基于MVC架构的网络设计研究

随着互联网和商业软件的发展,基于网络的应用系统越来越多,MVC架构能有效的缩短开发成本和开发时间,该文主要介绍MVC架构的几种主要模式,根据网络应用系统的特点．介绍如何在网络应用系统中实现MVC架构。     

基于Web挖掘的PCWS模型研究

在讨论Web日志挖掘问题的困难与现状的基础上,根据日志挖掘的特点和方法,着重提出了一种能自适应改变网站链接拓扑结构的模型:PCWS模型,它充分地利用了现有的算法,对模型中的每一部分进行了探究,描述了实现的方法。可以自适应不同的用户群,以简便用户访问网页。最后,具体介绍了利用该模型进行日志文件预处理,用户识别,会话识别,挖掘用户路径和序列模式识别的方法,并给出试验结果。目前,针对模型进行了初步的实现,效果良好,为进一步研究Web挖掘奠定了基础。     

一种新颖的无线传感器网络双向路由协议

目前对于传感器网络路由协议的研究越来越引起科学和工程界的广泛重视,但对于双向路由协议的研究还相对比较少,这是由于在传感器网络中,现有带宽对上行和下行链路同时工作支持得并不是很充分。一般来说,基于树型结构的上行路由被用来从感知节点接收数据,而下行路由一般以泛洪的方式广播兴趣信息到感知节点,这导致在下行链路上经常出现过载的情况。本文基于新颖的地址标记方式提出了一个有效的传感器网络双向链路路由协议,而且该方式在每个节点上只占用很小的地址空间。仿真结果表明,相对于传统的泛洪方式的路由协议来说,我们所提出的路由协议所产生的控制包数量远远小于已有路由协议。     

基于FPGA实现DSP与RapidIO网络互联

本文首先简单的介绍了总线的发展,从而引出一种新型的串行点对点交换结构RapidIO.DSP在高性能处理系统中的重要性毋庸置疑,但是目前的很多DSP并没有RapidlO接口.本文提出了利用FPGA,将DSP的总线桥接到一个RapidIO IP上,从而实现了DSP与RapidIO网络的互联.     

手功能康复机器人的鲁棒控制研究

以手功能康复机器人为研究对象,对被控对象建立数学模型,推导鲁棒控制器,基于simMechanics建立仿真模型,实现手功能康复机器人的鲁棒控制系统。考虑到手功能康复机器人是帮助偏瘫患者进行康复训练并最大限度地诱发患肢的主动作用,控制器中加入偏瘫患者的主动作用函数。控制系统在MATLAB／Simulink的环境下仿真,结果表明所设计的鲁棒控制器能适应不同程度的偏瘫患者,具有较佳的动态特性和很强的鲁棒性能。     

基于预处理的Ballon模型及在眼疲劳检测中的应用

获取眼睛轮廓和眼球轮廓对进一步研究人眼疲劳状态具有重要意义.提出基于预处理的Ballon模型对含有双眼的局部人脸图片进行人眼和眼球检测的方法.用微分算法抽取边缘、标识出物体、使用几何特性识别人艰区域,自动获取主动轮廓所需要的眼睛初始轮廓;使用提出的基于预处理的Ballon模型收敛人眼;结合数学形态等方法收敛到眼球.实验结果表明,该方法具有效果好、鲁棒性好、受光线影响弱等优点.     

一种基于模糊密度动态调节的融合目标识别方法

针对工程应用的需要,给出一种根据实时动态数据确定模糊密度调节系数的方法,并建立了基于模糊密度动态调节的融合目标识别算法.最后通过仿真实验给出了各种模糊积分用于目标融合识别时的识别结果,验证了所提出方法的有效性.     

电子学档在计算机基础课程教学中的应用

对大学计算机基础课程教学活动中引入电子学档来辅助教学,从而构建一种基于电子学档的信息化教学活动进行了探讨。并以《网页设计基础》课程的教学活动为案例,分析了在计算机基础课程教学中引入电子学档的可行性、必要性。最后,使用平均数差异显著性T检验来测量两组学生的学习情况,对使用电子学档提高学生的学习效率进行了量化评价。     

双马尔可夫决策过程联合模型

人类在处理问题中往往分为两个层次,首先在整体上把握问题,即提出大体方案,然后再具体实施.也就是说人类就是具有多分辨率智能系统的极好例子,他能够在多个层次上从底向上泛化(即看问题角度粒度变"粗",它类似于抽象),并且又能从顶向下进行实例化(即看问题角度变"细",它类似于具体化).由此构造了由在双层(理想空间即泛化和实际空间即实例化)上各自运行的马尔可夫决策过程组成的半马尔可夫决策过程,称之为双马尔可夫决策过程联合模型.然后讨论该联合模型的最优策略算法,最后给出一个实例说明双马尔可夫决策联合模型能够经济地节约"思想",是运算有效性和可行性的一个很好的折中.     

基于变步长量化的安全图像隐写

图像隐写通过将信息隐藏在载体图像中进行秘密传送,实现隐蔽通信.提出了VSQS图像隐写算法,利用密钥控制生成高斯序列并取整,用于对经伪随机排列后的图像像素进行变步长量化,根据量化像素与秘密信息之间的关系来修改像素,实现信息的嵌入.同时给出了该算法的一种扩展(称为TLQS隐写).实验结果表明,VSQS和TLQS图像隐写可提供较大的隐藏容量,并能抵抗几种常见的隐写分析方法.