基于北斗的城市垃圾清运系统

为建设更美好的市容市貌, 降低运输车辆的空车率, 实现源头追溯与全流程透明化管理, 结合目前通用的软件开发方式与数据库技术, 给出了以智能化, 绿色为主的城市垃圾清运系统. 该系统以北斗定位数据为基础, 辅助以高德开放平台来进行设计开发. 系统的开发采用基于PHP语言的ThinkPHP框架以及B/S架构设计模式, 客户端采用Ajax和Web技术等方式实现数据的传输和展现. 该系统旨在为用户提供车辆实时位置查询、车辆历史轨迹查询、用户管理、统计分析等服务. 对于车辆运输过程中的整个轨迹数据, 系统采用了北斗系列来进行数据采集, 更有效地维护了信息和技术的安全. 后期还可结合机器学习等技术来对司机的驾驶行为, 车辆的健康状况进行相应分析. 通过北斗定位数据与互联网技术的结合, 该系统可有效地对车辆进行管理.     

一种面向边缘环境的多实例服务链在线部署算法

边缘设备的资源有限性促使部署边缘服务需要深入理解网络功能的资源消耗情况.通过无线路由器上容器化网络功能部署实验得出,除了处理业务流的计算开销外,网络功能实例间的通信也会消耗大量CPU资源.基于该发现,考虑在近距离和相对低负载的对等边缘设备上分布式地部署网络功能实例,在满足时延约束的条件下均衡流量,从而最小化边缘设备负载.为此,提出细粒度服务链负载模型,并在此基础上设计实现了一种面向边缘环境的多实例服务链在线部署算法.该算法包括基于剪枝搜索策略的时延满足路径搜索、基于嵌套Top K策略的部署路径选择和基于贪心策略的网络功能部署3个组成部分.仿真实验验证了该算法的有效性.实验结果表明,相比不考虑通信开销的网络功能链部署,该算法可以降低10％ 边缘设备C P U负载,接近理论最优部署结果.     

基于项目驱动应用型本科《Java程序设计》教学研究与实践

应用型本科在Java实用教程中引入项目驱动法,旨在“以学生为中心,以教师为辅”,使学生巩固Java理论知识和提高其项目开发的综合能力,通过实验教学,效果理想。     

学会微信小程序的设计与实现

为了满足学会的信息移动化需求,该文在调查了当前学会的信息化建设现状、移动端应用等信息的基础上,提出一套基于微信小程序开发的移动端设计方案,并以中国地球物理学会水利电力分会的特定需求为例实现了水电分会微信小程序。经测试,水电分会小程序能够及时传递学会动态信息给会员,达到宣传学会,服务社会的目的,对水电分会会员间的信息交流具有实际应用价值。     

两部件系统视情维修与生产调度的联合优化模型

为了解决生产调度过程中由系统维护维修产生的资源闲置和时间成本增加问题,将系统维修与生产调度联合建模.在众多学者将系统作为整体进行生产调度与维修研究的基础上,考虑系统内各组成部件之间的复杂关系.针对具有经济相关性的两部件系统,以调度作业加工顺序、预防性维修阈值、机会维修阈值作为决策变量,考虑到两部件同时维修比单部件独立维修更为经济,将机会维修引入到建模之中,制订机会维修、预防性维修、故障后更换的视情维修与生产调度结合的联合策略,通过劣化状态空间划分法给出生产调度过程中所有维修组合及其对应维修概率,推导出联合概率密度函数,建立以最小化总加权期望完成时间为目标的联合优化模型.通过数值实验和灵敏度分析验证所提出的策略及模型的有效性.     

