一种计算机文化基础课在线考试系统设计

文中首先探讨了考试系统的应用的ASP.NET技术,接着给出了设计的系统需求分析、数据流图,最后简单给出了设计的系统交互界面,包括系统用户登录界面、用户管理界面和前台考试模块设计等。     

实时高速图像处理系统设计

首先给出了实时、高速图像处理系统的定义,并描述了两种实时高速图像处理系统的设计方法,给出了两种系统的优缺点,并详细描述了基于计算机磁盘阵列的实时高速图像处理系统方案详细实施方法。     

具有饱和执行器的时滞广义系统的鲁棒控制

利用李亚普诺夫方法研究了时滞广义系统、不确定广义系统和不确定时滞广义系统的鲁棒镇定问题.首先设计了时滞广义系统的具有饱和执行器的控制律,并给出其闭环系统渐近稳定的充分条件.对不确定项是范数有界的不确定广义系统,给出其控制器的设计方法和闭环系统渐近稳定的充分条件.在此基础上,进一步给出了不确定时滞广义线性系统的镇定条件.最后,给出了一个数值算例来说明方法的有效性.     

家电远程控制系统的设计

首先给出了系统硬件结构,系统控制器采用单片机AT89C51.接口采用RS232,电平转换芯片采用MAX232,无线收发器采用NRF401.然后给出了系统数据流程,建立了系统通信协议,包括通信方式的设计、服务器与网关的通信协议以及网关与家电控制器的通信协议.给出了系统软件的设计流程图.测试结果表明,系统具有良好的实用性、可靠性和可扩展性,达到了设计目的.     

基于ARM的RFID阅读器设计

本文给出了基于ARM微处理器的RFID阅读器设计方案。文章介绍了RFID概念、发展现状及系统组成;介绍了系统的硬件组成模块,讨论两款主要芯片的功能,给出系统总体设计和各模块功能说明;介绍了系统的软件组成模块,并给出模块说明及模块流程图;详细介绍了一种改进的防碰撞算法;最后,总结并展望了本系统。     

不确定非线性环链系统的分散鲁棒控制

提出了环链系统和一类不确定非线性环链系统,利用线性代数理论,给出了实现环链系统的充要条件,运用李雅普诺夫稳定理论和矩阵理论研究了不确定非线性环链系统的鲁棒镇定,并给出了一种非线性鲁棒镇定控制器的设计,还考虑了一类非线性环链相似组合大系统,给出了分散鲁棒镇定条件,最后给出数值例子说明设计方法的有效性。     

一种基于IP网络的机房视频监控系统规划

随着高校信息化工程的深入建设,对高校核心机房的实时监控系统提出更高要求,提出了一种基于IP网络的机房视频监控系统,给出了监控系统的布局架构,给出了监控系统的网络架构和建设流程,总结了机房监控系统的建设要点,最后给出了机房视频监控系统的效果图.     

基于主流组态平台的报表生成系统的设计与实现

针对不同应用环境的SCADA系统,给出一种较为通用的报表生成系统的设计方法.主要介绍了报表系统的数据存储、处理和访问机制,并给出实现系统的关键代码.     

基于微机械惯性器件和磁强计的姿态航向系统

给出了一种基于微机械惯性器件和磁强计的姿态航向系统的设计方案,介绍了该系统的算法,并给出了该系统的硬件原理框图和软件流程图。与传统装置相比,该系统具有体积小、重量轻、功耗低、成本低、长寿命等优点。     

烟叶收购计算机远程网络系统

文章给出了烟叶收购计算机远程网络的拓扑结构和硬件结构,以及烟叶收购组系统、烟叶收购站系统、二级验收系统、烟草公司系统和安全系统的应用软件的功能,并对系统采用的主要关键技术,如:集成技术、远程通信技术、IC卡技术、电子称量控制技术、安全保密技术进行了讨论,给出了系统运行状况的统计数据。     

无线有组织网络

无线有组织网络是网络节点间有内在关系的无基础设施的无线网络,其除具有无基础设施无线网络的特征外,网络有中心节点,且节点位置关系相对固定。这种特殊的网络应用于野外救援、军事活动等临时性通信。首先回顾了对讲机系统、无线分组网络和无线自组织网络等无基础设施无线网络的结构和特点,它们都不能包涵无线有组织网络特征。详细定义了无线有组织网的相关模型,分析了无线有组织网络的特点和研究重点。     

无线传感器网络技术在炮口冲击波测试中的应用

炮口冲击波现场试验中测点分布数量较多且相对分散,且对测试仪器机动性要求较高,针对该问题,将无线传感器网络技术应用其中,不仅能提高测试系统的上下电灵活性,而且为整个测试系统提供了统一时基。重点介绍了系统无线模块的电源管理模块智能化设计和无线传感网络的工作流程,并且对测试系统的无线同步性进行实验室激波管校准试验和现场火炮实测试验。试验结果表明:将无线传感器网络技术应用于炮口冲击波测试,可以使仪器操作更简单,提高测试系统的机动性和测试效率。     

