型数据隐私保护方法,采集区块链泛用型数据,利用k-prototypes算法,聚类区块链泛用型数据,并控制分类属性和数值属性.在此基础上,本文支持K-近邻搜索,建立区块链泛用型数据系统模型,确定区块链泛用型数据敏感区域,实现区块链泛用型数据隐私保护.实验结果表明,本文所提方法具有较好的区块链泛用型数据隐私保护效果,能够有效提高区块链泛用型数据隐私保护安全性,缩短区块链泛用型数据隐私保护时间.

TG酶/k-卡拉胶协同改性明胶复合膜的工艺优化及表征

为了研制一种性能优良的天然保鲜膜,该研究以明胶为基质,通过k-卡拉胶与谷氨酰胺转氨酶(TG酶)对明胶进行协同改性,采用流延法制备一种新型明胶复合膜,通过单因素试验与正交试验研究k-卡拉胶添加量、TG酶添加量、TG酶反应时间和干燥温度对明胶复合膜物理性能的影响。得出最佳制备工艺为明胶添加量5%、k-卡拉胶添加量0.5%、TG酶添加量0.2%、反应时间60 min、干燥温度45℃。在最佳工艺条件下制备的明胶复合膜拉伸强度为14.33 MPa,断裂伸长率为44.24%,水溶性为26.72%,水蒸气透过系数为0.278 g·mm/(kPa·h·m^(2))。优化制备工艺后,利用X射线衍射、热重分析等手段对不同明胶复合膜的结构进行表征。表征结果表明,k-卡拉胶与TG酶分别通过静电相互作用与氨基酸异肽键对明胶进行协同改性。该研究为新型明胶复合膜的开发提供了理论依据。

给定k-错非线性复杂度的有限长二元序列的分布

当n<2c且具有相同k-错非线性复杂度时,本文证明了长度为n非线性复杂度为c的二元序列与长度为n+t非线性复杂度为c+t的二元序列有相同的数目(t为任意非负整数);对于长度为n非线性复杂度为c的二元序列,确定了k-错非线性复杂度分别为1和2的序列数目.

k-卡拉胶复合紫薯花青素指示膜的制备及应用

本研究以k-卡拉胶和紫薯花青素为原料,采用溶剂浇铸法在不同pH(即4,5,6,7)条件下制备了pH响应指示膜,并采用紫外可见光谱(UV-vis)和傅里叶红外光谱(FT-IR)对指示膜结构进行表征,同时对薄膜的厚度、力学性能、流变性能及全脂灭菌乳变质监测试验等相关性能进行了评估。结果表明,k-卡拉胶和紫薯花青素可能以静电作用或者氢键作用相结合。对比卡拉胶纯膜,发现在pH为4或5时形成膜的拉伸强度略微提高,在pH为6或7时形成膜的拉伸强度((13.13±0.78) MPa或(12.99±0.56) MPa)显著提高,断裂伸长率随着pH地增加而降低。紫薯花青素对膜的热稳定性没有显著影响。pH响应指示膜在不同缓冲溶液中表现出了明显的颜色变化。新鲜牛奶在25 oC下储存72 h后,P7膜表现出明显的颜色变化。综上,该膜具有良好的的物理性能和pH值响应性能,在食品保鲜智能包装中有潜在的应用价值。

基于k-体分划的D-concurrence多体纠缠测度

对于有限维多体量子系统中的态,D-concurrence是一个重要的纠缠测度,在过去的十年中被深入探索。将D-concurrence的概念推广到k-体分划的多体量子系统,它可以度量多体量子态在k-体分划下的非经典纠缠性,并证明了纠缠测度的一些必要性质,包括在k-可分态下纠缠测度为0,在局部酉操作下不变,在局部操作和经典通信(LOCC)下不增。

一类k-体分划下基于量子熵的量子关联测度

在量子信息理论中,蕴含在量子态中的量子关联是一种非常重要的物理资源,利用量子一致(q,s)熵,给出了一类k-体分划下基于量子一致(q,s)熵的量子关联测度的定义,证明了其满足量子关联测度的一些必要性质,包括:非负性,酉不变性,系统添加局部非相干辅助子系统时测度保持不变。Tsallis熵作为量子一致(q,s)熵的特例,给出了一个k-体分划下基于Tsallis熵的量子关联测度。

加拿大K-12教材管理:编写·审定·选用

教材管理对教材质量、课程实施效果乃至整体教育目标的实现有着重要的作用。加拿大在基础教育K-12阶段的教材建设和管理方面有着相对完善的运作机制。在教材的编写方面,以课程大纲为基准,组织专业人员编写教材。在教材审定方面,加拿大依法按照各州教育法及学校法和教材审定指南对教材进行审定,具体包括省与专门机构合作审定、分权审定、省教育部集中审定三种主要模式。在教材选用方面,由各学区及学校通过学区委员会、学校董事会等集体决策机构选出最适切本学区及学校教育目标的教材。此外,其选用标准也随着课程改革方向发生转变。