一种虚拟路由器资源映射算法研究

网络虚拟化技术的提出,为解决互联网"僵化"问题找到了新的思路,受到广泛的关注。在虚拟路由器平台中,若干台互联的网络服务器资源组成了底层物理网络,通过虚拟网络映射技术,将物理网络资源有效地映射到虚拟网络设备上,组成多个虚拟网络,满足用户对网络的多样化需求。虚拟路由器资源映射问题是虚拟网络映射问题的基础,虚拟路由器实例与物理资源的映射方法决定了虚拟网络平台资源的利用率和虚拟网络系统的性能。针对虚拟路由器平台资源分配的问题,提出了物理网络资源模型和虚拟路由器资源请求模型,设计了一种启发式虚拟路由资源分配算法,并对算法的复杂性和优化目标进行了分析。     

基于Android平台家校通的设计与实现

针对目前家长与学校之间的沟通问题,提出了一种低成本、易操作、适用于学校与家长沟通的方法,借助Java语言、Android系统,以及SQL数据库,开发了基于Android平台的家校通系统,该系统可进行"二次开发"。经过测试和初步的应用,结果显示该系统能够通过手机终端实现双方的沟通交流,有较强的实用性和推广应用前景。     

柔性基体材料封装FBG传感器的应变传递误差分析

由于力学理论和有限元仿真应用于道路结构的分析受材料参数与边界条件等因素影响较大,要获得其准确、真实的受力状态,需借助原位监测技术。然而,日益得到推广应用的高性能光纤光栅敏感元件因其传统的封装方式,无法在模量上匹配相对离散的道路结构测试。为此,本文以沥青路面结构为研究对象,提出了一种以纯沥青为光纤光栅外包层、以小粒径沥青混合料为封装层的柔性基体材料光纤光栅封装技术,建立了其变形作用机理的力学模型,从理论角度分析其应变传递机理,给出了相应的误差修正公式,并通过模型试验方式检验该传感器的感知性能及误差修正公式的适用性。研究结果表明：该种柔性原材料封装光纤传感器可用于沥青混合料的监测,且借助应变传递误差修正公式能较好地消除部分因素的影响,间接地保证了沥青路面结构真实变形的高精度还原,为路面结构监测技术的发展起到了积极的推进作用。     

固定式减摇鳍执行机构的模态及动态响应分析

采用有限元法对小型高速船使用的固定式减摇鳍执行机构进行模态分析和瞬态动力响应分析,对减摇鳍执行机构的结构动力性能进行全面分析.结果可为同类减摇鳍执行机构的结构设计提供参考.     

网络协议分析实验中ICMP重定向的实现方法

网络协议分析实验计算机网络教学体系的重点实验课程,是普及计算机网络知识的重要环节.为了使学生对抽象的网络协议有一个比较完整的理解,我们利用网络协议分析软件和网络协议编辑软件,仿真了TCP/IP的各层协议.文章重点介绍ICMP协议重定向原理和实验的实现方法.     

基于案例分析金字塔模型的主动运维案例体系建设

针对传统运维案例在经验共享和处置效率方面的不足及运维领域同类事件重复发生概率高、处置差异大的情况,提出一种案例分析金字塔模型,使用基于向量化解析和知识分层提取的素材库构建方法,实现由生产运维操作标准库、生产运行异常事件库到案例素材库再到案例教学库的自动生成转变,并以金字塔模型为基础,通过引入改进的趋势预测分析方法、案例推理"5R"模型和"4S"案例教学模式完善预警预测、辅助决策、案例教学相关应用,建立主动运维案例体系。实践结果表明,通过整个体系的推行,改变了企业信息系统运维被动应付的局面,同类事件占比逐年降低,事件响应时间和处置时间明显缩短,运维服务质量大幅提升。     

基于图像分割的扭曲鼻纹识别模型仿真

鼻纹特征是当前最新研究的生物识别特征,对身份的鉴定有着重要的意义.鼻子的纹路较细小,只有在挤压过程中,才能留下纹理特征.但是,挤压过程本身对特征就形成了一定的破坏,使得特征扭曲变形,无法形成完整特征.传统的生物识别方法多是依靠完整生物特征,在鼻纹特征残缺或者挤压造成特征形变的情况下,虽然能识别出特征,但是对应过程会产生大量的干扰,造成假识别,漏识别的问题.提出采用鼻纹图像小区域分割的扭曲识别方法.针对扭曲鼻纹图像进行矩阵重组,根据重组结果进行分割,完成扭曲鼻纹图像的分类,利用自适应迭代出不同区域的识别阀值,设定识别过程中的最优阀值,最终完成扭曲鼻纹图像的识别.仿真结果表明,利用改进算法进行扭曲鼻纹图像识别,能够有效提高识别的准确率.     

CAM自带仿真模块与VERICUT仿真对比与综合运用

对CAM自带仿真模块与VERICUT仿真情况进行对比,以加工腔体零件前罩为例,从图形显示、干涉检查、程序的显示验证、尺寸检验以及程序优化等方面进行了对比,并分析了两类机械加工仿真模式的优劣,为不同需求的工程技术人员提供了仿真方法的借鉴和参考.为了更好的利用两类仿真软件,提出把两类仿真软件结合使用,并结合PDM工作环境,对CAM软件和第三方仿真软件的优势进行了整合,建立了全新生产准备模式下的信息模型,提出了新的新的生产准备方式.     

低空间复杂度的LSH算法及其在图像检索中的应用

局部敏感哈希LSH算法是有效的高维数据索引方法,如何生成哈希函数是算法的关键部分。LSH算法的哈希函数是基于p-稳态分布随机生成的,为了提高算法性能就需要增加哈希表的数量,但这会增加算法的空间复杂度。改进后的LSH算法(I-LSH)在生成哈希函数时不需要有标记的训练样本,而是仅仅利用数据点的分布信息构造投影方向。实验结果表明,在不显著降低检索性能的情况下,ILSH有效地降低了内存的使用量,适合处理大规模数据。     

一种新的有监督的局部保持典型相关分析算法

从模式识别的角度出发,在局部保持典型相关分析的基础上,提出一种有监督的局部保持典型相关分析算法(SALPCCA)。该方法在构造样本近邻图时将样本的类别信息考虑在内,由样本间的距离度量确定权重,建立样本间的多重权重相关,通过使同类内的成对样本及其近邻间的权重相关性最大,从而能够在利用样本的类别信息的同时,也能保持数据的局部结构信息。此外,为了能够更好地提取样本的非线性信息,将特征集映射到核特征空间,又提出一种核化的SALPCCA(KSALPCCA)算法。在ORL、Yale、AR等人脸数据库上的实验结果表明,该方法较其他的传统典型相关分析方法有着更好的识别效果。