汉字构形与商业空间设计

有五千多年历史的汉字是世界文化艺术的瑰宝,它构形巧妙,形体优美,意蕴丰富,是中华民族聪明才智的物化。商业空间设计和汉字构形艺术的相通之处表现在构形方法以及深层的美学法则上,和谐统一的均衡美、结构穿插的流动空间美是二者共同追求的意境,也是二者互动的纽带。本文将汉字三维化与商业空间设计相融会、结合。从而将中国的汉字艺术魅力推广、发扬,将商业空间设计民族化、内涵化。     

现代平面设计中的“年画味”——浅谈民间年画在平面设计中的融合

现代平面设计风格以其高功能化、理性化独当一面,关于平面设计民族性与现代性结合的探索愈加重要。文章提出具有浓郁地方特色和乡土气息的民族艺术——民间年画与现代平面设计的结合。以比较、分析的方法,提出在平面设计的应用上借鉴年画的视觉语言、色彩意象和神韵意味的三个方面。     

基于参数重要度的多元时间序列相似性查询

针对多元时间序列的相似性查询问题,给出参数重要度的定义,提出一种基于参数重要度的候选集查询方法。通过对多元时间序列的SVD分解,将奇异值向量和特征矩阵作为多元序列的特征,基于线性空间中的坐标变换原理构造2个多元时间序列的相似性度量模型,实现在候选集上的精确匹配并获得最终的结果集。对飞行数据的相似性查询实验验证了该方法的有效性。     

改进的形态学骨架提取算法

针对由传统最大圆盘骨架提取算法提取出的骨架连通性差且无法保持一致的单像素宽度问题,提出一种改进的形态学骨架提取算法。将连通性保持与形态学运算相结合,在收缩目标提取骨架的过程中通过引入虚拟骨架点实现骨架曲线连通性保持,而单像素宽度细化及伪分支剔除等后处理过程的引入则进一步提高骨架描述目标形状及拓扑特征的能力。相关仿真研究证明了该算法的有效性。     

基于GML的市政道路管理模型

区别于传统的道路数据模型,基于地理标记语言（GML）的市政道路模型面向市政道路组成元素管理。分析市政道路组成元素的特点以及管理部门对市政道路管理的需求,依据GML的核心模式,建立面向管理领域的市政道路设施的空间属性一体化模型,并对该道路模型的应用前景进行分析。     

基于节点性能估算的应用层组播算法

提出一种基于节点性能估算的应用层组播树构建和维护算法(PPE)。综合考虑节点的性能及其在组播树中的位置,尽可能使高性能的节点接近源节点,使低性能的节点接近叶子节点,以此来提高组播树的效率,降低端到端的延迟,减小链路压力和控制开销。仿真结果表明,PPE在大规模节点环境中能有效改善组播树的性能。     

服务器监控技术综述及展望

随着服务器在各个领域的广泛应用以及服务器规模的不断扩大,服务器监控技术对保障服务器长期有效地工作起着关键性作用。首先对服务器监控的需求进行了阐述;其次对心跳机制、智能平台管理接口(Intelligent Platform Management Interface,IPMI)、简单网络管理协议(Simple Network Management Protocol,SNMP)及虚拟化技术等关键技术进行了归纳和总结,在此基础上描述了国内外主流的监控产品,如IBM Tivoli、HP OpenView等,并对其功能进行了对比和分析;最后对监控技术的发展前景进行了展望,针对现有服务器对高可用性的需求,提出了一种面向高可用服务器的监控框架。     

通用和修正D-H法在运动学建模中的应用分析

通用D-H法在机器人运动学标准建模中虽然已被广泛研究和应用,但其存在一个根本缺陷就是,对于两个相邻的平行关节,通用D-H法得到的齐次变换矩阵将是一个奇异矩阵,不能得到正确的模型,这样便无法对这部分关节运动进行正确的运动分析.而修正的D-H法是正对通用D-H所存在的缺陷进行了改进,保证了模型准确性.本文研究了通用的运动学建模方法D-H法和该方法的应用缺陷,以及修正的D-H法对通用D-H法存在的缺陷进行的改进,并对修正的D-H法在自由度串联机器人正逆运动学中建立模型的正确性进行了验证.     

基于数据块的关系数据库日志挖掘技术

在关系型数据库中数据库通过Redo日志来实现事物的快速提交,并记录事物的操作过程与操作内容.通过对Redo日志的分析与变化数据内容的捕获,将变化数据传送到灾备端,并在灾备端实现变化数据的写入,是目前数据库复制最主要实现原理.本文分析了oralce数据库Redo日志文件结构,阐述了日志文件头标志位信息.结合Redo 日志文件头定位分析技术,给出了一种基于数据块的数据库Redo日志挖掘算法.通过测试分析,验证了该Redo日志挖掘技术的可行性与可靠性.最后展望了下一步的研究方向.     

一种基于分类的平行语料选择方法

大规模高质量双语平行语料库是构造高质量统计机器翻译系统的重要基础,但语料库中的噪声影响着统计机器翻译系统的性能,因此有必要对大规模语料库中语料进行筛选。区别于传统的语料选择排序模型,本文提出一种基于分类的平行语料选择方法。通过少数句对特征构造差异较大的分类器训练句对,在该训练句对上使用更多的句对特征对分类器进行训练,然后对其他未分类句对进行分类。相比于基准系统,我们的方法不仅缩减40%训练语料规模,同时在NIST测试数据集合上将BLEU值提高了0.87个百分点。