XML及其在MVC模式中的应用

通过图书馆管理系统来论述XML技术和MVC模式如何在WEB应用中结合。文章首先阐述了XML技术的相关知识及其优势,同时详细描述MVC模式的设计思想,并列举出MVC模式的优点和不足。其次论述了在WEB应用开发中如何结合XML技术和MVC模式来开发WEB应用程序,在此基础上结合图书馆管理系统实例来介绍如何使用JDOM开源框架来实现视图、控制层和数据模型的搭建,从而完成整个系统的开发。最后作者提出XML技术的发展前景,并对其与MVC模式的结合提出展望。     

浅析XML文档和关系数据库之间的信息交换

针对当前关系数据库广泛应用的事实,研究了XML文档和关系数据库之间数据的双向转换,并讨论了如何把XML查询表达式转换为SQL查询的问题。     

面向SOA的异构数据集成体系研究

随着企业的业务变更越来越频繁,业务系统中的异构数据越来越多.采用SOA的设计思想,引入Web Service、XML等技术,提出了一种异构数据集成的方法,给出了一个面向SOA的异构数据集成框架,能有效地应对业务的快速变更,降低异构数据集成中组件的内部耦合度,提高数据集成中组件的复用性和可扩展性.     

连通域标记并行算法在多核处理器上的设计和实现

为满足全方位视觉运动目标检测跟踪系统中检测和跟踪实时性的要求,采用多核程序设计和并行处理技术,对系统中连通域标记算法,重新进行了设计和实现。为解决由图像分割造成的连通域的分离,应用边界处的游程码,将两个不同任务块中分割处的连通域合并成一个连通域。最后通过实验证明该并行算法比传统算法在多核处理器上运行更快,更好地解决了多核处理器饥饿问题,让多核处理器发挥了更高的效率。     

一种应用于移动学习环境中的数学公式标记语言

移动学习逐渐成为一种很受关注的新的学习方式,作为对移动学习的一种主要技术支持WML不支持数学公式的表达,使有关数学公式的学习内容难以传输和复用。研究了数学公式的结构特点,提出了一种数学公式结构模型,并以此为基础,设计了一种通用数学公式标记语言,以作为移动学习环境下的数学公式传输和表达。该标记语言结构简单、且易于实现浏览。     

一种新的图像分割算法

在形态学梯度边缘检测算子的基础上,综合多尺度和多结构元算法的特性,提出了一种新的图像分割方法。利用桥梁的明显特征预测桥梁目标的位置,获得感兴趣区域,通过多阈值法简化原图;采用多尺度形态滤波和区域标记得到目标的初始轮廓,构造5个不同方向的结构元素,对这些结构元素运用多尺度形态学方法来检测目标边缘。实验结果表明本算法能够比较准确地完成图像分割。     

用XML在Word文档表格中转换非结构化数据

非结构化数据广泛存在于各种应用系统中,对非结构化数据进行管理以及通过转换成为结构化数据是非常重要的.XML语言非常适合用于数据存储与数据交换.本文使用Microsoft visual Studio 2005开发了基于XML的非结构化数据转换工具.该工具可以把Microsoft word表格中的文本数据转换成可以导入到数据库中的纯文本数据文件.使用该工具,可以完成类似的非结构化数据的转换工作.     

基于游程编码的连通区域标记算法优化及应用

为提高空间液滴蒸发实验中图像实时反馈控制系统的鲁棒性,在液滴的边缘提取中采用了连通区域标记算法,并从两个方面对该算法进行了优化,从而在实时图像处理中获得较快的处理速度和较小的内存占用。一是在DSP实时图像处理中应用了游程编码来减少对象数量和存储所需空间;二是优化了Suzuki的连通区域标记算法,解决了该算法在一次扫描的赋值过程中可能会出现标记等价信息丢失的问题,通过改变对标记连接表的赋值,实现了只需要一次扫描就能获得完整的标记等价信息。实验结果表明,优化算法比传统算法运行速度更快并减少了内存占用。     

语义Web服务——Web服务的扩展

语义Web服务是应用语义Web技术对Web服务的扩展.使信息具有语义就是用计算机内的Ontology中的概念作标记符对信息进行标记,对该过程予以支持的就是语义Web技术,即Ontology的构建技术、Ontology的使用技术(语义推理技术)和信息的语义标记技术.语义Web技术对Web服务的扩展可具体化为两项任务:服务提供者、服务请求者和服务注册处三类服务主体均内置Ontology;发布、查找和绑定三种交互信息均采用语义标记.     

基于层叠CRFs模型的句子褒贬度分析研究

本文研究句子的褒贬度分析问题。针对传统的基于分类的句子褒贬度分析方法不能考虑上下文信息的问题,以及基于单层模型的句子褒贬度分类方法中的由于标记冗余引起的分类精度不高问题,本文提出了基于层叠式CRFs模型的句子褒贬度分析方法。该方法利用多个CRFs模型从粗到细分步地判断句子的褒贬类别及其褒贬强度,其中层叠式框架可以考虑句子褒贬类别与褒贬强度类别之间的层级冗余关系,而CRFs模型可以利用上下文信息对于句子褒贬类别和强度的影响。该方法在有效识别句子褒贬度的同时,提高了句子褒贬强度判别的准确度。实验证明相对于传统分类方法和单层CRFs模型,本文的方法取得了良好的效果。