一种用户行为分析的动态备份机制

目前大多数分布式存储系统采用静态备份机制保证系统的高可靠性,灵活性差,不适合系统规模及用户访问量不断变化的存储系统．因此提出一种基于用户行为分析的动态备份机制,通过分析用户行为获得相关信息来动态改变备份数量及确定备份位置,具有较强的灵活性,适合大规模的分布式存储系统;实现动态备份系统将其应用于已建立的科技信息数据中心．通过实验分析表明,该动态备份机制能提高系统的可靠性。     

GJK算法的一种特殊情形的形式化验证和应用

计算几何算法经常用于机器人避碰运动规划等安全攸关领域,对这些算法进行正确性证明非常重要.用形式化方法对算法进行验证是一种十分有效的手段,尤其是定理证明的方法用严格的数学公理和定理推理证明逻辑模型的性质,对所验证的性质而言是完备的.基于GJK算法设计了计算空间两条线段间距离的算法,用定理证明器HOL4对其相关的定义和定理进行形式化定义和证明,进而基于霍尔逻辑完成形式化表示和证明,对该算法的正确性实现了形式化验证.最后,给出了这一经过验证的算法在双臂机器人无碰撞运动规划中的应用.     

基于直接估计梯度思想的数据降维算法

高维非线性数据的降维处理对于计算机完成高复杂度的数据源分析是非常重要的。从拓扑学角度分析,维数约简的过程是挖掘嵌入在高维数据中的低维线性或非线性的流形。该文在局部嵌入思想的流形学习算法的基础上,提出直接估计梯度值的方法,从而达到局部线性误差逼近最小化,实现高维非线性数据的维数约简,并在Swiss roll曲线上采样测试取得了良好的降维效果。     

基于SIP的VoIP安全测试工具的研究

VoIP安全测试工具已成为开发者或SIP服务的管理者开发或测试SIP程序和服务健壮性不可缺少的手段.本文详细分析SIP网络的安全威胁,讨论几款开源的VoTP安全测试工具的缺陷,提出一种简单的SIP攻击描述模型和全新的VoIP安全测试工具.用户通过制定简单的基于XML的SIP消息攻击流程发起各类攻击场景,测试SIP程序和服务的安全性和健壮性,并将测试结果呈现给用户.     

一种基于自适应扁平搜索模板的改进ARPS算法

针对ARPS算法中初始预测运动矢量不够精确并且ARPS算法针对不同宏块采用相同搜索策略的问题,在深入研究ARPS算法原理的基础上,提出一种基于自适应扁平搜索模板的新的快速运动估计算法.本文在算法的初始预测运动矢量、算法提前终止准则等方面提出了新的观点和方法,同时针对物体的不同运动趋势采用不同的搜索模板.实验证明,本文提出的改进算法在不影响图像编码效率的前提下较大地降低了计算复杂度.     

基于OPNET的一种典型现场总线的研究与仿真

随着网络规模的扩大,使用仿真软件对网络进行仿真,对关键参数和原理进行验证,已经是一种流行的网络开发模式.首先对现场总线和仿真软件OPNET进行了相关介绍和分析,接着对一种典型的现场总线的特征进行了详细说明,然后基于OPNET对该典型总线进行了建模仿真.基于对采集数据的分析,验证了仿真模型的时延符合典型现场总线标准的要求...     

面向行业应用的软件开发检查工具

现有的自动化测试和检查工具能够解决一些常规的测试和检查问题,但是对于行业应用软件开发过程的某些个性化测试和检查要求,没有提供很好的支持.因此针对行业应用软件的个性化要求,提出了一种面向行业应用的软件开发检查工具,在通用测试和检查工具的基础上,从代码检查、数据结构检查、接口检查和日志检查4个方面,对系统进行进一步的测试和检查.实验结果表明,该工具能有效地提高软件系统的开发效率和正确性,降低软件系统的开发成本.     

多策略数据挖掘平台MSMiner的元数据管理

元数据在数据仓库中扮演着非常重要的角色,对数据仓库的设计、开发、维护和管理具有非常重要的作用.在作者开发的多策略数据挖掘平台(MSMiner)中将元数据的使用范围从数据仓库拓展到包括ETL和数据挖掘任务等的整个系统,使之成为系统的核心和各个子系统之间联系的纽带.文中介绍了MSMiner的体系结构、元数据的主要内容、元数据管理实现的难点及采用的技术.     

基于面向对象信息提取技术的城市用地分类

针对高分辨率遥感影像的城市用地分类,引入了面向对象的信息提取技术,并将其与传统基于像素光谱信息的分类方法进行了比较。在此基础上详述了面向对象信息提取的关键技术---多尺度影像分割和基于分割的分类技术。以城市作为研究区,实现城市用地的自动分类。图像处理过程包括几何校正、HIS融合、图像分割和图像分类。最终分类结果表明:视觉上,面向对象信息提取技术克服了传统方法无法克服的“椒盐”噪声的影响;精度上,面向对象信息提取技术的总体精度高达84.82%,比最大似然法的总体精度提高了10.95%,并且各类地物信息的提取精度均有所提高,其中草地、道路、建筑物阴影的精度较高。     

CBR快速检索算法在时间序列预测中的应用

随着CBR应用的推广,涉及越来越多的时态信息需要处理.探讨了一种基于时间序列数据的时态CBR,提出了一种基于卷积的时态CBR快速检索算法.其思路是利用时序范例之间的时间约束关系,去除检索中求取相似度的冗余计算,并利用卷积的傅立叶变换性质,在频域求解相似度以减少计算时间复杂度.实验证明.在匹配较长的序列时,快速算法可以显著的提高时态CBR的检索效率.在CBR快速检索算法的基础上,以证券价格预测问题作为应用,借鉴流形学习理论中LLE算法的思想,设计了一种基于时态CBR的时间序列预测算法.实验证明,这种基于时态CBR的时间序列预测方法与前述CBR快速检索算法相配合,取得了较好的预测效果和预测效率.