基于C#手机卡余额批量查询系统设计与实现

在Microsoft Visual Studio.NET环境下,以C#作为开发语言,实现了无人气象站、区域自动气象站、土壤水分站等手机卡卡费余额的批量查询。用户借助Web平台可以实时查询各类设备手机卡余额情况,对于卡费余额不足设定值的手机卡,系统将自动发出短信提醒台站管理员及时充值。     

基于RBAC模型实现电子政务系统业务的柔性处理

电子政务的迅速发展,加大了业务处理的复杂度,先前的系统业务处理功能虽然丰富,但随着需求的不断变更和业务处理的不断重组,使得系统的适应能力已逐渐不能满足这种变化带来的柔性需求。文中根据电子政务系统存在业务处理流程中的“固化”的现象,引进基于角色的访问控制（RBAC）模型,从顶层设计的高度,利用基于数据字典的系统实现方法,实现了系统对业务的柔性处理,增强了业务处理的灵活性,从而提高系统的适应能力,进一步使得基于电子政务的政府机构办事效率提高。     

表面改性四针状纳米ZnO结构与气敏性能研究

将4种质量分数(5%,10%,20%,30%)的Co(CH3COO)24H2O混合到四针状纳米ZnO原料里,采用超声化学浸泡法制备出表面改性四针状纳米ZnO颗粒。通过XRD和TEM分析了表面改性四针状纳米ZnO结构的物相和形貌特征。随着Co(CH3COO)24H2O质量分数增大,Co3O4相明显出现,Co3O4相沉积在ZnO表面上。研究表明:以表面改性四针状纳米ZnO粉末为原料制备的厚膜气敏元件,与纯ZnO气敏元件相比,Co(CH3COO)24H2O质量分数为5%的气敏元件对酒精和甲醇有较高的灵敏度,并讨论了表面改性对气敏性能的影响。     

基于本体的城市遥感影像语义模型

在快速的城市化进程中,遥感技术可以为城市土地利用变化提供直观、准确、同步的信息。本体是对概念化的明确描述和说明,更接近于认知模型,易于理解和共享;同时又能以计算机可操作的形式化语言明确表达目标领域的概念体系及其蕴含的语义。因此,在分析和借鉴现有相关研究的基础上,将本体、语义思想引入到遥感影像表达,建立了基于本体的城市遥感影像解译应用语义模型和解译框架,应用此框架将有助于提高城市遥感影像解译的精度与效率,对推动遥感技术在城市相关领域中的应用有着积极的意义。     

转发式假目标干扰的极化鉴别

高逼真度转发式假目标干扰对雷达系统的检测、跟踪以及数据处理都形成了很大的威胁,对真、假目标进行鉴别进而剔除假目标,是雷达对抗假目标干扰的一种有效途径.然而,由于转发式假目标干扰技术的日益进步,从时域、频域或者空域已经越来越难以将其鉴别.文中研究了利用极化信息鉴别目标和假目标的技术:根据假目标信号矢量极化比固定而目标信号矢量极化比随雷达发射极化而改变这一差异,将鉴别问题转化为二维复空间上的直线判别问题;推导了假目标鉴别统计量的分布表达式,依之分析了干扰的鉴别率;对于目标,提出了目标散射矩阵的分解模型及鉴别判别量的概念,从而根据目标鉴别判别量即可预估目标的鉴别率,完整地分析了算法的鉴别性能.仿真实验结果表明,文中方法能稳定而有效地鉴别真、假目标.     

