目前,我国农业的发展已经进入到一个新阶段,农产品供求格局 发生了根本性的变化,传统的自给自足型农业正在向现代化商品农业 转变。在经历了较高速度的数量型增长后,我国主要的农产品出现了 地区性和结构性的过剩。这主要是由于农产品的品质欠佳,品种单一 以及国际市场开拓乏力而产生的局部过剩,随着我国即将加入 WTO,我国农产品将面临严峻的国际市场挑战,市场竞争将由国内竞 争转向国际和国内双重竞争

2、瞬变体系的静力 特性: 在微小荷载作用下B可产生无穷大内力。因此,瞬变体系或接近瞬变的体系都是严禁作为结构使用的。 瞬变体系一般是总约束数满足但约束方式不满足规则的一类体系,是特殊的几何可变体系

花卉繁殖是指通过各种方式产生新的植物后代,繁衍其种族和扩大其群体的过程与方法。在长期的 自然进化、选择与适应过程中,各种植物形成了自身特有的繁殖方式。人类的栽培实践和技术进步,不 断干预或促进植物的繁衍数量和质量,使植物朝着满足人类各种需要的方向进化。花卉繁殖是花卉生产 的重要一环,掌握花卉的繁殖原理和技术对进一步了解花卉的生物学特点,扩大花卉的应用范围都有重 要的理论意义和实践意义。依繁殖体来源不同,花卉的繁殖分为有性繁殖和无性繁殖两大类

一个有效的二值图像处理运算集是从数学形态学下的 集合论方法发展起来的。尽管它的基本的运算很简单,但 它们和它们的推广结合起来可以产生复杂得多的效果。并 且,它们适合于用相应的硬件构造查找表的方式实现快速 的流水线处理。这种方法通常用于二值图像但也可以扩展 到灰度级图像的处理

我国绿茶生产,以眉茶为首。各省所产的眉茶,品质各有 不同。数量较多,品质较好的,有安徽的\芜绿、屯绿”、 舒绿\;江西的\婺绿、\饶绿\;浙江的\温绿\、\遂绿”以及 湖南的\湘绿”。 眉茶传统制法均在锅里炒干,其条索为长条形,习惯上称 为炒青或长炒青茶

本书由二十七篇论文组成,内容分为两个部分:理论部分、应用及软件部分。理论部分包括了蒙特卡罗方法基础、伪随机数的产生、已知分布抽样;应用及软件部分覆盖了蒙特卡罗方法的主要应用领域。本书基本上反映了自1993年西安会议以来我国在蒙特卡罗方法研究和应用方西的水平愿本书能成为蒙特卡罗方法研究和应用的最重要参考书之一

1.了解计算机通信中信息、数据与信号的基本概念, 以及数据通信系统的基本结构; 2.掌握基带、频带和宽带传输的定义和适用场合。 3.掌握串行与并行通信,单工半双工与全双工通信 4.掌握数据传输速率的定义,掌握误码率的定义; 5.了解异步传输与同步传输方式; 6.掌握模拟数据编码与数字数据编码的基本原理; 7.了解多路复用技术的分类,掌握FDM、WDM、TDM CDM的基本工作原理; 8.了解数据通信中差错产生的原因与差错类型;

为了探讨钢中细小夹杂物的形成机制,采用扫描电镜和能谱仪表征了钢中夹杂物的形貌、尺寸、成分及数量,理论计算了脱氧产物的生成优势区图,讨论了夹杂物长大的影响因素.钢中夹杂物的组成以MgO-Al2O3-TiOx为核心,表面包裹析出MnS,钢液中未发现单独的Al2O3和TiOx夹杂;夹杂物的形貌为近球形,平均尺寸为1μm左右,数量在1000 mm-2以上.镁含量较高的钢中含有少量以MgO-Al2O3和MgO为核心的夹杂物,不利于夹杂物的球形化,镁含量宜控制在50×10-6以下.镁的脱氧能力强,形核临界尺寸小、形核数量多以及钢液中镁、铝和钛复合脱氧的高熔点产物的特性有效地控制了钢中夹杂物的扩散与碰撞长大趋势

建立了以活性炭为吸附剂的三塔真空变压吸附实验装置，对循环过程中的充压方式和抽真空排放过程进行了实验研究.采用轻组分从吸附塔上端充压可以在排放气甲烷体积分数相同的情况下，延长穿透时间，提高产品气甲烷体积分数；而在循环中引入抽真空排放步骤也可以在不改变吸附与解吸压力的情况下有效提高产品气中甲烷的体积分数.在此基础上，对同时包含排放气充压步骤和抽排步骤的三塔变压吸附循环流程进行了实验研究.实验结果表明，应用该循环可以在吸附和解吸压力分别为140 kPa和20 kPa条件下将甲烷体积分数为0.2%的乏风瓦斯富集至0.654%，同时甲烷回收率在65%

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题，提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor，CABON）。CABON算法首先对数据对象进行初始聚类，通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合；并给出一种类别待定集的动态调整机制，利用近邻思想实现此集合中数据对象所属类别的重新划分，按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中，得到最终的聚类结果，以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers，MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data，CVCN）在人工数据集和真实数据集上分别进行实验对比，结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”，聚类效果明显优于K–means、MC_IK和CVCN算法