关键属性

摘要： 介绍变异理论运用的分离、类合、对比和融合等变异图式在化学教学中的应用,阐述学习的步骤为审辨物质关键特征,明确变异的内容,选择四种范式策略,识别物质关键特征,达到深度学习,提高学生学习效率.同时在应用情境素材方面以及提高教师专业素养方面提出具体的教学建议.

摘要： 功效是化妆品的关键属性,也是企业创新的重要载体。近年来,随着“成分党”“种草经济”的兴起,越来越多的消费者开始重视化妆品功效。根据去年发布的《化妆品功效宣称评价规范》(以下简称规范),自2022年1月1日起,化妆品注册人、备案人申请特殊化妆品注册或者进行普通化妆品备案的,应当依据规范的要求对化妆品的功效宣称进行评价,并在国家药监局指定的专门网站上传产品功效宣称依据的摘要。

摘要： 为提高矢量地理数据关键属性的无损性和安全性,提出一种基于分形图案对矢量地理数据关键属性信息进行伪装的方法。首先,根据输入参数生成相应的分形图案;其次,依据分形图案和性质对矢量数据中包含的多个关键属性逐级进行伪装变换;最后,输出伪装后的矢量地理数据。结果表明,基于该发明进行的矢量地理数据关键信息伪装,能够增强数据的保密性和迷惑性,伪装后的数据既保持了原来的数据格式,又对其中的关键信息进行了保护。

摘要： 变异理论认为事物的差异性和共同性都有利于认识事物的关键属性,是对传统迁移理论的修正和发展。作为电化学核心知识的“原电池原理”,教师可应用基于变异理论的教学设计模型展开教学,运用分离、类合、对比和融合等变异图式,提高学生的学习效率,同时在应用情境素材以及提高教师专业素养等方面提出具体的教学建议。

摘要： 朴素贝叶斯分类的缺点在于过于强调属性间的独立性和属性对分类影响的一致性,无法真实表达属性间的相关性,影响了这种方法的健壮性和分类效果.信息增益是属性对分类重要性的一种度量方法,一方面通过对属性互斥信息的分析,去除与分类无关的属性,简化朴素贝叶斯分类器的结构;另一方面通过对属性信息增益的度量,选择对分类有较大影响的关键属性,在关键属性与非关键属性之间通过添加有向边的方式扩展朴素贝叶斯分类器的结构,放宽属性间独立性的限制,提高分类性能.

摘要： “变异理论”认为,认识是对事物关键属性的审视和识别(即审辨),可以通过有意识地利用变异图式实现。基于“变异理论”,教师可运用分离、类合、对比和融合等四种思维策略,促进学生审辨出学习内容的关键属性及其相互之间的关系,以实现深度学习。

摘要： 中国科学院科技战略咨询研究院副研究员赵璐认为,网络化创新组织模式能够更加系统、科学地明确新型举国体制下跨主体、跨领域、跨区域协同创新的多尺度、多维度、多形态等关键特征,提升国家创新体系的动态性、联系性、层次性、开放性等关键属性。创新网络化组织模式,可以从三个方面着手:一是推进创新集群建设,聚焦国家重大战略需求,以链群交融的集群创新网络实现创新要素跨主体、跨领域、跨区域聚合共享.

摘要： 1.使用METOLOSE■SR制备亲水骨架片的QbD(质量源于设计)方法(3)当使用METOLOSE■SR(羟丙甲纤维素2208,HPMC)制备亲水骨架片时,METOLOSE■SR的溶解特性是药物溶出的关键属性之一。另外,METOLOSE■SR的溶解特性受其粘度、取代度(羟丙氧基,HPO)和颗粒R寸的影响.

摘要： "变异理论"认为,认识是对事物关键属性的审视和识别(即审辨),可以通过有意识地利用变异图式实现.基于"变异理论",教师可运用分离、类合、对比和融合等四种思维策略,促进学生审辨出学习内容的关键属性及其相互之间的关系,以实现深度学习.

摘要： 为了提高心理障碍预测准确性,提出了基于历史数据驱动的心理障碍预测模型.首先采集心理障碍的相关历史数据,对历史数据进行预处理,并提取一些关键属性;然后根据这些关键属性,采用隐马尔科夫方法对属性进行数据挖掘,建立心理障碍预测模型;进行心理障碍预测实验.结果表明,这一模型的心理障碍预测精度高,降低了心理障碍预测误差.

摘要： 协同过滤技术被广泛应用于各种推荐系统当中．基于内存的协同过滤算法通过比较目标用户与其他用户的已有评分，为目标用户的未评分项目作出相应的预测．提出了一种新的基于内存的算法，根据项目的关键属性对它们进行分类，通过计算用户对各类项目的认知度，为目标用户选择相似用户并预测评分．通过MovieLens数据集的实验结果表明，该算法可以有效地解决包括数据稀疏性和新用户在内的一些协同过滤的基本问题，提供更高质量的推荐．

摘要： 本发明提出了一种多属性决策的空中应急通信网络关键节点识别方法，属于空中自组网和应急通信网络领域。本发明首先构建空中应急通信网络模型；然后提出节点负载和节点等级两个重要指标，结合传统网络拓扑指标，构成网络关键节点识别的指标体系；接下来采用层次分析法和熵值法获得各个指标的综合权重；最后基于多属性决策算法对各个节点的重要性进行排序。本发明解决了传统关键节点识别算法构建指标体系不完善、难以给出准确的关键节点、无法满足未来应急通信需求等方面的问题，提升了空中应急通信网络关键节点识别的准确性，增强了空中保障网络的安全性和可靠性。

