年初为了构建一个需要快速开发的大型应用的时候,我找到了 Struts这个框架使我得 以从杂乱的思绪中解放出来,从而结合EJB构建了一个清晰的系统。从此以后,让我与 Struts 结下了不解之缘,从而也对开源项目有了新的认识。而不是仅仅限于现成的商业解决方案。 我接触的第一本书就是《 Struts in Action》。这之前也只是从从 Apache的 Struts主业 和相关链接和一些文章获取信息。当然这些信息显得杂乱。是《 Struts in Action》才使我对 这个强大的框架有了一个系统的理解和看法。从而用这些认识再来改进原来构建的系统

研究对象： 电子导体和离子导体构成的电极界面 电化学的任务： 研究电极界面的结构和性质，掌握电化学反应过程的特征规律，依据试验和生产需要进行反应过程的动力学调控 电化学研究方法： 在电化学理论的基础上采用黑箱理论进行研究。从激发函数和响应函数的观察中获取化学信息（动力学和热力学参数），从而实现化学的定性和定量分析 0. 一些基本概念 1. 电化学研究体系 2. 电化学工作站原理与结构 3. 电化学工作站（CHI）使用 4. 电化学工作站（万通）使用 2. 稳态和暂态研究方法 3. 电位扫描技术 4. 交流阻抗法

在生物学的研究中,有一个常用的方法,就是通过比较分析获取有用的信息和知识。达尔文正 是研究比较了 gal pagos finches同其它一些物种的形态学特征,从而提出了自然选择学说 今天,我们对基因和蛋白质序列进行比较,从本质上来讲是同达尔文一样,进行同样的分 析,只不过更加精细,更加详尽。在这个意义上,我们从核酸以及氨基酸的层次去分析序列 的相同点和不同点,以期能够推测它们的结构、功能以及进化上的联系。最常用的比较方法 是序列比对,它为两个或更多个序列的残基之间的相互关系提供了一个非常明确的图谱

为研究纳米隔热材料孔隙结构内部的气体热传输特性, 采用溶胶-凝胶工艺结合超临界干燥技术, 制备了一系列具有不同孔隙结构特征的样品, 通过热导率、氮气吸-脱附和真密度测试, 全面、准确获取了其孔隙结构信息, 并专门、系统研究了孔隙结构特征与气体热传输特性之间的关系.研究结果表明: 与气相贡献热导率相对应, 材料具有双尺度孔隙结构特征, 并且当大孔隙尺度不及小孔隙的10倍时, 可进一步等效为单尺度孔隙.考虑气固耦合传热的本征气相贡献热导率随孔隙尺度的增大而升高, 与气相热导率变化类似且成一定的比例关系, 孔隙尺度小于200 nm和大于500 nm时的比例系数分别为2.0和1.5, 200~500 nm时则为2.0~1.5.当大、小孔隙尺度的比值不超过10时, 或者这一比值为100~1000且大孔隙含量低于10%时, 气相贡献热导率随环境气压的降低依次呈现快速下降、缓慢下降和无变化三个阶段; 当这一比值超过3000时, 即使大孔隙含量很低(不超过10%), 气相贡献热导率也会依次呈现快速下降、缓慢下降、快速下降和无变化四个阶段

从信息供给角度看,不完全信息导致两种典型的信息供给行为:一种是隐蔽信息,代理人拥有委托人不易观察的私人情息,形成不利选择的信息供给市场; 二是隐蔽行动,代理人利用委托人不易观察的私人行 动获取对已有利(潜在他提高自身效用)的决策地位, 形成道德风险。不利选择和道德风险形成的信息市场 ,称为一次信息市场。一次信息市场的含义有二: 是签定委托一代理合同前信息的分布概率,二是信息 不被交易或交易后不被再次使用或再次进入市场交换

