产品详细介绍特点1、测定速度快，平均5分钟一个测试结果，适用于生产在线检测；2、可以多路同时测试，测试效率高；3、只需要一种气体（20%N2/He混合气或20%N2/H2混合气）和液氮即可测试；4、不需要真空环境，省去预处理时间；5、除了加样品之外，其他如电梯升降、阀门开关全部自动控制；5、基于windows的分析控制软件，智能化程度高，自动生成报告。 分析方法      动态法即连续流动色谱法，是在液氮温度下样品处于流动的含氮气氛中进行氮吸附，在不同的氮分压下达到吸附的动态相对平衡，如果使样品管离开液氮并升至室温，样品会将所吸附的氮气全部脱附出来，动态氮吸附仪每测定一个压力点均需使样品管从液氮杯中进出一次；可以采用一个已知比表面的标准样品作为标定物质，在某一个固定的氮分压下（一般取氮/氦= 0.2的混气)，用样品的脱附峰面积直接与标准样品的脱附峰面积相比较，便可计算出样品的比表面。这种方法测试速度快，适合于生产线的在线快速检测，其缺点是没有考虑材料吸附特性的差异，因此当被测样与标样的吸附特性相差大时，测试结果会出现较大的偏差；BET比表面测定法可以克服直接对比法的上述局限，动态法实现BET比表面测定的关键在于能够调整氮气分压，并达到稳定状态，采用了稳压、稳流系统以及霍尼韦尔小流量传感器和流量标定等现代化技术，同时解决了定量体积氮气标定的技术， BET比表面基于多层吸附理论，为国际通用。动态BET比表面测定仪只要把氮分压定在0.2左右，装上标准比表面样品，也可用直接对比法测定比表面；该方法测定比表面积是基于如下函数： 　　 式中: Sx ： 被测样品比表面积        　　 So： 标样的比表面积           Ax： 被测样品脱附峰面积　　         Ao： 标准样品脱附峰面积　　         Wx： 被测样品重量 　　         Wo： 标准样品重量典型报告 技术参数测定范围：≥0.01m2/g，无规定上限样品数量：4个（1个标准样，3个被测样），可以扩展并联测试效率：平均每个样品5分钟重复精度：≤±2％ 工作气体：高纯氦/氮混气（氮分压为0.2）数据采集：高精度双向数字采集模块，最强的灵活性完成最全面的数据采集，误差小，抗干扰能力强有利于提高比表面积结果精度数据处理：标准的windows窗口界面，易理解、学习、操作，丰富的比表面模型，图像分辨率高，易于维护，兼顾到系统后期扩展

产品详细介绍请登录 中国科学软件网 了解更多SPSS软件的信息和报价。SPSS Statistics 统计分析软件是一款在调查统计行业、市场研究行业、医学统计、政府和企业的数据分析应用中久享盛名的统计分析工具，是世界上最早的统计分析软件，由美国斯坦福大学的三位研究生于1968年研制，1984年SPSS首先推出了世界上第一个统计分析软件微机版本。SPSS/PC+，极大地扩充了它的应用范围，并使其能很快地应用于自然科学、技术科学、社会科学的各个领域，世界上许多有影响的报刊杂志纷纷就SPSS的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价与称赞。在国际学术界有条不成文的规定，即在国际学术交流中，凡是用SPSS软件完成的计算和统计分析，可以不必说明算法，由此可见其影响之大和信誉之高。 迄今SPSS Statistics软件已有40余年的成长历史。全球约有28万家产品用户，它们分布于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研教育等多个领域和行业，是世界上应用最广泛的专业统计软件。在2009年IBM收购SPSS公司后，现在在中国国内市场上推出的最新产品，是IBM SPSS Statistics 23.0多国语言版。 即时切换多国语言界面的统计分析软件，中文界面清晰友好 SPSS软件界面操作语言齐备，使用者可以自行设置英文或简体中文操作界面。 在国内统计应用中，很多使用者在学习时会遇到英文统计专业名词的困难，因此很希望软件有中文版。SPSS可以自行切换软件语言界面，很好地满足了很多人希望使用中文版的要求。SPSS软件的中文界面具有清新、友好的中文界面；全新的中文帮助文档，使使用者的学习更轻松；具有简洁、清晰的中文输出，结果一目了然，共享和发表结果更方便。 

