基于第三层交换技术的网络实验室建设

网络实验是计算机网络学科重要的教学环节。随着社会对具有较强实践能力的计算机网络专业的毕业生的需求日益增加,网络实验室的规划建设就显得非常重要。本文结合中原工学院广播影视学院的网络实验室的组建实例讨论了其规划及实施方案。     

嵌入式平台项目开发研究——J2ME代码优化与紧缩

使用J2ME平台在嵌入式平台所能提供的有限的硬件上开发应用软件与游戏,这对J2ME开发者来说是一个挑战.通常来说,刚刚开发完成的软件,要运行在真机设备上常常会出现一些问题.所以开发完成的产品,必须通过对产品进行多方面的优化.通过算法与编码方式的优化可以提高程序的运行速度、减少内存的占用、提高程序的运行效率.     

浅析Excel教学及管理应用

本文主要介绍了Excel VBA教学管理系统.该系统充分体现Excel本身强大的数据处理和分析能力,它具有基本运算功能、函数功能、图表功能和数据分析功能等统计功能,在统计学的教学过程中灵活应用这些功能,有助于教师摆脱目前统计学教学中所面临的困难.     

浅析UPS电源在网络机房的使用

网络机房承载着网络系统信息交换和存储业务,为网络上的用户提供全面的数据资源共享服务和各种网络服务,那么具有良好供电能力的UPS电源则是基本保障的前提。本文从UPS电源的初步认识入手,重点讨论了UPS电源在网络机房的使用注意事项及其日常维护。     

三模冗余中局部重构及模块同步技术研究

传统的三模冗余方法仅能容错,无法进行故障修复,当两个模块出错时系统将无法正常工作;采用局部动态可重构技术虽然可以修复故障,但修复后的模块与其他模块状态不同步,无法立即工作,需等待系统完成当前任务后重新同步,在同步前如果另有模块发生故障,系统仍将无法工作。本文对三模冗余系统中的模块同步方法进行了研究,当某一故障模块被重构修复后,可以迅速与其他模块同步,尽快加入系统工作,避免因故障积累造成的系统失效。该方法可以有效缩短冗余模块从故障修复到重新加入系统工作之间的等待时间,大大提高三模冗余的可靠性。     

足球反作用力下仿人机器人姿态控制研究

本文以仿人机器人踢足球为例,以现实机器人为原型,利用Solidworks建立了仿人机器人的三维机械结构模型,利用ADAMS和Simulink联合仿真的方法,仿真得到了机器人踢足球的整个过程,利用ZMP理论实时求得机器人的重心轨迹,计算与理想轨迹的偏差,通过改变机器人姿态以减小偏差,实现了对机器人的闭环控制,提高了机器人在受外力作用下的稳定性,并进行了实物实验,验证了该方法的有效性。     

基于值域二次哈希方法的布鲁姆过滤器

本文针对扩展式布鲁姆过滤器(EBF)内存消耗过大,提出一种基于值域哈希二次过滤的布鲁姆过滤器数据结构(VHBF)和相关算法,VHBF通过在布鲁姆过滤器中对集合中的每个特征进行k次哈希,并将此k次哈希值转化为相应特征的镜像特征。然后对此镜像进行二次过滤运算,运算后的结果保存在另一布鲁姆过滤器中。在对特征进行检索时,由于无需保存特征本身,因而空间效率比EBF更高。实验表明,VHBF的假阳性误判率的比扩展型布鲁姆过滤器(EBF)低,而VHBF内存消耗也低于EBF。     

基于DSP定时器在伺服位置控制中的应用

对DSP定时器功能及相关寄存器进行一般性的介绍。鉴于相位检测器与定时器共享引脚,将相位检测器作为定时器的输入引脚,用编码器反馈值作为计数值,利用定时器的比较寄存器产生的中断,将位置反馈和实时控制结合起来,由电机不同的旋转速度来设定定时器计数比较值,从而实现对伺服的实时位置控制。通过实验数据表明,定时器能够应用于对实时性和精度要求较高的伺服实时位置控制。     

The upper and lower bounds of the information-hiding capacity of digital images

The information-hiding capacity of a digital image is the maximum information that can be hidden in that image, while the lower limit of information hiding is the minimum detectable information capacity. This paper proposes a new method of information-hiding capacity bounds analysis that is based on the neural network theories of attractors and attraction basins. With this method, the processes for determining upper and lower limits of information hiding, are unified within a single theoretical framework. Results of research show that the theory of attraction basins of neural networks can be used to determine the upper limit of information hiding and the theory of attractors of neural networks can be used to determine the lower limit of information hiding.     

Locally linear discriminant embedding: An efficient method for face recognition

In this paper an efficient feature extraction method named as locally linear discriminant embedding (LLDE) is proposed for face recognition. It is well known that a point can be linearly reconstructed by its neighbors and the reconstruction weights are under the sum-to-one constraint in the classical locally linear embedding (LLE). So the constrained weights obey an important symmetry: for any particular data point, they are invariant to rotations, rescalings and translations. The latter two are introduced to the proposed method to strengthen the classification ability of the original LLE. The data with different class labels are translated by the corresponding vectors and those belonging to the same class are translated by the same vector. In order to cluster the data with the same label closer, they are also rescaled to some extent. So after translation and rescaling, the discriminability of the data will be improved significantly. The proposed method is compared with some related feature extraction methods such as maximum margin criterion (MMC), as well as other supervised manifold learning-based approaches, for example ensemble unified LLE and linear discriminant analysis (En-ULLELDA), locally linear discriminant analysis (LLDA). Experimental results on Yale and CMU PIE face databases convince us that the proposed method provides a better representation of the class information and obtains much higher recognition accuracies.