基于图论的无线传感器网络自组织性能研究

无线传感器网络自组织问题越来越受到人们的关注,控制方法也大量涌现,但在对自组织性能的评价上,现在大多仍停留在定性分析阶段。本文针对无线传感器网络自组织中连接和覆盖两个重要指标,利用Delaunay三角剖分评价节点实体和他们的关系以及结点之间的信息传递和融合;利用Voronoi图进行评价节点覆盖的区域;同时,对整个自组织过程,引用自组织度的概念对其分布效果进行定量分析。仿真结果表明,我们提出的性能分析方法能够很好地评价无线传感器网络自组织算法的优劣。     

基于虚拟现实的网络化上肢康复训练系统

针对中风病人和上肢受伤病人在传统的基于康复器械的训练中,人机之间缺乏良好的互动性以及训练模式内容枯燥乏味的缺点,本文使用Windows GDI和OpenGL在VC++6.0开发环境下开发了一种新颖的基于虚拟现实和计算机网络的上肢辅助康复训练系统。该系统配合康复训练的主动模式和阻抗模式,可以与病人进行具有趣味性和良好交互性的康复训练过程。实验结果表明系统能够辅助医生对病人进行康复训练医疗,并且能够极大的提高病人进行康复训练的积极性。     

一种多服务器环境下基于智能密码钥匙的认证方案

口令认证是客户端访问服务器资源的第一步。在分析现有的一些远程登录认证方案的安全性及其性能的基础上,提出了一种新的多服务器环境下基于智能密码钥匙的认证方案。该方案利用了RSA公钥密码算法、单向散列函数、会话随机数等方法来加强安全性。并分析了它可以抵抗一些常见的攻击。     

数域筛法分解r^e±s型大整数时多项式的选取

数域筛法是目前最有效的大整数分解算法,多项式的选取是该算法中的一个重要环节,它关系到整个算法的运算速度和所耗时间。对数域筛法分解re±s型大整数时的多项式选取问题进行了研究,这里r、s分别为绝对值较小的整数。通过理论分析和数值计算,给出了选取多项式的一个新的原则—多项式次数在不同情况下的取值范围。     

不锈钢搅拌桨的数控加工

本文介绍了不锈钢搅拌桨的数控加工方法,以NX CAM模块为平台,研究了五轴联动数控铣削加工工艺及编程策略.对数控五轴联动加工中刀具轴方位角的确定、刀具轴倾角的确定以及加工干涉的避免等关键技术进行了详细阐述.对复杂曲面的多轴加工实践有一定的借鉴作用.     

软件人才职业素质教育模式的探索与实践

本文分析了软件行业对软件工程人才的职业素质要求,构架设计了适合软件行业的软件工程专业人才职业素质教育课程体系。该课程体系将软件工程人才的职业素质教育贯穿于理论知识课程、专业技能课程和综合技能素质课程三个方面,即让软件人才的职业素质教育融入整个软件工程专业的教学过程中。通过不同形式的思想教育、课堂教育、课外活动、团队活动等逐步提高软件工程人才的职业素质,真正培养出"职业能力强,综合素质高"的具有特色的创新型、应用型软件技术人才。     

加强计算机终端信息安全的两种解决方案

目前,各种信息安全问题的不断发生,证实了操作系统和信息安全管理已不能适应信息私密性与完整性的要求,并且大多数安全问题发生在单位内部.因此,人们越来越意识到终端信息安全的重要性.针对计算机终端安全问题,总结并提出了两种主要的解决方案:一是基于可信平台模块的终端信息安全体系结构;二是操作系统安全信息防护体系的设计.这两种解决方案根据各自特点,满足不同用户的需求,共同构建计算机终端安全防护体系.     

惠普支援地震灾区

惠普首批捐赠830万现金及设备用于四川地震灾区的抗震救灾和灾后重建工作2008年5月16日——中国惠普(HP)宣布,惠普公司基金会,惠普公司和惠普中国联合向中国红十字会总会首批捐赠830万人民币的现金和设备,用     

气相色谱结合化学计量在核桃油、菜籽油掺伪混合物含量判别分析中的应用

目的：识别核桃油中同时掺入多种其他植物油的多元掺伪。方法：采用气相色谱技术分析核桃油、菜籽油掺伪混合物中脂肪酸含量,结合化学计量方法对气相色谱数据进行建模,并对不同比例核桃油、菜籽油混合物进行判别分析。结果：主成分分析法（PCA）能快速鉴别出纯核桃油和掺伪核桃油,并在一定程度上反映样本的掺伪比例;Bayes判别分析将83.33%的样品归入正确的分类;偏最小二乘判别分析法（PLS-DA）的判别准确率达87.50%;基于BP神经网络模型的判别分析,其训练集的正确率为84.21%,测试集的正确率为80.00%;基于遗传算法优化支持向量机（SVM-ga）的判别分析,其训练集和测试集的正确率均为100%。结论：多种分析模型均能不同程度地识别核桃油、菜籽油掺伪比例,其中SVM-ga模型的预测精度最佳。     

一种基于深度学习的高轨卫星CEI信号频率估计算法

针对高轨卫星连线干涉测量(Connected Element Interferometry,CEI)信号的高精度频率估计这一难题,建立了CEI中的正弦信号频率估计模型。设计了基于深度学习框架的CEI信号频率估计算法,将算法划分为基于前馈深度神经网络的频率表征模块和基于卷积神经网络的频率计算及估计模块,在此基础上设计了各模块的具体结构和学习训练流程。对于算法的核心模块进行了仿真实验验证,并将所提算法与前人的相关算法进行了比较与分析,证明了该算法的有效性、稳定性和优越性。