浅析flash在网站设计中的应用

在这个网络飞速发展的时代,flash已经逐渐渗入到网络应用的每一个角落,已经逐渐渗入我们的生活中.网站的制作是一门综合性的技术,而flash的应用已经成为主流,一幅幅生动的flash在网页的设计中是必不可少的,这个增加了网页的生动性和可浏览性,同时也增加了与浏览者的互动性.     

浅谈软件设计与SOA

全球化的市场要求企业通过协同工作来提高自身的竞争力,这激发了企业去寻求加强计算机应用软件系统之闻的互操作性.如今,面向服务的体系结构(SOA)建立了一种描述服务并通过标准化方法来使用服务的一种应用体系架构.使得公司的竞争力通过采用基于标准的环境扩展得到提高,加强了计算机系统应用的互操作性.本文阐述了SOA对软件研发过程的重要意义以及对软件设计思维的重要变革.     

应用原对偶方法光滑向量的四阶算子分裂方法

高阶算子分裂方法在改善图像边缘阶梯化、提高计算效率等问题上有很好的作用,其主要思想是将四阶的偏微分方程分裂成两个二阶的偏微分方程分别求解,先进行向量光滑,然后再进行图像重构。相对于第一步的一般显式数值迭代方法,本文应用原对偶格式进行变量替换,应用拟牛顿进行向量光滑。数值结果表明,该方法很好地提高了信噪比,且视觉效果显著。     

基于WinCE6.0的LPC3250串口驱动程序开发

LPC3250微控制器具有很好的市场前景,基于它的硬件平台进行WinCE6.0的串口驱动开发是个难点。本文简单介绍了WinCE6.0的串口驱动模型;结合LPC3250串口的特殊性,详细说明在串口驱动开发的具体实现过程中如何配置串口相关的寄存器和处理中断;并分析了相关的部分源代码、注册表和Source文件。该驱动程序的实现为各种串口驱动开发提供了方便,经过测试,该设计方案是正确可行的。     

原对偶积极集法求解改进的有界约束图像恢复问题

为了提高模糊加噪声图像的恢复质量,提出了一种用于图像恢复处理的改进的带约束的正则化模型。该模型首先利用Levine等人提出的变指数、线性增长函数作为正则项,并根据图像局部特征选择合适的正则参数,这样既保留了总变差正则化方法在恢复图像边缘方面的优势,又减少了梯子现象;其次,为进一步提高恢复图像的质量,在此基础上再添加有界约束条件,如将灰度值固定在某范围内,以形成约束优化问题。由于它的求解相对复杂,为此可应用原对偶积极集法求解,其实质就是用半光滑Newton法来求解由约束优化问题转化所得到的方程组。数值实验表明,此方法是可行的和有效的。     

CPK数字签名和密钥交换协议

CPK密码体制提供多种数字签名协议和密钥交换协议,可以根据不同情况选用。 1密钥描述 1.1密钥的定义 用于数字签名和密钥交换的密钥如表1所示。     

企业亟待解决的15个信息安全问题

互联网和IT技术的普及,使得应用信息突破了时间和空间上的障碍,信息的价值在不断提高。但与此同时,网页篡改、计算机病毒、系统非法入侵、数据泄密、网站欺骗、服务瘫痪、漏洞非法利用等信息安全事件时有发生。     

μc/OS-II在51单片机上的移植

研究嵌入式实时操作系统μC/OS-II在51微控制器上的移植,提出μc/OS-II任务的编写规范以及注意事项。对μc/OS-II的移植具有普遍的指导意义,并为51平台的更高层次的开发和拓展打下了基础。     

基于车载激光点云的铁路轨道检测

铁路轨道的局部变形直接影响火车的高速安全行驶。为实现铁路轨道的自动化巡查,提出一种从车载激光点云中提取轨面与枕木的方法。首先,利用基于高程约束的欧氏聚类对原始点云数据进行预处理,得到路基区域;然后,对路基区域进行网格划分,并对每个网格内的点云进行高程判断,从而提取出轨面点云;最后,利用枕木与砟石的几何形态差异,设计出一种面向轨道点云的动态阈值分割方法,以提取枕木点云。对多个路段的铁路轨道进行实验,结果表明,本文方法仅利用点云坐标信息就能实现不同区域的轨面与枕木的自动检测,平均提取质量分别达到97.8%和93.6%,验证了本文方法的可行性与有效性。     

基于自组织增量-图卷积神经网络的金相图半监督学习

采用深度学习对钢铁材料显微组织图像分类,需要大量带标注信息的训练集.针对训练集人工标注效率低下问题,该文提出一种新的融合自组织增量神经网络和图卷积神经网络的半监督学习方法.首先,采用迁移学习获取图像数据样本的特征向量集合;其次,通过引入连接权重策略的自组织增量神经网络(WSOINN)对特征数据进行学习,获得其拓扑图结构,并引入胜利次数进行少量人工节点标注;然后,搭建图卷积网络(GCN)挖掘图中节点的潜在联系,利用Dropout手段提高网络的泛化能力,对剩余节点进行自动标注进而获得所有金相图的分类结果.针对从某国家重点实验室收集到的金相图数据,比较了在不同人工标注比例下的自动分类精度,结果表明:在图片标注量仅为传统模型12％时,新模型的分类准确度可达到91％.