分布式智能网中一种实用的负载控制模型

1.引言市场竞争的因素使得电信运营商的联合将会进一步加强,同时业务控制点应用软件的复杂性会进一步提高。这就要求智能网应能同时满足不同业务控制点的合作和降低业务控制点的复杂性。例如,假设在同一个业务控制点上同时有成千上万个进程/线程,并提供业务控制,这时的业务控制点的复杂性和控制难度将会如何? 因此,需要有相应的技术支持来满足上述需求,而智能网正是实现和满足该需求的较好途径。但是,传统智能网的业务控制方式采用集中控制,该控制方式使得业务控制点(SCPs)成为业务逻辑的唯一控制者。但是随着智能网业务的不断增加,业务控制点的业务处理能力和业务控制点与业务交换点之间的通信能力将会成为制约智能网业务发展的主要障碍,即瓶颈。为此研究人员提出了负载     

智能网业务验证技术

以国际电信联合委员会（ＩＴＵ－Ｔ）的能力集ＣＳ－２标准为基础,研究了智能网中业务验证技术,随着智能网的发展,用户越来越迫切的要求电信部门能够快速、经济,准确地提供所需的各项新业务。     

微机监控系统在大型泵站中的应用

根据皂河泵站综合自动化技术改造的实际需要，采用美国通用电气公司（GE）公司的SR系列保护产品，将该公司生产的SR469微机型电动机管理继电器和SR745、SR750微机型变压器管理继电器应用到皂河泵站自动化控制系统．该系统集保护、测量、控制、通信等功能于一体，且具有较强的抗干扰能力．系统运行后取得了明显的效益．     

数据存储结构与检索效率关系的研究--关于DNA数据存储结构与比对效率

数据库系统区别于其他系统的重要方面之一是DBMS具有有效地处理非常大量数据的能力,但随着数据量的增长,数据的检索速度日益捉襟见肘,如何提高数据的检索效率逐渐受到重视,特别是在一些特殊领域对数据的实时性要求较高的情况下,更需要快速的数据检索.本文正是基于此考虑,以DNA的数据存储为例,针对DNA数据的特点及实际比对的需要,通过具体的数据库实现技术,分析了存储结构对数据库访问速度的影响,在此基础上通过对几个具体方案的实际测试,给出了一个相对较优的数据库存储结构解决方案.     

35kV 0.001级及100/3~(1/2)kV 0.002级双级电压互感器的研制

双级电压互感器和感应分压器具有准确度高、稳定性好的优点,但高压双级电压互感器和高压感应分压器绝缘复杂,制造难度甚大。华北电科院成功研制了35kV0.001级双级电压互感器,并达到35kV高电压等级,研制成功国际上第一套100/3~(1/2)kV0.002级双级电压互感器,建成了100V-100/3~(1/2)kV完整的高电压比例标准检定系统。文章重点介绍研制中的关键技术和创新点。     

遗传算法在网络扩充中的应用

通信网在运行的过程中,存在着网络的节点扩充及重组等问题。文章从遗传算法的基本原理出发,分析带有约束条件的通信网设计中的网络扩充问题,较好的解决了经济效益和需求的网络设计问题。     

适应高速网络的入侵检测技术探讨--误用检测与异常检测的结合

在论述现有入侵检测技术的基础上,提出了将异常检测作为误用检测的预处理是适应高速网络的一项新技术.文中仅从理论上进行了探讨,有待于进一步实践检验.     

提高热电阻测温装置抗干扰能力的研究

根据测温装置在现场运行的情况,提出了改进信号处理回路、软件中增加缓冲环节、采用具有滤波功能的A/D芯片等几种增强抗干扰能力的措施,并分别进行了现场试验,比较每种措施的性能,最终通过实践,比较成功地提高了测温装置对于环境干扰的抵抗能力,为其他类似的模拟量采集提供了参考.     

信息系统的业务连续性安全管理模型及实施流程

介绍了信息系统业务连续性安全管理的概念、发展状况,提出了信息系统业务连续性EDCA安全管理模型,并进一步提出了基于EDcA模型的业务连续性安全管理可实施流程,讨论了该流程的优缺点和适用范围,该模型及其可实施流程的提出,对保证企业信息系统业务连续性运转具有一定的指导作用。     

基于视频残差神经网络的深度步态识别

步态识别是根据人体的行走方式进行身份识别. 目前, 大多数步态识别方法通过浅层神经网络进行特征提取, 在室内步态数据集表现良好, 然而在近年新公布的室外步态数据集中性能表现不佳. 为了解决室外步态数据集带来的严峻挑战, 提出了一种基于视频残差神经网络的深度步态识别模型. 在特征提取阶段, 基于提出的视频残差块构建深层3D卷积神经网络(3D CNN), 提取整个步态序列的时空动力学特征; 然后, 引入时序池化和水平金字塔映射降低采样特征分辨率并提取局部步态特征; 使用联合损失函数驱动训练过程, 最后通过BNNeck平衡损失函数并调整特征空间. 实验分别在公开的室内 (CASIA-B)、室外(GREW、Gait3D)这3个步态数据集上进行. 实验结果表明, 该模型在室外步态数据集中的准确率以及收敛速度优于其他模型.