Android移动应用的三种安全解决方法探究

随着移动终端智能设备的迅速更新换代,android操作系统的移动终端应用的种类也越来越多,并且更新速度快.Android智能手机的迅猛发展,使得android安全机制成为开发者和用户都关注的热点问题.在对android应用安全现状和安全机制简要分析下,针对三种安全问题,提出了相应的解决方案,并以实际例子,实现了相关安全机制的解决方法,实践证明,提高了应用的安全性.     

基于集群节点间即时拷贝的会话同步技术研究

集群会话同步技术目前主要有如下几种：基于Cookie的会话同步,基于数据库的会话同步,基于分布式缓存的会话同步.在以上会话同步技术的基础上,提出了一种基于集群节点间即时拷贝的会话同步技术,将会话标识信息存放在客户端中,避免了在客户端中存放完整的会话信息,从而可防止用户身份信息暴露的安全隐患;同时,在客户端向服务器发送请求的过程中,只携带会话标识信息,而不是完整的会话信息,传输的数据量将大大减少,提高了客户端对服务器的访问效率;各集群节点间同步会话信息,不需要从数据库中获取会话信息,避免了频繁使用数据库带来的性能瓶颈;也不需要使用专门的会话缓存服务器,减低了开发和部署成本,并具有良好的应用前景.     

社交网络用户在在线媒体中点播行为预测

在线媒体快速发展,为用户带来丰富多彩信息的同时,用户的参与也给在线媒体本身带来巨大的经济利益。因此,如何通过精确预测用户的偏好以增加在线媒体点击,成为一个学术界和工业界均关注的问题。现有的预测方法主要是借助用户个人信息和历史行为来预测用户行为,然而此类方法没有考虑媒体本身缺乏用户信息造成无法预测的问题。随着社交网络的发展,在线媒体与服务运营商间的兼并或合作的增多,支持用户通过单一账户使用多个媒体网络服务的情况越来越常见,这就为基于用户在社交网络中的资料预测用户在其他媒体中的喜好提供海量可信的基础数据。该文基于社交网络Google+和视频媒体YouTube的数据,首先证明用户在YouTube偏好具有高度的集聚性,并提出用户在社交网络中偏好与其在线媒体点击行为具有关联性,基于这种关联性,该文使用社交网络用户信息预测用户在在线媒体中的点播行为。实验结果显示,使用社交网络用户信息可以有效预测用户偏好,预测准确率比仅使用媒体本身信息提高了17%,而且能满足用户个性化需求。     

基于Hough变换与最小二乘拟合的香烟小包拉线错牙检测方法

针对小盒香烟包装生产过程中经常出现外包装透明薄膜上没有拉线或拉线错牙等现象,提出一种基于图像处理技术的检测方法。首先,对烟包拉线图像进行边缘检测,获得拉线的轮廓;其次,利用Hough变换检测小盒拉线的上下边缘;当Hough变换无法完全找到拉线的上下边界时,采用最小二乘算法对左右两侧拉线弧进行圆拟合,最后根据计算出的拉线宽度或两圆心的垂直距离判断拉线是否错牙并计算出拉线错牙偏移量。实验结果表明所提方法能有效地检测出烟包拉线的错牙程度,且具有较好的鲁棒性和有效性。     

MHD角速度传感器随机漂移误差补偿方法研究

为了补偿磁流体动力学(MHD)角速度传感器的随机漂移误差,在对其建立时间序列模型的基础上,采用卡尔曼滤波算法对MHD角速度传感器的漂移数据进行了处理,并用方差和Allan方差分析的方法,对滤波前后的数据进行了分析对比.实验结果表明此方法能有效地提高MHD角速度传感器的测量精度.     

Linux下Ext2文件系统的精剪与优化设计

基于Linux系统通过精细剪裁和优化设计,构建开发了一个Linux多级用户的Ext2二级文件系统,以作GPS等专业嵌入式的文件系统.其系统包括各基本实体(索引节点 、目录节点 、文件节点等)的定义和各功能模块的定义及实现,最后展示了系统部分功能模块的测试数据.本文所构造的Linux文件系统已经过测试并取得了良好效果.     

基于快速模板匹配的智能视觉传感器设计*

针对传统视觉传感器信号处理能力差、模拟信号输出易受干扰等问题,设计了基于ARM 6410处理器的智能化数字视觉传感器,应用于白车身在线视觉检测系统,完成数据采集、像素级二维定位和通讯控制工作。在Linux平台上,研究了一种快速稳定的像素级模板匹配算法,以去均值归一化灰度互相关法为相似性测度,多分辨率金字塔匹配法为搜索策略,使用“滚动相加补全像素法冶的二维求和新方法来优化计算过程,并进行了全局冗错设计,确保传感器工作稳定性。现场实验表明：采用该匹配算法和冗错机制使得视觉传感器定位功能速度快、精度高、鲁棒性好,能较好完成白车身视觉检测系统前端数据采集和处理任务。     

化工设备巡检系统

为解决化工企业传统的人工设备巡检模式中存在的数据遗漏和效率低下等问题,在分析了业务流程的基础上,采用RFID技术为主要的数据采集技术,设计并实现了一个化工设备巡检系统．该系统采用J2EE四层体系框架,实现业务逻辑和数据分离．使用该系统可以高效、方便地完成对化工企业设备的巡检和维护管理．     

Reliable representations for association rules

Association rule mining has contributed to many advances in the area of knowledge discovery. However, the quality of the discovered association rules is a big concern and has drawn more and more attention recently. One problem with the quality of the discovered association rules is the huge size of the extracted rule set. Often for a dataset, a huge number of rules can be extracted, but many of them can be redundant to other rules and thus useless in practice. Mining non-redundant rules is a promising approach to solve this problem. In this paper, we first propose a definition for redundancy, then propose a concise representation, called a Reliable basis, for representing non-redundant association rules. The Reliable basis contains a set of non-redundant rules which are derived using frequent closed itemsets and their generators instead of using frequent itemsets that are usually used by traditional association rule mining approaches. An important contribution of this paper is that we propose to use the certainty factor as the criterion to measure the strength of the discovered association rules. Using this criterion, we can ensure the elimination of as many redundant rules as possible without reducing the inference capacity of the remaining extracted non-redundant rules. We prove that the redundancy elimination, based on the proposed Reliable basis, does not reduce the strength of belief in the extracted rules. We also prove that all association rules, their supports and confidences, can be retrieved from the Reliable basis without accessing the dataset. Therefore the Reliable basis is a lossless representation of association rules. Experimental results show that the proposed Reliable basis can significantly reduce the number of extracted rules. We also conduct experiments on the application of association rules to the area of product recommendation. The experimental results show that the non-redundant association rules extracted using the proposed method retain the same inference capacity as the entire rule set. This result indicates that using non-redundant rules only is sufficient to solve real problems needless using the entire rule set.