基于本体的城市遥感影像语义模型

在快速的城市化进程中,遥感技术可以为城市土地利用变化提供直观、准确、同步的信息。本体是对概念化的明确描述和说明,更接近于认知模型,易于理解和共享;同时叉能以计算机可操作的形式化语言明确表达目标领域的概念体系及其蕴含的语义。因此,在分析和借鉴现有相关研究的基础上,将本体、语义思想引入到遥感影像表达,建立了基于本体的城市遥感影像解译应用语义模型和解译框架,应用此框架将有助于提高城市遥感影像解译的精度与效率,对推动遥感技术在城市相关领域中的应用有着积极的意义。     

基于小世界模型的传感器网络节能查询策略

查询处理是传感器网络中最重要的技术之一。以降低查询能耗为目的,提出了一种基于小世界模型的查询策略（CardSN）。该策略以关联作为长程连接,降低了网络平均路径距离;将各节点的邻居相对定位,使查询处理获得了方向性。仿真实验结果表明：CardSN具有良好的可扩展性,且能耗明显低于ZRP和CAPTURE。     

多波束相控阵天线角度测量方法

在雷达、通信、测控等领域中,基于相控阵天线的幅度和差单脉冲测角技术是基本方法,但该方法通过旋转法向方向图去近似表示子波束方向图,并用一阶泰勒公式近似表示子波束接收信号幅度,从而带来非噪声因素误差,最终导致目标角度估计精度不高。为此,通过相控阵天线同时产生两个形状相同但相互独立的子波束,旋转波束指向中心轴方向的方向图函数来确定两个子波束的方向图函数,并用高阶泰勒公式对子波束接收信号幅度进行近似,从而减少误差。仿真和硬件测试结果表明所提方法能够有效提高测角精度。     

嵌入路网图模型的自动驾驶场景描述语言

深度学习的快速发展带动着自动驾驶技术的迅速进步.深度学习感知模型在识别准确率逐步提升的同时,也存在鲁棒性和可靠性不足等隐患,需要在大量场景下进行充分测试以确保达到可接受的安全标准.基于场景的仿真测试是自动驾驶技术的核心和关键,如何描述和生成多样化仿真测试场景是需要解决的关键问题之一.场景描述语言能够描述自动驾驶场景并在虚拟环境中实例化场景获取仿真数据,但现有的场景描述语言大都缺少对于场景道路结构的高层抽象和描述.提出路网属性图来表示路网中抽象出的实体及他们的关系,并设计能简洁描述场景路网结构的语言SceneRoad. SceneRoad可以基于描述的场景道路结构特征构建路网特征查询图.这样,在路网中搜索符合描述的场景道路特征的问题被抽象为路网图上的子图匹配问题,该问题可用VF2算法求解.进一步地,将SceneRoad作为扩展集成到Scenic场景描述语言中.使用拓展后的语言随机生成大量多样的静态场景并构建仿真数据集.仿真数据集的统计信息表明生成的场景具有丰富的场景多样性.不同感知模型在真实和仿真数据集上的训练测试结果表明,模型在两个数据集上的表现呈正相关,意味着模型在仿真数据集上的评估...     

基于社团多特征融合嵌入表示的时序链路预测方法

时序动态网络在静态网络基础上综合了时间属性的概念,包含了网络结构的复杂性、动态性等内涵,是研究复杂网络链路预测问题的较优思维对象,因在现实世界中具有较高应用价值而备受关注。目前大部分传统方法研究对象仍局限于静态网络,存在对网络时域演化信息利用不充分、时间复杂度较高等问题。结合社会学理论,提出一种基于社团多特征融合嵌入表示的时序链路预测方法,该方法的核心思想是通过分析网络动态演化特性,在社团范围内学习节点的嵌入表示向量,融合多特征以衡量节点间连边的生成概率。利用网络集体影响力的方法对节点和连边的权值进行计算,基于集体影响的连边权值进行社团划分,将网络划分为若干个社团子图,得到基于集体影响的相似性指标。在社团范围内,利用有偏的随机游走,结合梯度优化的Skip-gram方法获取所有节点的嵌入表示向量,得到基于社团范围游走的相似性指标。融合节点的集体影响、社团范围节点的多个中心性特征和学习到的节点表示向量,得到多特征融合的相似性指标,3 种新指标都可以用于衡量节点之间形成连边的概率。对比基于移动平均、嵌入表示、图神经网络等经典时序链路预测方法,在 6 个真实数据集上的实验结果表明,所提基于社团多特征融合的方法在 AUC评价标准下取得更优的预测性能。