产品详细介绍请登录 中国科学软件网，了解GAMS软件报价和介绍信息。通用代数建模系统(GAMS)是特别为建模线性,非线性和混合整数最优化问题而设计的.本系统对于大型的,复杂的问题特别有帮助.GAMS可以运行在个人计算机、工作站、大型机和超级计算机上.GAMS允许使用者通过制定简单的设置来把精力放在建模问题上.至于特定机器和系统软件执行的费时的细节将由GAMS系统来处理.GAMS对于处理大型的,复杂的,需要多次修订才能最终确定精确模型的独一无二的问题特别有帮助.系统以高 度简洁和自然的方式来建模问题.使用者能够快速和方便的更改公式,能从一个求解器转到另一个,甚至稍加费心就能从线性转换到非线性.GAMS让使用者把精力集中到建模上.通过排除考虑纯技术上的机器特定的问题的需要,比如地址计算,存储分配,子程序链接,和输入输出和流程控制,GAMS增加了用于概念化和运行模型,和分析结果的时间.GAMS本身构建了良好的建模习惯,通过请求简明而精确的实体和关系的规范.GAMS语言形式上和通常使用的编程语言相似.因此对于那些有编程检验的使用者将非常熟悉.使用GAMS,数据仅仅需要一次就能在熟悉的列表和表格形式中输入.模型以简练的代数声明来描述,对于人和机器都很容易读懂.非常相关的约束的整个集合都被输入到一个声明中.GAMS自动生成每个约束等式,并让使用者处理例外情况,假使那里一般来说是不需要的.在模型中的声明能够被重用,而不需要更改代数式,当其它的实例是相同的或出现了相关问题.错误的位置和类型会在尝试解决方案前被查明.GAMS处理动态模型,包括时间序列,滞后,及暂时终点的提示和处理.GAMS是灵活而强大的.模型可以非常方便的从一个计算机平台移到另外一个,只要GAMS已经在每个平台被安装好.GAMS很容易进行敏感度分析.使用者能够方便的规划模型来求解一个成分的不同值,然后生成一个输出报告,列出了每种情况的解决方案特征.模型能够同时被开发和文档化,因为GAMS允许使用者包含解释性的文本来作为任意符号和等式的定义和解释.GAMS不断的在被增强和扩展.2.25版本包含了多个语言扩展,例如在一个循环中的SOLVE声明,INCLUDE声明,IF-ELSE声明,和使用PUT声明进行报告编写的功能.其它的加强包括增加的系统集成特征,性能改善,新的子系统,和另外的计算机平台支持.当前版本2.50包括一个基于Intel Windows平台(95/98/ME和NT/2K/XP)的集成开发环境(IDE).GAMS 2.50的新的分发包含新的语言特征和新发表的全新/更新的求解器,一年至少4次.请检查版本声明.示例： 从著名的1963书(由George Dantzig编写)中提取的一个运输问题,用来描述GAMS的有效性.这个模型只是模型库中的部分,模型库中还包含了大量的完整GAMS模型. 支持模型的类型： GAMS模型类型包括LP,MIP和NLPs的不同形式.这里列出了GAMS支持的所有的模型类型. GAMS 的发展背景 GAMS 是"General Algebraic Modeling System"（一般性代数仿真系统）的缩写，最早是由美国的世界银行(World Bank)的 Meeraus 和 Brooke [Brooke, Kendrickm and Meeraus, 1992]所发展。"GAMS"事实上并不代表任何最佳化数值算法，而只是一个高级语言的使用者接口，利用 GAMS 可以很容易建立、修改、除错你的最佳化模型输入文件，而输入档经过编译后，成为较低阶的最佳化数值算法程序所能接受的格式，再加以执行并写出输出档。 数值算法方面，对线性与非线性规划问题，GAMS 使用由新南韦尔斯大学的Murtagh、及史丹福大学的 Gill、Marray、Saunders、Wright 等人所发展的 MINOS  [Murtagh and Saunders, 1983] 算法。MINOS是 "Modular In-core Non-linear  Optimization System"的缩写，这个算法综合了缩减梯度法和准牛顿法，是专门为大型、复杂的线性与非线性问题设计的算法。对混合整数规划问题，则采用亚历桑那大学的 Marsten 及巴尔第摩大学的 Singhal[1987]共同发展的 ZOOM(Zero/One Optimization Method)算法。 GAMS 使用范例说明 如前所述，GAMS 本身有非常完整的英文版使用者手册，GAMS 的计算机软件中也附带了许多学习范例的档案。这里所作的 GAMS 使用范例说明，目的绝非在取代原版的使用者手册，而是要配合本课程说明的形式，重新编写使用范例输入文件，使读者能很快的进入情况，了解其使用程序。 GAMS 的操作大抵可分为三个步骤：建立 GAMS 输入文件，执行 GAMS 程序，检视 GAMS 输出档内容。 购买一套全模块的 Base licence 包括： 光盘 一片 The Solver Manuals  (574  pages) A User’s Guide  ( 259 pages) MPSGE Guide(175 pages + Appendix) 注：GAMS试用版对变量个数有限制 Without a valid GAMS license the system will operate as a free demo system with these limitations: Model limits: Number of constraints and variables: 300 Number of nonzero elements: 2000 (of which 1000 nonlinear) Number of discrete variables: 50 (including semi continuous, semi integer and member of SOS-Sets) Global solver limits: Number of constraints and variables: 10