基于改进DCGAN的数据增强方法

针对小样本数据在深度学习中训练难的问题,为提高DCGAN训练效率,提出了一种改进的DCGAN算法对小样本数据进行增强。首先,使用Wasserstein距离替换原模型中的损失模型;其次,在生成网络和判别网络中加入谱归一化,以得到稳定的网络结构;最后,通过极大似然估计算法和实验估算得到样本的最佳噪声输入维度,从而提高生成样本的多样性。在MNIST、CelebA和Cartoon这三个数据集上的实验结果表明：改进后的DCGAN所生成样本的清晰度以及识别率比改进前均得到了明显提高,其中平均识别率在这几个数据集上分别提高了8.1%、16.4%和16.7%,几种清晰度评价指标在各数据集上均有不同程度的提高。可见该方法能够有效地实现小样本数据增强。     

基于目标检测的地铁站人群数量估计

为实时估计并控制地铁站的人群数量,提出了一种基于改进YOLOv3的人群数量估计方法.首先,对收集的多场景的地铁监控视频进行抽帧、采样、标注等前期处理;其次,通过上采样改进模型的输出尺度,同时以"人头"代替"人"作为检测目标训练检测模型;最后,对测试结果进行评估,验证所提出方法的有效性及实时性.实验结果表明,在地铁监控视频检测任务中,改进YOLOv3检测方法的平均准确率可以达到90.42％,每帧的检测时间大约50 ms,在达到准确率要求的同时,可以满足特定场景所需的实时检测的需求.     

基于深度学习的miRNA靶位点预测研究综述

MicroRNAs(miRNAs)是一类长约22~23碱基(nt)的单链非编码RNA,在生物进化方面有着重要意义。成熟的miRNA会通过其种子序列(5’第2-8位核苷酸)与message RNAs(mRNAs)的3’UTR区域靶位点进行完全或不完全配对,实现切割mRNA及抑制mRNA翻译等功能。由于miRNA结合mRNA靶位点的机制仍未明确,因此预测miRNA靶位点的工作一直是miRNA研究领域的一大挑战和难题。实验方法虽然准确,但耗时长且昂贵。在生物信息领域,基于规则匹配的常规计算方法虽然能进行靶位点的预测,但存在着准确率偏低的问题。随着深度学习的兴起及实验验证数据及具体靶位点信息的丰富,基于深度学习的方法成为了miRNA靶位点预测领域的研究热点。首先介绍了常用的miRNA预测数据集、预测类型和常见特征;之后对预测研究中常用的深度学习模型进行阐述;接着介绍了常规的预测方法及基于深度学习的预测方法,并对这些方法进行了分类总结和性能的对比分析;最后对使用深度学习的预测工作当前存在的问题及未来的发展进行了探讨。     

基于犹豫模糊决策算法的云制造系统选择研究

云制造系统的选择评价是云制造管理中的重要研究课题。针对复杂的云制造系统评价问题,构建了基于信息集成算子和一致性提升算法的犹豫模糊互补判断矩阵（HFCJM）决策模型。由于现有的犹豫模糊加权平均算子存在不能满足幂等性的不足,提出了一种改进的犹豫模糊加权平均（I-HFWA）算子,并验证其满足幂等性这一重要性质;研究了完全乘性一致HFCJM的构造方法,并引入一致性指数概念来衡量HFCJM的一致性水平;建立了基于犹豫模糊决策算法的云制造系统选择模型,并分析了决策模型在每次迭代过程中的信息损失量、一致性水平提高程度、计算复杂度以及模型的收敛性。采用案例进行验证分析。实验结果表明,相对于对比模型,犹豫模糊决策算法在可靠性和有效性上更优。     

以就业为导向的计算机教学模式的探讨

现代社会的教育及培训离不开社会就业现实的导向作用。对于中职学生来说,以就业为导向的教育模式更容易让学生认识到当前的形势。每一个中职学生在计算机课堂上学习时,都应紧跟就业导向的要求。中职计算机教师对就业导向领悟的程度不同,学生学习的实际效果有很大差异。因此有必要对目前中职计算机教学的现状加以探讨,结合学习内容和计算机学科的特点,结合就业市场的具体需求、提升学生的就业竞争力。