基于双侧截尾正态分布的机构运动可靠度研究

研究机械运动机构可靠度优化计算,为了更准确地分析机构运动可靠度,提出了随机变量取值的有界性.从双侧截尾正态分布的基本概念出发,推导了截尾正态分布的期望均值和方差的一般形式,并运用逆变换法获得了一种双侧截尾正态分布随机数的抽样公式.同时基于蒙特卡罗法给出了含截尾分布随机变量的机构运动可靠度计算方法.并采用一个典型机构,对运动可靠度问题的随机变量,采用截尾正态分布和一般正态分布进行比较计算,前者比后者得到的运动可靠度更高.结果表明:基于截尾分布抽样的蒙特卡罗法求解机构运动可靠度比传统方法更为准确.     

基于OWL的成语典故本体构建研究

本体是共享概念模型的明确的形式化规范说明,作为知识表示和知识共享的一种方法,本体是目前信息处理领域研究的热点。基于本体论的思想,利用骨架法构建了成语典故本体,并用OWL语言对成语典故本体进行形式化描述。详细介绍了成语典故本体的目的和使用范围、知识采集提炼及OWL描述,OWL描述分别从类、子类、属性、个体及关系几个方面进行了详细分析,为成语典故相关知识的查询奠定基础。通过成语典故本体的构建可有效对成语典故进行智能检索,是本体技术在中国传统文化中应用的尝试。     

软件设计中的安全漏洞动态检测技术分析

计算机安全性问题是软件设计需考虑的主要问题之一。为了构建安全的软件设计体系,防止各种外部干扰对软件的攻击和破坏,软件设计过程中对安全漏洞的检测和防护就显得尤为重要。本文通过对软件设计中各种安全漏洞动态检测技术的详细分析,并对各种已有的动态检测技术进行详细的比对,总结出各种动态检测技术的优、缺点,为在各种软件设计中正确选用适合的检测技术提出有力的参考依据。     

Creator和Vega虚拟仿真技术在武器系统教学中的应用

针对武器系统在教学训练中经常遇到的问题,基于Multigen Creator和Vega开发了武器虚拟仿真训练系统．很好的解决了这一难题。并归纳总结了该虚拟仿真系统在教学中创建实时虚拟仿真程序的过程。具有较高的应用和推广价值。     

基于Web Services和MA的虚拟企业架构

虚拟企业是企业间的一种动态联盟,它面向全球范围的企业资源,通过构建VE联盟之间的快速重组,实现联盟企业之间的敏捷化和柔性化.因此它是未来企业生产经营和市场竞争的发展模式.随着市场竞争的日趋激烈和信息技术的高速发展,对虚拟企业的发展提出了更高的要求.为了解决虚拟企业耦合度过高、缺乏柔性等问题,在分析了Web服务和多代理技术在虚拟企业中应用的必要性和可行性基础上,提出了基于Web服务和多代理的虚拟企业架构,并给出了一个改进模型.     

基于DSP的静电悬浮转子微陀螺测控系统

开发了一种基于数字信号处理器(DSP)的静电悬浮转子微陀螺的可视化闭环测控系统.该系统是在VC33DSP平台下,采用增量式PID算法控制器,对VC33DSP开发系统的外设A/D、D/A和PCI芯片进行编程应用.具体为使用VC++编写可视化界面,对PCI芯片编程实现DSP与PC之间通信,使用VC33DSP汇编语言编程实现数据的输入输出.经编程测试,增量式汇编函数能够有效运行,为静电悬浮转子微陀螺的悬浮、旋转等检测控制实现奠定了一定的基础.     

网络化测试系统中间件的研究与设计

针对网络化测试系统中测试设备种类繁多,总线结构和测试平台各不相同的问题,研究了基于面向服务体系结构(SOA)的网络化测试系统消息中间件(MOM).将SOA与MOM相结合,设计了该中间件的体系结构,给出了消息发布和订阅的流程,并对消息的格式进行了详细定义,结合实例,验证了该模型的有可行性和有效性.实验结果表明,该中间件为网络测试系统的各个测试设备提供了一种公用的信息通信方式,可以有效地解决网络化测试系统中的跨平台数据交换和通讯问题.     

基于高斯滤波C-V模型分割算法的改进

在现实世界经常有一些灰度不均匀的图像给图像分割造成了很大的困难.为了解决由于图像灰度不均匀造成的图像轮廓提取的困难,结合邻域算法和高斯滤波的性质的基础上,提出了基于图像局部区域灰度信息的算法,使曲线的演化过程基于图像的局部信息.同时采用了水平集演化规则化模型,避免了水平集函数的不断初始化.实验结果表明,新算法无论对合成图像还是真实图像,都能提取出准确的物体轮廓.     

在癌症分类中基于PPS抽样的集成神经网络算法

针对样本重组的有效性和合理性问题,将PPS抽样技术引入样本重构,提出了基于PPS抽样的集成神经网络算法,以提高个体神经网络的准确性与差异度,并实现动态选择个体神经网络的神经网络集成新方法.最后在结肠癌数据集上进行实验,实验结果表明,该方法与采用多个互相合作互相竞争的个体神经网络集成方法相当,但计算量更小,所用运算时间更少,效率更高.     

基于分群策略的机群系统上Motif发现并行算法

Motif发现是生物信息学的一个重要研究问题。采用均匀分配后缀群策略、并行淘汰和归并方法,在机群系统上设计一种Motif发现并行投票算法。实验结果表明,在保证解精 度的前提下,该并行算法获得了良好的加速,执行效率达到95％以上。