在世界性的信息网络时代,文档要便于访问、易于传输、有效检索和灵活多样,这就需 要使文档不受软件和硬件的约束,而通用标记语言就是具有这些特性的语言。用来说明文档 结构的第一个正式标记语言是由IBM公司于20世纪60年代创造的,称为通用标记语言 (Generalized Markup Language,GML),用于内部文档的标准化。其后扩展成标准通用标记 语言(Standard General Markup Language,SML),成为许多工业用来表达信息的标准,并于 1986年成为国际标准化组织(ISO)的正式标准(SGML ISO8879-1986) 超文本标记语言(Hypertext Markup Language,html)是20世纪90年代从SM中挑 选的一种Web语言,尽管它有这样那样的问题和局限性,但人们一直在使用和改进它

•几十年来图论在理论上和应用上都得到很大的发展,特别是在近30多年来由于计算机的广泛应用而又得到飞跃的发展。•在计算机科学、运筹学、化学、物理和社会科学等方面都取得了不少成果，对计算机学科中的操作系统研究、编译技术、人工智能和计算机网络等方面都有广泛的应用。•这里主要讨论图的基本概念和算法,为今后的学习和研究打下基础。本章首先给出图、简单图、完全图、子图、路和图的同构等概念，接着研究了连通图性质和规律，给出了邻接矩阵、可达性矩阵、连通矩阵和完全关联矩阵的定义。最后介绍了欧拉图与哈密尔顿图

提出了一种联合多种边缘检测算子的无参考质量评价算法，同时考虑一阶和二阶边缘算子，避免了单一算子的局限性.该方法首先将彩色图像转换为灰度图像，然后计算灰度图像的梯度，相对梯度以及LOG特征.本文所使用的特征分为两部分，一部分提取相对梯度方向的标准差，另一部分利用条件熵来量化不同特征之间的相似性和相互关系，并且考虑到人眼特性进行多尺度计算，最后使用自适应增强（AdaBoost）神经网络进行训练和预测.在公共数据库LIVE和TID2008上进行实验，结果表明新方法对失真图像的预测评分与主观评分有较高的一致性，能很好地反映图像质量的视觉感知效果，仅使用10维特征，性能优于现有的主流无参考质量评价算法

针对煤与瓦斯突出预测准确率问题,在分析煤与瓦斯突出瓦斯地质因素的基础上,构建了包含瓦斯指标、煤体指标、地应力指标3个一级指标和瓦斯压力、构造煤厚度等12个二级指标的预测指标体系,通过综合运用网络分析法和多类别距离判别法对灰色关联模型中的输入端和输出端进行研究,建立了煤与瓦斯突出多指标耦合预测模型.该模型基于对煤与瓦斯突出瓦斯地质因素的综合分析,计算预测指标权重,划分煤与瓦斯突出可能性等级,建立了对突出可能性进行判别的2个判别式.以平煤八矿为例应用该模型对8组预测样本进行了煤与瓦斯突出可能性判断,预测结果与实际符合,为矿井煤与瓦斯突出防治提供了技术支撑,证明了煤与瓦斯突出多指标耦合预测模型的准确性和适用性

基于K均值聚类法对转炉出钢过程的合金损耗进行了研究，分析了影响合金损耗的关键因素，并将其分为3个聚类，得到转炉出钢合金损耗最低的工艺模式。在此基础上，开发了基于PCA-BP神经网络和混合整数线性规划的合金减量化智能控制系统，并以某炼钢厂为例进行了实际应用。通过对模型进行在线运行，验证了模型的准确性和实用性。使用该模型后，提高了合金化钢液成分准确度，减少由传统人工经验计算配料造成的成本浪费和成分超标等情况，优化了合金配料方案，降低了炼钢合金化成本，不同钢种铁合金加入总成本降低5.95%～14.74%，平均降幅11.72%

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

针对一类具有空间不均匀性的辨识和回归问题，提出了基于小波分析的极限学习机方法.从多分辨率分析的思想出发，构造一簇紧支撑正交小波作为隐层激活函数，并利用改进的误差最小化极限学习机训练输出层权重，避免了新加入高分辨率子网络后的重新训练.同时，由一维多分辨分析的张量积构造了二维多分辨小波极限学习机.进而通过脊波变换将小波学习机扩展到高维空间，对脊波函数的伸缩、方向和位置参数进行优化计算.对具有奇异性的函数仿真结果证明，与标准极限学习机相比，小波极限学习机由于其聚微性能在极短的训练时间内更好地逼近目标.一些实际基准回归问题上的测试验证了脊波极限学习机在其中大部分问题上达到更高的训练和泛化精度

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好

第一章 电力系统的基本概念 • 1.1电力系统概述 • 1.2我国的电力系统 第二章 电网等值 • 2.1 概述 • 2.2 输电线路的等值电路 • 2.3 变压器和电抗器的等值电路 • 2.4 发电机等值电路 • 2.5 负荷模型 • 2.6 电力网的等值电路 第三章 电力系统潮流计算 • 3.1电力网的电压降落和功率损耗 • 3.2输电线路的运行特性 • 3.3简单网络的潮流计算 • 3.4 电力系统潮流的计算机算法 第四章 电力系统运行方式的调整和控制 • 4.1电力系统有功功率和频率调整 • 4.2电力系统无功功率和电压调整 第五章 电力系统故障分析 • 故障类型：简单故障/复合故障/短路故障/断路故障 • 5.1电力系统短路的基本知识 • 5.2电力系统对称故障分析 • 5.3电力系统不对称故障分析 第六章 电力系统稳定性分析 • 电力系统的稳定性问题 ➢ 同步稳定性、频率稳定性、电压稳定性 ➢ 静态稳定、暂态稳定 • 6.1电力系统的机电特性 • 6.2电力系统的静态稳定性 • 6.3电力系统的暂态稳定性

5.1 运输层协议概述 5.1.1 进程之间的通信 5.1.2 运输层的两个主要协议 5.1.3 运输层的端口 5.2 用户数据报协议 UDP 5.2.1 UDP 概述 5.2.2 UDP 的首部格式 5.3 传输控制协议 TCP 概述 5.3.1 TCP 最主要的特点 5.3.2 TCP 的连接 5.4 可靠传输的工作原理 5.4.1 停止等待协议 5.4.2 连续 ARQ 协议 5.5 TCP 报文段的首部格式 5.6 TCP 可靠传输的实现 5.6.1 以字节为单位的滑动窗口 5.6.2 超时重传时间的选择 5.6.3 选择确认 SACK 5.7 TCP的流量控制 5.7.1 利用滑动窗口实现流量控制 5.7.1 必须考虑传输效率 5.8 TCP 的拥塞控制 5.8.1 拥塞控制的一般原理 5.8.2 几种拥塞控制方法 5.8.3 随机早期检测 RED 5.9 TCP 的运输连接管理 5.9.1 TCP 的连接建立 5.9.2 TCP 的连接释放 5.9.3 TCP 的有限状态机