面向动态框架的数据交互规范研究

根据密码算法测评系统及其动态框架的设计需求,定义了动态可重组框架及其组件间的相互关系和数据交互流程.提出了一种具有3层结构的数据交互规范,该规范采用线性的存储结构,支持可变长度的数据,使得组件间数据的传递数量、类型和形式可以通过命令字及其相应的参数来动态定义,突破了组件间数据传输受限于目定格式的限制.基于数据交互规范,设计并实现了动态可重组的自动化测评系统.     

基于大型金融系统软件的压力测试研究及实现

在参阅大量有关软件测试的资料文献的基础上,结合某银行外汇询价交易系统软件测试项目,对压力测试从理论到实践进行了比较全面的探索。     

一种自学习阴影检测方法

提出一种实时学习的阴影检测方法,该方法无须用户提供监控场景信息或设定任何阈值,而是根据统计的技巧来自我学习该场景的阴影特性,进而达到阴影检测的目的。仿真结果表明,该方法可有效地实现阴影检测,并具有较强的自适应性和实时性。     

游戏型虚拟现实旅游系统的设计与实现

VR(虚拟现实)为用数字化技术带动文化旅游产业的发展与振兴提供了可能.文章针对传统虚拟旅游系统存在的沉浸感不强、缺乏互动等不足,设计并制作了基于RPG的石鼓书院游戏型虚拟旅游系统,对其设计思路与具体实现过程进行了详细论述,通过答题模块与寻物模块使旅游者通过与旅游系统的交互,减少其疏离感,增加娱乐性.     

基于压缩感知的图像重构算法

在图像压缩感知中,梯度投影恢复算法存在收敛速度慢、迭代次数多、对数据稀疏度过分敏感的问题。为此,提出一种基于压缩感知的图像重构算法。将拟牛顿法引入稀疏梯度投影算法中,利用拟牛顿法的估计校正机制以及其全局超线性收敛性,通过对目标函数的校正,获得更精确的搜索方向,从而减少迭代次数,构成有效收敛的图像恢复算法。实验结果表明,与传统梯度投影恢复算法相比,该算法在保证较好图像恢复效果的同时具有较好的抗噪性能,并且在减少迭代次数的基础上能有效降低重构误差,得到稳定收敛的重构结果。     

基于光纤-无线网络的协同计算卸载算法

随着无源光网络的发展,光纤-无线网络能同时支持集中式云和边缘云计算技术,成为一种具有发展前景的网络结构。但是,现有的基于光纤-无线网络的任务协同计算卸载研究主要以最小化移动设备的能耗为目标,忽略了实时性高的任务的需求。针对实时性高的任务,提出了以最小化任务的总处理时间为目标的集中式云和边缘云协同计算卸载问题,并对其进行形式化描述。同时,通过将该问题归约为装箱问题,从而证明其为NP难解问题。提出一个启发式协同计算卸载算法,该算法通过比较不同卸载策略的任务处理时间,优先选择时间最短的任务卸载策略。同时,提出一个定制的遗传算法,获得一个更优的任务卸载策略。实验结果表明,与现有的算法相比,本文提出的启发式算法得到的任务卸载策略平均减少4.34%的任务总处理时间,而定制的遗传算法的卸载策略平均减少18.41%的任务总处理时间。同时,定制的遗传算法的卸载策略与本文提出的启发式算法相比平均减少14.49%的任务总处理时间。     

仿真数据管理平台的需求分析与实施

CAE分析方法在汽车行业得到广泛应用,迫切需要对模拟分析结果和CAE分析方法进行有效管理.模拟分析过程本身比如边界条件、模型设置和结果处理都需要进行标准化,CAE应用阶段的拓展也需要有数据库做基础.在这种背景下,定义和开发基于SimManager的CAE平台.通过这个平台,将CAE任务包标准化后,用CAE模板对CAE分析过程和结果数据进行管理.不同CAE团队之间的模拟数据可以被追踪、重新利用和共享.在某些领域,重要的参数可以和以往数据对比或与试验数据比较.该平台实现发动机进、排气道CFD分析过程的自动化,极大地提高分析效率.     

《VB程序设计》课程教学改革初探

在VB程序设计课程教学中,如何解决程序设计本身枯燥、难懂这个问题,找到一条比较新颖的教学方式,一直是广大计算机教师颇感兴趣的课题。文章结合教学实践与理论思考,从教学手段和方法角度去探讨,并强调实验环节,合理的改进考核方法,注重学生编程能力和实际应用能力的提高,以达到提高课程教学质量的目的,阐述了VB程序设计教学改革的几点看法。     

基于GM-BP模型的塔机合理分配应用研究

塔式起重机是建筑工地应用最频繁的起重设施之一,但在实际使用中,由于塔机运输的物料分属于不同的分包商,经常导致工地现场分包商间为争夺塔机资源而出现争论以及带来的分配不均等诸多问题.为解决该问题,将BP神经网络引入到灰色预测模型(GM)中,建立塔机耗费数据的GM(1,1)和BP神经网络组合模型,通过对塔机的使用数据分析预测,实现塔机资源分配合理化.验证结果表明,该组合模型与单一GM模型或BP神经网络模型相比,具有较高的预测精度,对塔机的合理分配有较好的效果.     

基于粗糙集的模糊神经网络降水预报模型研究

为了提高模糊神经网络预测模型的预测能力,提出了基于粗集理论方法选择自变量作为模型输入的模糊神经网络预报建模方法.以短期降水预报作为研究对象,利用粗集理论的条件属性约简计算分析方法,对初选得到的预报因子矩阵进行属性约简,剔除不相关的属性,找出与预报量直接相关的预报因子,建立模糊神经网络的降水预报模型.实际的预报试验结果表明,该预报方法的预报精度明显高于由逐步回归方法选择预报因子作为模型输入的模糊神经网络预报模型及中国气象局T213数值预报模式的预报结果.