Web服务安全问题研究

Web服务具有平台无关性、动态性、开放性和松散耦合等特征,这给基于异构平台的应用集成带来极大便利,同时也使其自身面临许多独特的安全问题.Web服务的安全性对其发展前景产生重要的影响,也是目前Web服务并没有进入大规模应用阶段的主要原因之一.总结了Web服务存在的主要安全问题;概述了已有的Web服务安全标准;然后从消息层安全、Web服务安全策略、Web服务组合安全、身份与信任管理、Web服务访问控制、Web服务攻击与防御、安全Web服务开发等方面详细分析了目前有代表性的Web服务关键安全技术解决方案;结合已有的研究成果,讨论了Web服务安全未来的研究动向及面临的挑战.     

基于本体的语义Web浅谈

文章分析了现有万维网技术的局限性并在此基础上对语义Web进行了系统论述,着重介绍了语义Web的起源及关键技术XML、RDF（S）和本体,分析和论述了语义Web技术的应用及发展前景。     

一起谐振事故的录波分析

某220 kV变电站66 kV系统中性点未带消弧线圈对母线加压,产生谐振,导致TV绝缘破损,次日凌晨发生TV爆炸,该母线全停电,通过对故障录波图的分析,还原了谐振发生的暂态过程,深入分析谐振发生的原因。     

提高对抗复合末制导的质心干扰方案研究

质心干扰是水面舰艇抗击来袭导弹的一种有效手段。随着现代导弹技术的发展,末制导方式已趋于多样化,这对传统质心干扰作战使用提出了严峻的挑战。针对这一问题,在对新型反舰导弹末制导方式及其特点分析的基础上,叙述了传统质心干扰方式在对抗复合末制导过程中存在的不足,提出了一种能够有效对多制导方式进行干扰的质心干扰方案。并对此方案进行了定量和定性分析,建立了干扰空域和时域效能的数学模型,对干扰效果进行了仿真和评估。最后给出此干扰方案在作战使用中的几点建议和思考。     

一种自动检测红外运动目标的改进形态学方法

针对红外图像序列中运动目标的检测问题,提出了一种提高红外图像信噪比的改进双重Top-Hat形态学预处理算法,并通过自适应形态学阈值获得了二值化图像,最后利用序列帧间信息进行管道滤波去除二值化图像的噪声和伪目标,完成多个红外运动目标的自动检测.实验结果表明,提出的方法有效地保留了运动目标的灰度信息,便于后续的目标识别处理,而且算法在实时性肯和信噪比方面的综合效果优于其他几种常用滤波算法.     

RFID技术及其应用系统构架的研究

RFID是一种非接触式自动识别技术,具有广阔的应用前景.文中以当前学术界研究成果为基础,结合中国RFID发展现状,介绍RFID技术的硬件组成、电子标签特点以及读写距离等技术原理,并对其应用系统构架进行研究.     

填充率对特殊结构PCF性能的影响

空心光子晶体光纤（PCF）的空气填充率是影响PCF性能的一个重要参数。针对几种不同的空气填充率,设计出了几种不同结构的空心PCF。应用平面波展开法对其进行了研究,分析讨论了空气填充率对特殊结构PCF泄漏模以及色散系数的影响。     

一种基于费歇信息增量的多传感器对多目标的分配方法

在对序贯Kalman滤波在多传感器多目标跟踪中的应用情况进行分析之后,提出了一种基于费歇信息增量的多传感器对多目标的分配方法．该方法较好地解决了传感器的组合分配问题,并能对目标的跟踪精度实施控制,仿真结果证明了该方法的有效性．     

深度矩阵分解推荐算法

协同过滤推荐算法中的矩阵分解因其简单、易于实现,得到了广泛的应用.但是矩阵分解通过简单的线性内积建模用户和物品之间的非线性交互关系,限制了模型的表达能力.为此,He等人提出了广义矩阵分解模型,通过非线性激活函数和连接权重,将矩阵分解推广到广义矩阵分解,为模型赋予建模用户和物品间的二阶非线性交互关系的能力.但是广义矩阵分解模型是一个浅层模型,并不能很好地建模用户和物品间高阶交互关系,一定程度上可能会影响模型性能.受广义矩阵分解模型启发,提出了深度矩阵分解模型（deep matrix factorization,简称DMF）,在广义矩阵分解模型的基础上引入隐藏层,利用深层神经网络来学习用户和物品间高阶交互关系.深度矩阵分解模型不仅解决了简单内积的线性问题,同时还能够建模用户和物品间的高阶交互,具有很好的表达能力.此外,在MovieLens和Anime两个数据集上进行了大量丰富的对比实验,验证了模型的可行性和有效性;同时,通过实验确定了模型的最优参数.     

小麦籽粒中呕吐毒素分布规律的研究

通过对53份自然污染真菌毒素的小麦进行制粉,采用酶联免疫法检测其籽粒、面粉及麸皮中呕吐毒素(DON)的含量.结果显示:麸皮呕吐毒素含量最高、籽粒次之、面粉最低,说明DON在小麦籽粒中分布不是均衡的,皮层含量高,胚乳含量低;分组检测结果显示,随着小麦籽粒DON含量的增加,面粉DON含量占小麦籽粒DON含量比例逐步增加,而...