Web动态报表在油库管理信息系统中的应用

介绍了基于B/S模式的油库管理信息系统中Web动态报表的设计与实现。报表开发采用VS.NET环境中的客户端报表工具,与应用系统集成采用Reportviewer控件,通过合理的设置数据集参数与报表参数,对报表要显示的数据进行筛选,既实现了报表内容的动态显示,又减少了网络数据传输量,提升了系统性能,为Web动态报表的开发提供了参考方案。     

基于Web Service的音乐作品版权登记系统

Web Service技术是面向服务架构以及实现信息系统集成的重要技术。它采用HTTP协议,通过Web接收和响应外部系统的请求信息,实现远程调用。Web Service技术以其跨平台性在Web应用程序开发中得到了广泛应用。以开发一个基于Web Service的音乐作品版权登记系统为例,介绍了该系统的总体架构,分析了Web Service技术实现的工作原理,并给出了通过Web Service接口提交音乐作品的实现方法。     

基于子树匹配的文本相似度算法

为降低文本向量维度,提高文本间语义相似度度量性能,综合利用统计方法与语义词典的优势,提出一种文本相似度算法.基于文本生成元数据特征向量,减少向量空间维度,设计基于子树匹配的文本相似度算法,借助子树加速对文本相似度的计算,并通过将文本元数据特征向量与子树进行相似度语义匹配,提高文本相似度计算时语义相似度度量的准确性.该算法考虑到对元数据中同义词的语义理解,加强文本之间相似度度量时的语义覆盖能力.实验结果表明文中所提出的方法是可行和有效的.     

基于差异半监督学习的相关理论分析

基于差异的半监督学习属于半监督学习和集成学习的结合,是近年来机器学习领域的研究热点.但相关的理论研究较缺乏,且都未考虑存在分布噪声的情况.文中首先针对基于差异的半监督学习的特点,定义一种分类噪声和分布噪声的混合噪声(HCAD).其次给出算法在HCAD噪声下的可能近似正确(PAC)理论分析及其应用实例.最后基于投票边缘函数,推导出在HCAD噪声下多分类器系统的泛化误差上界,并给出相关证明.文中开展的理论研究可用于设计基于差异的半监督学习算法及评估算法的泛化能力,具有广阔的应用前景.     

可区分惩罚控制竞争学习算法

竞争学习在聚类分析中是一种重要的学习方式,次胜者惩罚竞争学习(RPCL)算法虽能自动选择合理的类别数,但其性能对学习率和惩罚率的取值较敏感,其变种惩罚控制竞争学习(RPCCL)算法将所有的竞争单元当成冗余单元进行惩罚也不合理.文中提出一种可区分惩罚控制竞争学习算法(DRPCCL).算法中获胜单元的学习率会在迭代过程中自适应调整.同时该算法使用一种可区分惩罚控制机制来区分竞争单元中的冗余单元和正确单元,给予冗余单元较重惩罚,正确单元轻微惩罚,使得算法能自动确定正确类别数和中心点位置.最后通过实验对比分析证明DRPCCL算法的聚类效果比RPCL算法和RPCCL算法更准确.     

使用程序静态分析技术识别Web程序中的用例结构

本文利用程序静态分析技术对Web程序中的用例识别进行了深入研究。对Web页面的用户行为进行了深入分析并建模,从行为模型中提取出描述整个系统中用户行为的事件流图,结合采用现有的从目的成功语句出发、以必经结点为基础的用例识别方法,从各个Web页面中提取的独立控制流图,形成全局控制流图,进行全局用例识别。与以前已有工作相比,本文考虑了Web程序的特点,尤其是前端程序如何实现用户行为,并在前端程序中进行精确的用例识别。本文采用目前使用较为广泛的JSP程序进行了实验,结果表明该方法能够有效识别JSP程序中的用例结构。     

改进的PLML在基于模型的用户界面开发中的应用研究

PLML是描述人机交互模式的一个重要工具,然而它还存在一些缺点。其中一个重要的缺点是它的元素并未明确定义,从而造成了它所描述的设计模式在基于模型的用户界面开发方法中难以自动化或半自动化地应用。针对这一问题,设计了PLML的元素的XML Schema,明确给出了该元素的形式化的描述方法。通过一个实例研究,验证了其在基于模型的用户界面开发中可以起到积极的作用。这一方法也可推广到其它的基于XML的模式描述语言中     

随机网络编码数据传输的仿真实现

基于随机网络编码方法,构造了在实验室内实现单源组播网络数据传输的仿真模型:用局域网内的网络终端代表单源组播网络的节点,以IP地址和端口号代表有向信道,采用UDP网络通信实现数据传输,从而对单源组播网络进行了仿真。运用Java编程实现了有限域的算术运算,根据随机网络编码的编码规则,分别编写了单源组播网络的源节点、中间节点和宿点的工作程序,形成了一个完整的软件系统,该仿真模型可以适合于任意单源组播网络。     

Web安全技术

互联网的发展使人们意识到网络安全的重要性，Web安全已成为电子商务应用主要考虑的问题。本文综述了互联网的安全问题，电子商务应用中Web安全的关键技术。     

基于语义指纹和LCS的文本去重方法

为了解决传统中文文本去重准确率低的问题,本文提出了一种基于语义指纹和LCS的文本去重方法。针对中文文本,预处理后抽取出文本摘要,然后使用tf-idf算法分别得出文本内容特征向量和摘要特征向量,分别将这两个向量作为simhash算法的输入,计算得到文章的内容指纹和摘要指纹。计算两个文本对应的两个指纹的汉明距离,代入本文公式,最终得到这两文本的指纹距离;使用指纹对文本对进行初步筛选,对判定为相似的两个文本使用LCS算法进行进一步对比,避免误判,最终实现中文文本快速去重。实验过程中,通过与LCS算法、simhash算法等多种算法的结果进行对比,可以体现该方法在算法精确度方面的优势,同时,该方法的运行速度优势也能较好地支持大数据量文本的去重操作。