区分服务在网络隔离系统中的研究与实现

在网络隔离系统中实施区分服务能进一步提高系统的服务质量(QoS)。首先研究了网络隔离系统的代理模型以及在该模型中实施区分服务的基本要求,给出了在内网单元实施区分服务应采用的系统架构,结合该架构,阐述了应用数据的分类、排队及其他相关技术的实现,最后针对区分服务的配置信息的组织以及配置过程进行了系统的实现。     

ASUS R300 GPS

山寨GPS极大发挥了GPS设备在硬件功能、性价比两方面的潜力,在竞争激烈的非专业手持GPS市场深得人心。品牌厂商的GPS设备几乎没有价格优势,想要博人欢心,除了依靠品牌价值外,投入资本研究一些特色功能也是必不可少的。     

高容量便携存储时代 KINGMAX超棒8GB KINGMAX 16GB SDHC存储卡

随着各色多媒体文件尺寸日渐增大,高像素照片、高清摄像机逐渐普及,高容量便携存储设备的存储空间也在急剧增加,年初4GB闪存盘还是主流,而现在8GB闪存盘也即将变成主导。     

低成本蔬菜大棚温度计的制作

本文介绍的蔬菜大棚温度计不用特殊的温度传感器,不用单片机,显示直观,设定超温报警低温报警简单方便,成本不超过20元。经过适当改动还可以作温／湿度同时显示。这种蔬菜大棚的温度计很有实用价值。 一、温度-电压转换原理 硅二极管有正向导通电压随温度上升而下降的特性,在恒定电流偏置情况下,变化率约为-2mV℃,也就是说负温度系数。由于恒流源制作复杂,往往用电阻与硅二极管串联接一个固定电压,形成分压电路。     

坦克设计新发展

本文提出“针对式坦克发展战略”主要内容,它要求“突破性新概念高新技术”,获得“减法设计方法”,因而形成“坦克发展新道路”.运用“系统总体取胜”的系统工程理论,处理好坦克全系统“综合”、全系统与分系统“配置”、分系统与分系统“匹配”、全系统与人及作战环境“适应”四大关系,以“相互同水平组合”替代“单项高水平爬坡”.通过“从系统总体着眼、由边际零部件突破”的途径,善于从各个部分或部件之间的结合部加以突破,实现坦克设计新发展.     

多尺度特征融合U-Net的遥感影像黑臭水体智能检测

研究采用卫星遥感技术获取高分辨率遥感影像水体样本数据集,基于深度卷积神经网络从高分辨遥感影像中提取水体并进行黑臭水体智能监测,提出了一种改进U-Net的黑臭水体检测网络模型(IWDNet)。基于U-Net结构引入跳跃式多尺度特征融合,结合通道注意力机制、卷积注意力模块、通道与空间注意力机制生成不同多尺度特征融合注意力机制(MFFAM)模块进行对比,并引入空洞卷积扩大网络感受野,最终实现黑臭水体的识别检测。实验证明：基于跳跃式多尺度融合与CBAM注意力机制的黑臭水体检测网络(MFFCBAM-IWNet)模型有效提升了识别精度,在高分辨遥感影像水体样本数据集上表现最佳,总体精度达98.56%,Kappa系数达0.978 4。     

电网新能源在线安全校核技术的实践应用

国家电网近年来查处安全生产违章力度有所加大,对电网运行期间的风险管控也有所加强,实施电网风险 管控的相关支撑专业能力也得到了提升.为此,立足于?国家电网公司电网运行风险预警管控工作规范? (国家电网 Q/GDW１１７１１－２０１７)、?关于进一步加大安全生产违章惩处力度的通知? (国家电网安监〔２０２２〕１０６号) 等规范性 文件,对电网新能源在线安全校核技术应用实践展开分析.     

基于多模态数据的博彩网站检测识别模型北大核心CSCD

文章提出一种基于多模态数据的博彩网站检测识别模型,首先构建基于文本特征的Bert特征提取模型和基于图像特征的VGG19特征提取模型;然后通过特征融合及改变损失函数的方式提升博彩网站检测识别分类效果。在自建的正负样本1:5、1:10和1:20的数据集上对模型进行验证,实验结果表明,正负样本不均衡情况越明显,该模型的优势越明显,越能高效检测识别博彩网站。     

基于元胞自动机的蜂群无人机故障影响模型

基于固定翼无人机飞行特性以及蜂群无人机控制策略,针对无人机控制器遭受恶意攻击的情形,采用时序网络与元胞自动机理论分析蜂群无人机故障影响机理.首先,通过时序网络分析蜂群无人机拓扑网络的变化情况,提出基于跳数的故障传播路径的确定方法;其次,考虑蜂群无人机状态信息,建立符合蜂群无人机特征的元胞对象,同时基于局部信息交互原则,确定元胞自动机的状态演变规则,并依据近邻信息对无人机控制律的影响,提出矢量投影法来确定故障影响权值,辨识出各无人机故障影响程度的动态变化情况;最后,建立仿真模型,利用预测与实际故障影响程度结果,基于DCG算法与模式距离验证所建故障影响模型的有效性.     

基于宽度学习系统的短期电力负荷预测方法研究

电力负荷预测已成为电力调度的一项重要工作,也是评估电力企业是否实现现代化的重要指标之一。精准可靠的电力负荷预测数据对合理安排电力企业发电机组启停、降低电力损失、保障社会用电安全和提高电力企业经济效益等方面具有重要意义。短期电力负荷预测是针对短期负荷变化、甚至实时负荷变化,但由于短期负荷变化较为突然,预测难度大。为了提高短期电力负荷预测精确度,本文提出了一种基于宽度学习系统的短期电力负荷预测方法,通过采用邻域粗糙集分类算法,对输入参数进行特征提取,然后采用宽度学习系统对电力负荷历史数据进行离线训练,利用已训练完成的模型实现24h短期负荷预测。研究结果表明,使用本方法可以有效降低MAPE和RMSE,也有效减少了训练时间,提高了模型训练速度,具有优异的预测能力。