产品详细介绍请登录 中国科学软件网 了解更多Decisiontools软件信息和报价。每个人都想知道诸如此类问题的答案。掌握了此类信息，您就可以在作出重大决策时大胆猜测并能有把握地规划策略。使用 DecisionTools Suite，您可以在 Excel 电子表格中解答诸如此类的更多问题。DecisionTools Suite 中文版是一套在 Microsoft Excel 量身定制集成程序，从而使用户可以在一个软件包中针对不确定因素完成风险优化及决策分析的操作。DecisionTools Suite 中文版包括使用蒙特卡罗模拟执行风险分析的 @RISK、执行决策分析的 PrecisionTree 和执行自动“假设”灵敏度分析的 TopRank。此外，Suite 还包括执行预测、数据分析和最优化的 StatTools、NeuralTools 和 Evolver。所有程序的设计和开发均旨在使其易于配合使用。第 6 版新增功能 — 项目管理改进及其他功能全新 DecisionTools Suite 第 6 版包含多项改进，包括功能强大的 @RISK 与 Microsoft Project 的新型集成，借助该集成，您可以对 Microsoft Project 进度表上执行风险分析和蒙特卡罗模拟，而所有这一切都来自 @RISK for Excel 平台！@RISK 还添加了时间序列模型模拟、易于理解的用于确定风险推动因素的龙卷风图、更佳的制图选项、改进后的分布拟合及新的分布函数。但 DecisionTools Suite 6 绝非只包含 @RISK。PrecisionTree 6 添加了功能强大的贝叶斯修正功能，以及可在决策树任意位置插入节点的功能。RISKOptimizer 和 Evolver 6 目前含有 OptQuest 解法引擎，可在众多类型的模型中更快速地提供解法。RISKOptimizer 之前便一直与 @RISK 共享函数，而目前出于无缝建模的目的再次提高了与 @RISK 的集成度。同时，StatTools 和 NeuralTools 也已向神经网络测试中添加了多项散点图和灵敏度分析改进。新增功能：Office 2013/Windows 8 兼容性 DecisionTools Suite 内含的所有产品均与 Excel 2013、Project 2013 和 Windows 8（32 和 64 位），以及 Office 和 Windows 的先前版本（如 Office 2003/Windows XP）兼容。支持简体中文DecisionTools Suite 6 已完全翻译为中文。所有菜单、对话框、帮助文件和示例文件都是以中文显示。DecisionTools Suite 还提供英文版、西班牙语版、德语版、法语版、葡萄牙语版和日语版。 此外，DecisionTools 6.1 版的所有产品均支持您随意切换语言，仅需一个安装程序即可，绝对是跨国公司的完美之选。新的中文版示例现在，所有 DecisionTools 产品都加入了经修正和更新的示例文件，还有各行各业的示例。所有示例都采用有条理的方式加以编排，方便导览。视频提供中文版，并以中文演示 DecisionTools 软件。这些示例是由印第安纳大学的 MBA 教授兼作者 Chris Albright 博士设计和撰写。它们提供循序渐进的指引，从设置到运行模型，详细列举了在多个行业中的应用情况。Excel 易于使用 DecisionTools Suite 与您的电子表格完全集成。浏览、定义和分析 — 全部在 Excel 中完成。所有 DecisionTools Suite 函数均是真正的 Excel 函数，并且与 Excel 基本函数的行为方式完全一样。窗口全部与电子表格中的单元格直接链接，因此在某一位置进行更改，其他位置会相应进行更改。图表通过调用窗口指向其单元格。方便的拖放操作、上下文相关的右键菜单和直观的工具栏使您可以快速学习和使用 DecisionTools。组合的威力更强DecisionTools套装的每个组成部分都可以单独的执行强大的分析。当您把这些产品组合起来，执行分析就能够得到比任何单个的程序可以提供的更完整的结果。对您电子表单中的模型的组合分析通过使用PrecisionTree创建一个决策树开始，然后通过TopRank执行擶hat-it?#20998;析来识别在模型中的关键变量。然后把它带入到@RISK中进行分析，这时主要分析您的PrecisionTree模型中固有的机会事件和不确定收益分险。使用BestFit和RISKview来量化在您的@RISK，PrecisionTree，和TopRank模型中的分险.使用@RISK来执行不确定因子分险分析，然后使用RISKOptimizer来帮助您指定您可以控制的变量。DecisionTools套装包括下列工具：@risk- 流行的分险分析Excel插件,帮助您识别隐藏的机会和避免缺陷。增加蒙特卡洛(Monte Carlo)模拟功能到Excel电子表单中。通过@RISK分布函数和模拟来替换您工作表中的不确定值，并使用历史数据来选择合适的@RISK函数，得到那些可能的输出和那些输出发生的概率值，最后使用高质量的图像和图表来向其他人展示您的发现。PrecisionTree-适用Excel的决策分析插件，让您可以向其他人描绘什么是我们应该做的及为什么要这么做。在电子表单中创建决策树和影响图解，使用决策树来可视化模型制定事件的顺序。结果包括一份完整的统计报表，敏感度图表，和分析剖面图。TopRank 在 Microsoft Excel 电子表格自动“假设”灵敏度分析。您可以定义任何输出项或“结果”单元格，而且 TopRank 将自动找到并更改影响您的输出项的所有输入单元格。最终结果是确定影响您的结果的所有输入因素，并对这些因素进行排名。RISKOptimizer-解决各类顽固组合问题的Excel功能插件。使用遗传算法来找到可以达到预期结果的可控制因子的最佳可能组合，然后在特定的情况下运行蒙特卡罗(Monte Carlo)模拟来查看不可控变量的效果。RISKOptimizer自动组合这些分析。在DecisionTools工业版套装中包含该模块.

