代码变形的增强LZMA算法

为了使LZMA压缩算法满足代码变形所要求的文件可执行性与保密性,并进一步提升压缩效果,提出了在加密、分块并行、字典搜索策略、输出元组及加壳等五个方面的增强方法,设计了一个基于增强LZMA算法的代码变形系统模型。根据增强LZMA算法的保密性、压缩效果以及对文件可执行性影响的实验结果表明,该算法有很好的应用效果。     

《流体压强与流速的关系》教学设计

◇信息技术的融入——课堂“创新化”。 电子白板、视频短片,Flash与网页课件的合理运用使信息技术在教学中提供了开放、共享、研究沟通、展示到位、利于反馈的有利空间。例如,电子白板在课堂实时交互中实现探究学习与有效练习的结合,强化课堂对话和交流;网络平台（校网）的应用使学生完成当堂训练可及时得到反馈;阅读老师的博客上推荐网自我学习;教师可利用网络完成统计,快速准确掌握学情。     

基于条件随机场与信息熵的特定领域概念发现

针对特定领域内自动化识别既有概念和发现新概念的问题,提出一种基于条件随机场和信息熵的抽取方法。通过使用条件随机场对文本中的概念词进行边界预测,与词典中的概念对比,筛选出新概念的候选项并找出其大概位置,然后由互信息和左右熵分别判断概念窗口内的概念内部结合度和概念边界自由度,从而发现新的专业概念。实验表明,使用该方法进行概念发现比单独使用条件随机场的方法有更好的效果,基于字和词的模型概念发现的准确率分别提升了20.06%和46.54%。     

时态数据库中的无α环问题研究

研究了时态数据库中的无α环问题,由于无α环数据库模式具有一系列优异的特性,如良好的联接环境,较高的运行效率,以及可以通过算法判定查询中的二义性问题等等.因此,以关系数据库中的超图及其相关知识为理论依据,提出了无α环时态超图以及TGraham算法和一些重要特性.     

一种可隐蔽监视的CCD图像监视系统

为适应某些特殊场合需要,研究了一种可隐蔽监视的CCD图像监视系统。在对图像监视系统的CCD摄像镜头研究中,设计出一种突破传统CCD摄像镜头的视场角局域、不需要旋转云台、结构短小轻便的小型针孔广角CCD摄像镜头,它更有利于隐蔽监控,还扩大了监视的视场范围。本系统还设计有微机图像处理自动报警功能。     

基于全局中心的高密度不唯一的K-means算法研究

传统的K-means算法敏感于初始中心点的选取,并且无法事先确定准确的聚类数目[k],不利于聚类结果的稳定性。针对传统K-means算法的以上不足,提出了基于全局中心的高密度不唯一的新方法--NDK-means,该方法通过标准差确定有效密度半径,并从高密度区域中选取具有代表性的样本点作为初始聚类中心。此外算法针对最高密度点不唯一的情况进行特别分析,选取距离全局中心最远的点集作为最优的初始中心点集合。在NDK-means算法基础上结合有效性指标BWP对聚类结果进行分析,从而解决了最佳有效聚类数目无法事先确定的不足。理论研究与实验结果表明所提方法的聚类结果具有更好的稳定性和可行性。     

高层建筑铝模板施工技术的应用核心探索

目前铝模板是高层建筑施工中逐渐被推广应用的一项施工技术,其不仅施工操作较为便捷,而且能够适应高层多个施工环节的施工要求,且有利于控制施工成本.因此应加强对该项施工技术的研究,并在施工实践中加强与相关施工技术的有机结合,从而优化施工技术水平,全面提高施工质量以及效率.     

《机械设计制图》新教学模式探究与实践

为了在有限的教学学时内进一步提高教学质量,在《机械设计制图》的教学过程中,把教学内容分为“必修”部分、“自修”部分和“选修”部分,这样可以突出重点,提高自主学习能力,分类分层次教学;为了激发学生们的学习兴趣,避免教学过程中的枯燥的“灌输式”的教学模式,采用延伸式教学法和研讨式教学法等形式多样的教学模式和教学手段;教学过程中经常遇到许多“教师难以表达,学生难以理解”的知识点,通过找到案例式教学法等适当的方法进行“深入浅出”讲述：为了让绝大多数的学生都得到规范的练〉--j,重视课堂或辅导课上测验训练;注重教学过程管理的“五统一”与“个性化”教学。     

基于密度期望和有效性指标的尽均值算法

传统尽均值聚类算法虽然收敛速度快,但存在聚类数后无法预先确定,并且算法对初始中心点敏感的缺点。针对上述缺点,提出了基于密度期望和聚类有效性Silhouette指标的K-均值优化算法。给出了基于密度期望的初始中心点选取方案,将处于密度期望区间内相距最远的石个样本作为初始聚类中心。该方案可有效降低尽均值算法对初始中心点的依赖,从而获得较高的聚类质量。在此基础上,可进一步通过选择合适的聚类有效性指标Silhouette4指标分析不同后值下的每次聚类结果,确定最佳聚类数,则可有效改善k-值无法预先确定的缺点。实验及分析结果验证了所提出方案的可行性和有效性。     

钢铁材质无损检测中神经网络聚类方法的应用

针对钢铁材质质量的检测问题，依据电磁无损检测原理，结合聚类分析技术，利用神经网络聚类学习方法，通过实验研究，提出了一种新的自适应模式识别技术．试验结果表明，该技术比传统的电磁无损检测准确度高、误判率低．