一种基于元数据的Web通用查询系统(GQS)

提出了一种基于元数据的Web通用查询系统（GQS），GQS引入元数据概念,并结合JDO、Servlet、JSP等技术手段,实现了一些通用性较强的查询模块,同时能够根据查询对象动态生成查询页面元素，此外GQS还扩展了查询定制等功能，相对于传统的查询系统,GQS的功能性、通用性、移植性大幅提高,并且很大程度地降低了系统维护量。     

2自由度PID控制器在铝电解过程中的应用

目的 通过设计前馈2自由度PID控制器，解决目前铝电解定时间歇控制方式的控制精度低、实时性差等问题．方法 设计了一种超调小、动态响应快、抗干扰能力强的前馈2自由度自校正PID控制器，该控制器采用前馈控制系统结构，确定干扰抑制性能最佳参数和跟踪特性最佳的前馈参数，并进行了参数优化．结果 前馈2自由度PID控制器改善了系统的干扰抑制特性和跟踪特性。使系统的动态响应速度和稳态精度明显提高．结论 该控制器在铝厂应用，改善了控制性能，使电解槽达到最佳的工作状态。提高了电流效率和铝的产量及质量，经济效益显著，具有较大的工业推广价值．     

商空间理论(粒度计算方法)实现高精度模糊控制

该文应用商空间(粒度计算)理论,给出了高精度模糊控制器的实现方法。通过系统控制粒度的不断改变,采用粗粒度粗调、细粒度细调的方法,系统可以兼顾理想的稳态和瞬态性能指标。实践证明以上观点正确。     

基于XML的虚拟企业信息集成架构

信息集成是建立虚拟企业的基础，本文分析，比较了现有的几种集成方案，论述了基于XML进行信息集成的优势，提出了一个集Web,XML,SOAP技术为核心的异构和分布的虚拟企业信息集成框架。     

个人用户远离垃圾邮件攻略

在垃圾邮件日益泛滥的今天．我们的企业如何选择一款适合企业自身实际情况的反垃圾邮件产品．甚至一整套邮件系统安全解决方案。是企业用户颇为关注的一个话题，中国反垃圾邮件中心(www．spam．com．cn)的专家根据实际操作经验总结出如下经验供企业用户参考．企业用户应该着重考虑产品的全面性、稳定性．安全性、易维护性、可扩展性，售后服务质量．高性价比等综合因素。     

Windows NT与 NetWare的互连互访与集成

本文主要介绍 Ｗｉｎｄｏｗｓ ＮＴ网络和ＮＯＶＥＬＬ ＮｅｔＷａｒｅ网络的互连互访,包括 ＮＴ访问 ＮｅｔＷａｒｅ 服务器和 ＮｅｔＷａｒｅ用户访问 ＮＴ域两个方面。内容涉及 ＮｅｔＷａｒｅ网关服务 ＮｅｔＷａｒｅ客户软件 在 ＮＴ服务器上安装、配置ＮｅｔＷａｒｅ网关 在ＮＴ ＳＥＲＶＥＲ上查看ＮｅｔＷａｒｅ服务器 ＮｅｔＷａｒｅ客户访问 ＮＴ域 文件和打印服务ＦＰＮＷ的安装、配置等。     

基于TTL阈值分析的检测伪造数据包方法

在基于TTL分析的检测技术基础上提出了一种基于异常TTL 阈值分析的源地址伪造数据包检测方法,综合主动和被动两种检测技术,设计了一种有效的混合型源地址伪造数据包检测方法,同时用2500个正常数据包和2500个TTL值异常的伪造数据包来模拟遭受攻击,通过模拟实验结果对该方法的优缺点进行了分析,最后给出了该方法的优缺点并提出了改进策略.     

VoD集群副本结合代理策略的设计与分析

副本和代理策略是目前在VoD服务中应用最广泛的两种主流技术方案,都是保证终端用户VoD服务实时流畅的有效手段,但以往的研究都局限于研究单一策略对系统性能的提升。本文提出了一种VoD集群文件副本加代理的复合策略,集群中的服务器作为文件副本服务器存在,而同时又具有内容代理服务器的功能,并建立了相应的数学模型。仿真实验表明,相比单一的策略,副本结合代理的复合策略可以减少30%以上的点播延时,满足系统的负载均衡需求,较大程度地减少重定向引起的延时,提高系统的准入概率。     

基于并行混合网络融入注意力机制的情感分析

针对传统卷积神经网络（CNN）不仅会忽略词的上下文语义信息而且最大池化处理时会丢失大量特征信息的问题,传统循环神经网络（RNN）存在的信息记忆丢失和梯度弥散问题,和CNN和RNN都忽略了词对句子含义的重要程度的问题,提出一种并行混合网络融入注意力机制的模型。首先,将文本用Glove向量化;之后,通过嵌入层分别用CNN和双向门限循环神经网络提取不同特点的文本特征;然后,再把二者提取得到的特征进行融合,特征融合后接入注意力机制判断不同的词对句子含义的重要程度。在IMDB英文语料上进行多组对比实验,实验结果表明,所提模型在文本分类中的准确率达到91.46%而其F1-Measure达到91.36%。     

融合反问特征的卷积神经网络的中文反问句识别

反问是一种带有强烈情感色彩的表达方式,对其进行自动识别将提升隐式情感分析的整体效率。针对汉语反问句识别问题,该文分析了反问句的句式特点,将反问句的句式结构融入到卷积神级网络的构建中,提出一种融合句式结构的卷积神经网络的反问句识别方法。首先利用置信度大于70%的反问句的特征词、序列模式,对大规模未被标注的微博语料进行初步筛选,获取大量伪反问句。然后通过多个卷积核分别对句子的词向量和反问句的特征进行抽取,获取句子语义特征和反问词特征,将两者共同作用生成句子的表示。最后利用softmax分类器实现句子的分类。实验结果表明,利用该方法对微博中反问句的识别准确率、召回率和F₁值分别达到了89.5%、84.2%和86.7%。