便携式瓦斯检测仪管理系统的设计与实现

针对以人工登记为主的矿山便携式瓦斯检测仪发放和回收工作存在效率低下、工作流程繁琐及不利于管理和统计的问题,设计一种便携式瓦斯检测仪自动收发系统.该系统包括收发装置、服务器和Web客户端三部分,采用C-S和B-S共存的复合结构,以PHP作为开发语言,选用MySQL数据库.实际应用结果表明,该系统能够很好地完成仪表发放回收工作,便于科学的管理仪表,加快了矿山信息化和智能化的建设.     

基于移动机器人的无线传感器网络数据收集方法

稀疏无线传感器网络中各传感器节点距离较远,而传统的静态数据收集方法要求各传感器节点直接通信,导致网络延迟时间长,能耗高。针对该问题,提出一种基于移动机器人的无线传感器数据收集方法。该方法首先由静态节点选择与路径最短的移动机器人作为簇头,移动机器人比较一定周期内检测到的邻居节点的平均剩余能量与整个网络传感器节点平均剩余能量,根据比较结果决定其是否移动,若移动则采用范围可控的随机移动策略;当移动机器人移动到新位置时,传感器节点更新路由,选择新的移动机器人作为簇头。仿真结果表明,与传统的静态无线传感器网络数据收集方法相比,基于移动机器人的无线传感器网络数据收集方法大大降低了数据传输延迟和节点能量消耗。     

煤矿安全仪表自动收发管理系统的研究与应用

随着煤矿企业安全生产的提高,安全仪表的使用已成为重要的环节.但是传统的安全仪表收发管理方式是以人工凭牌发放为主,实际工作中存在着效率低下、操作不规范等问题.针对仪表收发管理的不足,提出了有效的改进办法.通过对煤矿的广泛调查、研究,设计出煤矿安全仪表自动收发管理系统,采用计算机和数据采集技术,实现了安全仪表自动收发管理.在此基础上,将系统成功应用到某煤矿企业,达到了安全仪表收发操作简单、准确和快速的效果.     

特定主题的相关概念挖掘研究与实现

结合搜索引擎搜索结果集的特点,应用中文分词技术、关联分析来分析词与词之间的关联关系以及名词短语词性过滤,最终从特定主题的搜索结果集中挖掘出该主题的相关概念,提出了一种自动挖掘相关概念的方法,实现了一个T op icM iner(简称TM)原型系统,并通过实验证明了该方法的可行性,概念挖掘的准确率达到了60%以上。     

基于线性规划理论的软件过程控制模型

在对软件过程度量和分析的基础上,主要针对软件项目的实际工期滞后于计划工期的问题,运用线性规划理论建立了一个软件过程控制模型,并结合实例运用优化软件lingo9.0求得最优解。实验结果表明,该模型可以最大限度地减少后续执行任务的实际工期,确保软件项目在合理的成本范围内交付。     

基于蚁群算法的LEACH协议研究

针对LEACH协议中簇头节点与汇聚节点之间采用单跳通信造成能量损耗过快的问题,提出了一种基于蚁群算法的LEACH协议,该算法利用蚁群算法易实现、支持多路径的特点,结合节点的剩余能量及传输距离,通过对网络中信息素浓度的建立和更新,达到降低簇头节点能量消耗过快的问题.仿真实验结果表明,该算法在降低能耗、延长网络生命周期等方...     

胃溃疡日常饮食的13条原则

正有数据显示,胃溃疡的实际病例在最近几年呈现上升趋势。胃溃疡的病因主要有饮食不规律、嗜酒,或者是身体抵抗力差、工作压力大等等,属于常见的一种消化道疾病。然而对于大部分患者来讲,胃溃疡病人都会考虑到一个问题:得了胃溃疡以后应当如何在饮食上加以调节?哪些食物是可以吃的?哪些食物是要尽量少吃的?或许下面关于胃溃疡在饮食方面     

事务型滑动窗口下的数据流频繁模式挖掘

作为数据流挖掘的一个重要研究问题,滑动窗口下的数据流频繁模式挖掘近年来得到了广泛应用和研究。已有的算法大多要对数据流中所有的数据都进行处理,而现实中用户往往只关注事物的某些方面,由此借鉴MFI-TransSW算法,提出了一种基于事务型滑动窗口的算法BSW-Filter（Bit Sliding Window with Filter）。算法采用比特序列实现滑动窗口操作,同时由于增加了频繁项的筛选,减少了所需保存的数据项个数,从而减小了内存使用和提升处理速度。算法的空间复杂度与滑动窗口大小以及数据流取值范围无关,特别适用于周期较长数据范围广的数据挖掘。分析和实验验证了该算法的可行性和有效性。     

一种基于云模型的无线传感器网络鲁棒性评价机制

针对无线传感器网络鲁棒性评估中存在的模糊性和随机性问题,本文引入云模型对无线传感器网络系统状态进行描述和检测,提出了基于云模型的无线传感器网络系统鲁棒性的评估与预测模型。最后通过试验与分析,进一步说明了本论文中模型的合理性,为当前无线传感器网络鲁棒性的研究提供了一种有价值的新思路。     

快速的属性约简算法

属性约简的效率是粗糙集等软计算理论的核心问题之一。为了提高约简效率,在分析不可分辨关系和基数排序特点的基础上,提出了一种时间复杂度为O（|C||U|）的求核算法。然后,运用改进的属性重要度作为启发信息,得到一种快速的属性约简算法,时间复杂度为O（|C|²|U|）。最后,通过UCI机器学习库中的一些数据集对算法进行测试,证明了算法对大型的数据集进行属性约简的高效性。