本发明提供了一种面向轨迹挖掘的数据预处理方法及系统，该方法包括：在原始数据库中提取离散的轨迹点，对轨迹点进行归类提取后形成若干个独立的轨迹段集合；对每一轨迹段集合中的轨迹点进行重复定位点检测，若判断该重复定位点为历史定位点，则删除；对每一轨迹段集合中的轨迹点进行定位异常点检测，若判断为定位异常点，则删除该轨迹点，得到若干条完整的轨迹；对所述完整的轨迹进行简化压缩，得到压缩轨迹；存储所述压缩轨迹；同时对系统运行状态进行监控，保证系统可以持续、稳定运行。本发明提供的方法通过对提取出的轨迹点进行重复定位点以及定位异常点清除，保证了轨迹数据的正确性和完整性，提高了轨迹数据挖掘的准确度。

本实用新型公开了一种苜蓿播种机用开沟器，主要由开沟装置、开沟器架、导肥装置和导种装置组成。开沟装置主要由侧翼铲、滑刀和扩沟板组成，旨在开出适宜苜蓿种子发芽的高质量种沟；导肥装置由导肥管和散肥器组成，用于将肥料导入种沟侧面；导种装置主要由导种管组成，旨在将苜蓿种子导入由开沟装置形成的种沟内。本实用新型能够满足苜蓿播种开沟的要求，可以开出高质量种沟，利于苜蓿种子出苗及第二年返青。本实用新型适用于大部分地区的苜蓿播种，特别是寒冷、干旱地区。

将计算机自然语言处理方法和生物本体学方法结合起来，发展一套面向生物医学文献的数据挖掘技术，建立了一个文献挖掘平台。该平台可以对生物医学文献进行数据挖掘，发现隐含在文献中的生物学实体及其联系，发现深层次的生物医学知识，自动获取大量的第一手生物医学数据。例如，挖掘与人类基因相关的信息，挖掘蛋白质相关信息，发现基因的功能，发现基因与疾病之间，发现蛋白质之间的相互作用等。/line对于一组给定的文献，该平台首先进行句法分析和生物学术语标定，然后进行语义分析，提炼每条语句的生物学含义，提取文献中的生物医学关联特性，以发现文献中的基因、蛋白质、疾病以及它们的关系。

一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无

本发明公开了一种基于函数依赖的数据清洗方法，其特征在于， 包括：对原始数据进行数据转换，以将其不同类型的属性全部转换为 数值型属性；对于数据转换后的原始数据，提取其属性的自依赖函数 特征；对于数据转换后的原始数据，提取其属性之间的互依赖函数； 根据自依赖函数特征和互依赖函数确定需要进行清洗及待清洗的属性 及样本，并根据该属性及样本形成相关清洗决策依据，判断待清洗的 属性对象是采用自依赖函数清洗还是采用互依赖函数进行清洗，若采 用自依赖函数清洗，则将不符合条件的样本根据自依赖函数确定的多 项式进行校准修复，并加上白噪声作为随机扰动。本发明能够解决大 数据中“脏数据”问题，为后续的大数据分析挖掘提供高质量的数据。