基于粗糙集理论的神经网络研究及应用

为了补偿神经网络的黑箱特性并提高其工作性能，将粗糙集理论同神经网络结合起来，提出一种基于粗糙集的神经网络体系结构．首先，利用粗糙集理论对神经网络初始化参数的选择和确定进行指导，赋予各参数相关的物理意义；然后，以系统输出误差最小化为目标对粗糙神经网络进行训练，使其满足性能要求．实验结果表明，粗糙神经网络能较好地完成数据挖掘任务，并能获得较高的分类精度．     

神经网络在数据挖掘中的应用研究

针对神经网络在社保数据挖掘项目中对数据预处理的具体应用,讨论了神经网络在数据挖掘中的作用。尽管神经网络具有结构复杂、网络训练时间长、结果表示不容易理解等不利之处,但其错误率低的优点是其它方法所不及的,并在数据挖掘采用的方法中具有其优势。     

无线传感器网络中的节点关联规则挖掘

信息处理是无线传感器网络的核心技术,必须采取简单、高效的处理策略.本文通过对传统Apriori算法的改进,提出了一种节点关联规则挖掘方法来发现大量节点之间的有用关联或相关联系,以此消除节点之间信息的冗余.这种方法可以帮助用户对数据进行有效的融合、分类、查询、分析、理解和决策.仿真结果表明该方法能够有效减少信息处理中通信和计算所消耗的能量,缩短数据查询响应的时间,从而延长整个网络的寿命.     

4G无线网络的安全体系设计

随着无线网络的不断发展,移动通信技术从3G网络逐步朝4G网络发展,由于4G无线网络的特点,导致4G系统中的安全隐患也越来越严重.在本文的研究中,通过对4G网线网络安全隐患的分析,从无线网络终端、无线网络和无线业务三个方面对4G系统安全体系设计进行研究.     

传感器网络分布式数据流的频繁项集挖掘算法

研究无线传感器网络中数据流频繁项集挖掘问题。针对集中式的静态数据流频繁项集挖掘方法不能在传感器网络中直接使用这一特点,提出基于传感器网络的分布式数据流的频繁项集挖掘算法FIMVS。该算法基于FPtree快速挖掘出传感器节点上单一数据流的局部频繁项集,然后通过路由将其在无线传感器网络里逐层上传合并,在Sink节点上汇聚后,采用自顶向下的高效剪枝策略挖掘出全局频繁项集。实验结果表明,该算法能有效地大幅度减少候选项集,降低无线传感器网络中的通信量,并有较高的时间和空间效率。     

无线传感器网络管理技术

无线传感器网络是一个资源受限、应用相关的任务型网络,与现有的计算机网络有显著差异。现有的网络管理不再适用于无线传感器网络,面临着诸多新的挑战。首先简要介绍了无线传感器网络管理的技术背景,并结合无线传感器网络自身的特点,给出了相应的无线传感器网络的管理技术应具备的特征等。然后提出了一个通用的无线传感器网络管理框架,并对其中的各管理内容及研究进展进行了详细论述。最后探讨了无线传感器网络管理领域面临的公开难题,并针对目前发展现状提出了今后的研究方向。     

Classification System for Serial Criminal Patterns

The data mining field in computer science specializes in extracting implicit information that is distributed across the stored data records and/or exists as associations among groups of records. Criminal databases contain information on the crimes themselves, the offenders, the victims as well as the vehicles that were involved in the crime. Among these records lie groups of crimes that can be attributed to serial criminals who are responsible for multiple criminal offenses and usually exhibit patterns in their operations, by specializing in a particular crime category (i.e., rape, murder, robbery, etc.), and applying a specific method for implementing their crimes. Discovering serial criminal patterns in crime databases is, in general, a clustering activity in the area of data mining that is concerned with detecting trends in the data by classifying and grouping similar records. In this paper, we report on the different statistical and neural network approaches to the clustering problem in data mining in general, and as it applies to our crime domain in particular. We discuss our approach of using a cascaded network of Kohonen neural networks followed by heuristic processing of the networks outputs that best simulated the experts in the field. We address the issues in this project and the reasoning behind this approach, including: the choice of neural networks, in general, over statistical algorithms as the main tool, and the use of Kohonen networks in particular, the choice for the cascaded approach instead of the direct approach, and the choice of a heuristics subsystem as a back-end subsystem to the neural networks. We also report on the advantages of this approach over both the traditional approach of using a single neural network to accommodate all the attributes, and that of applying a single clustering algorithm on all the data attributes.     

Ensemble of Evolving Neural Networks in Classification

The ensemble of evolving neural networks, which employs neural networks and genetic algorithms, is developed for classification problems in data mining. This network meets data mining requirements such as smart architecture, user interaction, and performance. The evolving neural network has a smart architecture in that it is able to select inputs from the environment and controls its topology. A built-in objective function of the network offers user interaction for customized classification. The bagging technique, which uses a portion of the training set in multiple networks, is applied to the ensemble of evolving neural networks in order to improve classification performance. The ensemble of evolving neural networks is tested by various data sets and produces better performance than both classical neural networks and simple ensemble methods.