基质吸力对抗滑桩间土拱承载力影响研究

为了分析基质吸力对抗滑桩间土拱承载力的影响,利用非饱和土理论分析土拱在极限平衡时的应力,经过推导得到了桩间土拱的抗剪强度公式,经过与实测结果对比确定了公式的适用范围。发现随着基质吸力的增加,土拱承载力先增加后减小：当基质吸力增加到26.33 kPa时,土拱承载力达到最大,随后下降;当基质吸力增加到44.58 kPa时,土拱承载力降到最低,但仍大于基质吸力“零”时的土拱承载力。表明基质吸力对土拱承载力的影响有一上限值,且非饱和土土拱承载力大于相同条件下饱和土土拱承载力。     

基于DHSP的格上最短向量量子算法的研究

SVP问题是格的公钥密码体制抗量子性的理论依据,论文运用量子计算分析SVP问题,对Kuperberg算法改进,提出了DH-SP多项式时间量子算法,并以此算法为模型框架,以Oded Regev算法理论为基础,提出近似因子为O(n3),时间复杂度是O(n4)的SVP量子算法,最后对其进行性能分析。论文算法的提出将对基于格的公钥密码体制的安全性带来重大威胁。     

基于虚拟仿真的动车组转向架检修支持系统开发

CRH380BL高速动车组转向架技术含量高,结构复杂,需要高效率、高质量的检修与维护手段。文章综合应用虚拟现实、多媒体和仿真技术,设计开发了动车组转向架检修虚拟仿真支持系统。它提供一个可视化的多媒体信息平台,可支持新的培训模式,使培训人员在虚拟环境中快速掌握检修技能,以交互方式浏览转向架各组成部件的三维模型,了解转向架的技术信息、结构特点、模块配置、各级修程信息及产品装配过程。该文介绍了转向架结构特点,详细描述了系统的结构、功能以及关键技术。     

ROP防御研究现状

自从ROP思想被提出以来,对程序安全的影响,特别是当前已知的安全防御提出了新的挑战。最近几年,ROP的研究取得一些进展。如何去防御这种基于控制流的细粒度,而灵巧的攻击思想已成为当前ROP研究的一个重要方向。而ROP的最终防御的解决方案能够有效处理当前多数基于控制流攻击的防御问题,能够根除很多现行的控制流程序。因而,ROP的研究对于提升程序乃至体系结构的安全有着特别的意义。将阐述ROP的研究现状,指出ROP防御研究的当前瓶颈,并对ROP防御当前的瓶颈提出一些设想和解决方案。     

MFALM:一种水下动态传感器网络主动定位方法

针对水下动态传感器网络定位的特点及问题,提出了一种基于到达时间差(TDoA)的多频率主动定位方法MFALM(multi-frequency active localization method base on TDoA)。该方法将网络节点分为3组:信标节点、中继节点和普通节点。节点之间通过高、低两种频率分别进行近、远距离通信。为减少通信开销,定义了精简的报文格式和有效的通信方式。分析表明,该定位方法由于采用事件驱动、多频通信、精简报文,因此在定位过程中不但能够减少节点的定位开销,延长网络生存时间,而且还有定位精度高、节点密度可调等优点。     

基于统计特征和马尔可夫特征的图像拼接盲检测

数字图像真实性检测在司法鉴定等领域有着重要的作用.常见的图像拼接篡改会降低图像像素直接的相关性,这可以通过一些统计特征反映出来.采用特征提取-分类的方法,提取矩特征、基于二维相位一致性的统计特征,结合DCT域的马尔可夫特征,利用SVM分类器进行分类,实现了拼接图像的盲检测.实验结果表明,该方法有较好的鉴别准确率,可达91.75%.     

软件可靠性模型研究进展

软件可靠性模型旨在根据软件失效数据,通过建模给出软件的可靠性估计值或预测值.它不仅是软件可靠性预计、分配、分析与评价的最强有力的工具,而且为改善软件质量提供了指南.对近年来提出的多种不同的软件可靠性模型进行分类剖析,讨论了部分模型的预测能力和适用性,分析了多个模型适用性差的原因,还对未来的研究趋势进行了展望.     

分层特征计算和错误控制的层次分类方法

中文新闻信息分类标准中,类别数量大。在将其应用于新闻分类时,会出现训练模型大、训练时间长,尤其是当部分类别改变时需要全部重新训练等问题。由于分类标准中类别之间存在层次关系,因此层次分类方法可以作为解决方案。研究层次化的中文新闻分类方法,并从以下两方面改善层次化分类方法的效果:1)分层的新闻特征计算,解决了层次分类中新闻在分类类别下的特征向量的不同表示的问题;2)错误控制,解决了在上一层分类错误的情况下新闻不会分到正确的类别上的情况。实验结果表明,层次分类方法的效果比平面分类的准确度提高了约4%,进行多次特征权重计算的层次分类方法比普通的层次分类的准确度提高了约3%,同时进行错误控制的分类效果比普通层次的分类效果提高了大概3%。     

MapReduce:新型的分布式并行计算编程模型

MapReduce是Google提出的分布式并行计算编程模型,用于大规模数据的并行处理。Ma-pReduce模型受函数式编程语言的启发,将大规模数据处理作业拆分成若干个可独立运行的Map任务,分配到不同的机器上去执行,生成某种格式的中间文件,再由若干个Reduce任务合并这些中间文件获得最后的输出文件。用户在使用MapReduce模型进行大规模数据处理时,可以将主要精力放在如何编写Map和Reduce函数上,其它并行计算中的复杂问题诸如分布式文件系统、工作调度、容错、机器间通信等都交给MapReduce系统处理,在很大程度上降低了整个编程难度。MapReduce日益成为云计算平台的主流编程模型。Apache Hadoop项目提供开源的MapReduce系统还有待进一步完善。     

CDDL:动态描述逻辑的不确定性扩展

本体(Ontology)是语义Web中共享知识的形式化建模工具,其逻辑基础是描述逻辑.动态描述逻辑(DDL)具有同时表示静态和动态知识的优势.本文针对语义Web需要处理不确定性动态知识的需求,利用云模型对DDL进行不确定性扩展,提出了一种能够有效实现不确定性静态和动态知识进行表示和推理的不确定性动态描述逻辑CDDL.与...