提出基于管道流体信号的自振射流特性检测方法, 将压力传感器从高压罐内移至高压罐外, 布置在高压罐外的前端管路上, 从而避开高围压环境影响; 通过双压力传感器拾取管道流体压力脉动信号, 并运用信号处理技术有效抑制干扰噪声, 提高有用信号强度, 准确获取射流的压力脉动信息.试验表明, 管道流体压力信号的频谱特征与喷嘴腔内检测法具有一致性, 且与理论计算较为吻合, 充分表征了射流的压力振荡特性; 其声功率谱与高压罐内水听器检测结果相一致, 较好地表述了射流的空化作用特性.由此认为基于管道流体信号的检测法用于自振射流特性的检测是完全可行的, 具有先进性, 为高围压下自振射流的研究提供了新手段

提出了一种基于多变量相重构的混沌时间序列预测方法.该预测方法从非线性动力学系统中获取与待预测时间序列相关的信息组成多变量时间序列,首先进行多变量相空间重构,然后利用局域多元线性回归模型在相空间中进行预测,最后从预测出的高维相点中分离出时间序列的预测值.由于考虑了动力学系统中多个变量之间相互耦合的关系,从而增加了重构相空间的系统信息量,使得相空间的相点轨迹更加逼近原系统的动力学行为.与采用单变量进行预测的方法相比,基于多变量相重构的预测方法无论是单步预测还是多步预测,都能有效地提高预测精度,且具有嵌入维数的选择对预测精度影响较小的优点.通过对Lorenz混沌信号进行预测,实验结果验证了方法的有效性

针对实际振动信号中多分量分离问题,在生成微分方程解调技术的基础上,提出一种新的迭代分解方法.首先采用生成微分方程(generating differential equation,GDE),估计初始振动信号的瞬时频率和幅值包络,然后对瞬时频率通过低通滤波分离出第一个频率,基于此频率对原始信号通过高通滤波器后提取的成分作为第一个分量,最后用初始信号减去第一个分量的余值作为下一次迭代的初始值,迭代同样的步骤分析分解直到获取所有信号分量,以低于能量比阈值作为迭代终止条件.本方法不需要先验信息.通过仿真信号验证并与传统方法进行对比分析,证明了方法的有效性.通过实测轴承试验信号的故障分析,证明了方法的实用性

连续血糖监测在糖尿病管理中具有重要的意义。目前糖尿病患者主要通过指尖采血或植入式微创传感器监测血糖，但上述方法存在疼痛、成本昂贵、易感染等问题，因此，无创监测是实现连续血糖监测的理想技术。本文利用心电(ECG)信号，提出了一种血糖水平无创监测的方法：通过获取12名志愿者共60 d 756160个ECG周期信号，利用递归滤波器实现ECG信号的滤波，并采用卷积神经网络和长短期记忆网络相结合(CNN-LSTM)的方法，实现了血糖水平的十分类监测，并通过实验探索了个体建模和群体建模2种建模方式的差异。结果表明，在个体建模和群体建模的条件下，血糖监测精确率分别约达到80%和88%。其中群体建模10分类的F1值可达到0.95、0.88、0.91、0.85、0.92、0.88、0.86、0.86、0.87和0.86。研究表明，本文提出的基于ECG的无创血糖监测方法为实现血糖水平的实时、精准监测提供了一种有力的理论支撑与技术指导

医疗实体识别是电子病历文本信息抽取的基本任务。针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状，提出了一种基于领域词典和条件随机场（CRF）的双层标注模型。该模型通过对外部资源的统计分析构建医疗领域词典，再结合条件随机场，进行了两次不同粒度的标注，将领域词典识别的准确性和机器学习的自动性融为一体，从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体。该模型在测试数据中的宏精确率为96.7%、宏召回率为97.7%、宏F1值为97.2%。同时对比分析了采用注意力机制的深度神经网络的识别效果，因受到领域数据集大小的限制，在该测试数据集中后者表现不佳。实验结果表明了该双层标注模型对中文医疗实体识别的高效性