一种联合采样的神经网络光场

相比传统的光场绘制技术,神经网络光场(NeRF)方法可使用神经网络拟合场景的光线采样,将隐式编码输入图片的光场,合成新视图. 针对NeRF方法训练时间长,绘制视图慢的问题,提出了一种基于联合采样的NeRF方法,通过使粗糙网络和细腻网络共享均匀采样结果的方法,减少了不必要的光线采样,从而加快了网络训练和视图合成的速度. 实验结果表明,在取得近似视图合成质量的情况下,与NeRF方法相比,所提方法的训练时间减少了20%,视图合成的效率提高了25%.     

基于元数据模型的电子政务检索系统的设计与实现

在当前互联网和计算机飞速发展的形势下,电子政务类系统的数据量也逐渐呈现指数型增长的态势。如何在不影响报表传统格式展现的前提下对这些数据进行单表内检索以及多表间关联检索,已经逐渐成为当下亟须解决的一个问题。本文从传统报表结构出发,以用友插件为报表载体,对报表的元数据进行了模糊判断和精确判断的分类,并在此基础上提出了全新的模板检索机制。实践证明,该方法大大提高了报表全文检索的易用性以及可扩展性。     

一种本体和上下文知识集成化的数据挖掘方法

在数据挖掘中使用本体和上下文知识能够将普遍的知识和特定的知识引入数据挖掘的决策因素中,是增进数据挖掘准确性的有效手段,同时也是数据挖掘领域研究的热点和难点之一.针对该问题,首先探讨了本体与上下文知识的集成化表示方法,包括上下文知识分类方法、如何在本体描述方法上扩展上下文知识及上下文知识转化方法.其次,以层次化结构的本体与上下文知识为例,构建了一个依据于本体和上下文知识集成的归纳学习算法并验证了该算法的有效性和准确性.     

串空间理论扩展

现有的串空间模型由于没有抽象更多的密码学原语,因此不能分析较复杂的安全协议.希望通过对串空间理论的扩展使其充分地表达较多的密码学原语,以满足分析复杂安全协议的需要.对入侵串轨迹增加了签名、签名验证和HMAC(keyed-hashing for message authentication code)函数模型,重新定义了理想概念并对衍生出的相关命题和定理进行了证明.扩展的诚实理想分析模型不仅继承了原理论的性质,而且适合分析含丰富密码原语的协议,如JFK和IKE2.     

基于XML异构数据库数据转换技术的研究

文章是对数据共享和同步技术的研究,主要是针对不同部门数据库之间的数据转换技术,采用系统服务组件的设计理念,耦合程度低。主要实现方式是采用XML文件格式来描述异构数据库的结构信息,然后采用模糊匹配的方式计算两个数据库的异构程度,抽象出符合目标数据库的表结构。最后按照这个结构抽取源数据库的有用数据,导入目标数据库中。     

基于矩阵存储的学生分班问题的回溯算法

结合项目开发,提出了多约束条件下合理分配问题的一种解法--基于矩阵存储的回溯算法.以学生合理分班问题为例,以学生成绩和男女生比例等诸多条件作为约束,给出了算法的具体实现过程,分析了算法的时间复杂度.该算法较同类问题的回溯法,效率有很大提高,实际应用的结果表明了算法的合理性和有效性.     

支持协作的轻量级模板语言的设计与实现

为了提高Web开发中前后台开发人员之间的协作效率,提出并实现了一种新的Web表示层模板语言.该语言通过对XHTML语言进行的扩展,加入了一组特定的动态属性,使得采用该技术的页面代码既可在浏览器中直接显示静态内容,也可在应用服务器环境下呈现动态内容.通过兼顾双方的开发习惯和工具要求,该语言为前后台工程师提供了一个协作开发的统一表示层语言,可以有效地降低他们之间开发协作成本.     

基于MapReduce 的大规模在线社交网络蠕虫仿真

利用云计算中的核心技术MapReduce,提出了一种在线社交网络(online social network,简称OSN)蠕虫的仿真方法.为了提高仿真精度,首先提出利用节点属性可调节的OSN 有向图来描述蠕虫传播的各个过程.其次,利用运行在云环境中的多个Map 函数和Reduce 函数来实现对OSN 蠕虫传播各个过程的仿真.在真实的大规模数据集上的仿真实验结果表明,提出的仿真方法不仅具有较强的可扩展性,同时也为相关领域的研究提供了一定的帮助.     

基于多粒度特征和混合算法的文档推荐系统

文库系统对信息的传播利用有着重要的作用, 但在文库系统中出现信息过载问题后, 数据的利用率会大大降低. 针对该问题提出了一种基于多粒度特征和混合算法的文档推荐系统, 系统在短语和词语两个粒度上对用户兴趣及文档特征进行建模, 综合基于内容推荐算法及协同过滤算法, 为用户生成兴趣列表. 系统测试数据表明, 系统在准确率、召回率、覆盖率、新颖度等指标上均有较为优异的表现, 其为用户推荐的文档较符合用户实际偏好, 有助于提升文库系统的数据利用率, 改善用户体验.     

一种基于多属性决策的DDoS防护措施遴选方法

DDoS攻击是网络中最大的威胁之一,选取合适的防护措施,能够更加有效地保护目标网络和目标系统.现有的评价方法对于防护措施选择的指导性不足.针对该问题,首先构建了面向DDoS攻击的防护措施遴选模型(DCSM).在此基础之上,提出基于多属性决策的DDoS防护措施遴选算法.以多属性决策方法综合考虑各方面评估指标;从攻防两方面,以基于历史攻击偏好的方法和熵权法计算重要性权重,消除了传统评价方法中人为指定权重带来的主观性影响.提出的方法为防护措施的选择提供了参考,并通过模拟实验验证了方法的适用性和有效性.