摘要： 本发明公开了一种基于多属性决策的电力网络关键节点识别方法。包括：步骤S10，建立电网抽象的拓扑网络；步骤S11，根据电网关键节点综合评估指标体系进行评估；步骤S12，基于各节点指标值确定各指标权重值；步骤S13，基于多属性决策的综合逼近理想排序对各个指标进行综合排序，识别出电网关键节点。本发明从多个角度对节点进行综合评价并采用主、客观赋权相结合的赋权方法，避免了单一属性的不足和赋权的主观性，使排序结果更具可靠性，对提高电力系统的可靠性、降低大规模停电事故的发生概率有重要意义。

摘要： 本申请提供的一种智能关键数据属性融合方法及系统，根据第一描述属性在目标智能数据中包括的误差分析智能数据中分析的第一区间范围，在第一区间范围大于第一特征范围向量且在目标标记智能数据中存在与第一描述属性相同的第二描述属性的前提下，根据目标分析区间范围大于第二特征范围向量的前提下，确定目标融合的描述属性。分析的第一区间范围大于第一特征范围向量的前提下，确定分析的第二区间范围，这样可以规避由于描述属性错误导致确定描述属性的分析区间范围不精确而使描述属性的目标融合确定不精确的问题，因此，可以解决相关技术中存在的存在确定描述属性的目标融合精确率低的问题，提高了确定描述属性的目标融合的精确率。

摘要： 本发明公开了一种基于时间带关键字搜索的外包属性基加密的方法，包括：步骤S1、数据拥有者将访问结构发送给离线加密机构；步骤S2、离线加密机构基于时间周期树和访问结构计算中间密文并返回给数据拥有者；步骤S3、数据拥有者利用中间密文对数据进行加密并将密文发送到云服务器中；步骤S4、数据使用者通过云服务器搜索关键字并得到相匹配的密文；步骤S5、数据使用者将密文发送到离线解密机构；本申请通过离线加密/解密的方式降低了数据拥有者和数据使用者的计算开销，在实现细粒度的关键字搜索的同时使用时间周期树的方法实现了对数据使用者在有限时间内的数据访问下载控制。

摘要： 本发明公开了一种云存储中私钥可验证且多关键词可搜索的属性加密方法，具体按照以下步骤实施：步骤1、系统建立；步骤2、外包私钥生成；步骤3、外包私钥认证；步骤4、私钥生成；步骤5、外包加密；步骤6、加密；步骤7、陷门生成；步骤8、匹配；步骤9、外包解密；步骤10、解密。本发明解决了现有技术中存在的网络带宽浪费和计算成本较大的问题。

摘要： 本发明公开了一种云计算中指定时间的基于关键词属性的数据发布订阅方法，具体按照以下步骤实施：步骤1、系统建立；步骤2、私钥生成；步骤3、陷门生成；步骤4、数据加密；步骤5、策略测试与外包解密；步骤6、数据解密。本发明精确了订阅者的搜索范围并且减小订阅者的解密开销，提高计算效率。

摘要： 本发明提供一种对象实例关键属性及其关联属性的跟踪方法及装置，所述对象实例包括多个属性，所述多个属性包括至少一个关键属性及至少一个关联属性，至少一个所述关联属性的值的变化引起所述关键属性的值的变化，所述追踪方法包括：生成一数据跟踪记录器并初始化；以及当所述关键属性被赋值而使所述关键属性的值变化时，所述数据跟踪记录器记录所述关键属性的当前值、所述关联属性的当前值及一位置标识，所述位置标识表示所述关键属性被赋值的代码段位置。本发明提供的对象实例关键属性及其关联属性的跟踪方法及装置能够追踪关键属性和关联属性的变化并定位关键属性变化的代码段。

摘要： 本发明提供一种对象实例关键属性及其关联属性的跟踪方法及装置，所述对象实例包括多个属性，所述多个属性包括至少一个关键属性及至少一个关联属性，至少一个所述关联属性的值的变化引起所述关键属性的值的变化，所述追踪方法包括：生成一数据跟踪记录器并初始化；以及当所述关键属性被赋值而使所述关键属性的值变化时，所述数据跟踪记录器记录所述关键属性的当前值、所述关联属性的当前值及一位置标识，所述位置标识表示所述关键属性被赋值的代码段位置。本发明提供的对象实例关键属性及其关联属性的跟踪方法及装置能够追踪关键属性和关联属性的变化并定位关键属性变化的代码段。

摘要： 本说明书实施例提供关键行为抽取网络、关键属性抽取网络的训练方法及装置。其中，关键行为抽取网络的训练方法包括：先将原始行为序列输入关键行为抽取网络，得到若干关键行为，形成关键行为序列；所述原始行为序列包括目标用户做出的按时间顺序排列的T个操作行为；再将所述关键行为序列输入预先训练好的业务预测模型，得到业务预测结果；之后，基于所述业务预测结果和所述原始行为序列的业务标签，训练所述关键行为抽取网络。如此，可以自动精准地抽取关键行为，有效增强对完整行为序列的业务预测结果的可解释性。

摘要： 本发明提供一种人脸关键属性识别方法、系统、存储介质及计算机设备，该方法包括：获取模糊图像数据集，并将模糊图像数据集输入至已训练的生成式对抗神经网络模型中进行超分辨率重建，以得到重建后的超分辨率图像；对重建后的超分辨率图像进行数据预处理，以得到对应的人脸图像；将人脸图像分别输入至多个卷积神经网络中，以使各卷积神经网络分别预测出人脸图像中的多个关键属性，并将各关键属性进行统一输出。本发明能够还原出清晰真实的人脸图像，缓解因人脸图像模糊带来的影响，从而保障人脸属性识别的正确性，极大程度上降低了模型对设备配置的要求，节约了不必要的成本开支，同时提高了检测识别的鲁棒性和准确率。