基于虚拟仪器的PCR芯片智能温控系统开发

采用检测电路与加热电路分时交替工作的方式,利用精密恒流源以电阻值测温度值.采用基于模糊切换的Bang-Bang控制、自适应模糊控制、微分先行PID控制相结合的分段复合控制策略,应用虚拟仪器技术,开发了PCR芯片智能温度控制系统.实验结果表明,此温度控制系统可对被控对象进行精确有效的控制,充分满足了使用要求.     

多角色需求评审系统的设计与实现

需求质量对于软件产品质量有至关重要的影响,而需求评审是保证需求质量的有效手段之一.目前的需求评审存在效率低、问题发现率不高、评审结果难以被有效处理等问题.在对需求特性进行研究,以及对实际项目中人员角色及其关注点进行调研的基础上,开发了多角色的需求评审系统MRRS.MRRS系统为每类角色的评审人员提供有针对性的评审指标体系,依照预设算法对评审结果进行量化处理,以GUl形式展示结果,为项目决策提供支持.应用了MRRS系统后,评审效率提高一倍以上.     

网络设备硬件漏洞研究

在对软件漏洞进行研究的基础上,从发掘网络设备硬件漏洞的角度对网络信息安全进行了思考.分析了网络信息安全现状,列举了当前主要的网络防御技术,分析了交换芯片AL216的组成结构和设计原理,研究了如何利用交换芯片AL216为核心设计实现以太网交换设备,并讨论了利用该芯片设计交换设备可能存在的硬件漏洞.通过论述表明了网络设备硬件漏洞存在的可行性和隐蔽性.     

大规模分布式Web负载测试系统的设计

负载测试主要是针对Web应用的性能指标制定测试方案,以验证系统在设计载荷下的可用性、适应性、稳定性和安全性.在对系统功能分析的基础上,剖析了系统实现的关键技术的原理和方法,主要包括测试策略、分布式测试框架、数据的采集及可视化,微内核可扩展测试框架.最后对系统的特点与创新作了总结.应用本系统,可以有效地加快Web应用开发的过程,和通过持续测试增强其健壮性.     

无线Mesh网络路由协议的研究进展

在简要介绍无线Mesh网络特性的基础之上,对路由协议中若干关键技术的研究状况进行了总结和综述,重点讨论面向无线Mesh网络的路由度量的设计思路、多信道多无线接口环境下节点的自适应信道分配策略以及结合无线介质的广播特性的寻路算法的分析.详细讨论了上述因素对于路由协议性能的具体影响,深入分析了当前研究的优缺点.同时,鉴于无线链路上传输的不可靠和高误码率,详细介绍了跨层协议设计的相关内容.     

基于信任模型的安全应用层多播协议

针对ALM(application layer multicast)安全性方面存在的问题,设计了一种新的ALM协议.节点加入多播组时,协议对节点的信任度进行认证检测.在交互过程中动态计算节点信任度,以便准确识别覆盖网中的恶意节点.同时,通过标签机制,有效防止了节点对信任信息的恶意篡改.仿真实验结果表明,该协议能有效区分恶意节点并对其进行控制,对多播安全性方面存在的问题有较大改进.     

基于神经网络的视频压缩的FPGA实现

基于PC的传统的视频压缩实时性较差,给视频的实时压缩和传输带来了困难.针对实时视频压缩传输的难点,提出了在FPGA平台上实现基于神经网络的视频压缩的策略.在建立了基于神经网络的视频压缩系统结构的基础上,给出了神经网络算法的设计,同时完成了非线性的神经元激励函数的线性逼近,并给出了典型FPGA模块的设计,最后通过DSPBuilder和Matlab工具对编写的verilog模块加以验证,给出了实验结果.     

WS-BPEL的性能分析与测试

Web服务业务流程执行语言(WS-BPEL)能够实现分布式环境下的业务流程编排,为了衡量WS-BPEL技术带给系统的性能开销,分析了WS-BPEL流程在应用服务器GlassFish中的运行原理与执行时序,设计一组试验完成了对WS-BPEL开销增量的测试.根据试验结果估算了WS-BPEL平均每次调用Web服务需要的时间,分析产生此开销量的原因,提出了选用WS-BPEL技术的一般原则.     

布尔表达式的化简与并行排序网络验证

为设计出能够验证并行排序网络正确性的有效工具,根据[0,1]原理和布尔函数的特点和性质,提出一种布尔表达式的化简算法,并根据此算法设计出验证工具.对[0,1]原理和布尔函数的特点和性质进行了讨论,指出有利于化简操作的性质.设计出的工具能够根据并行排序网络的参数显示网络图形、自动生成布尔表达式并实现化简验证,工具的输出有利于对排序网络的分析,也可以用于辅助排序网络的设计和优化.实验结果表明了该工具的有效性.     

潜在属性空间树分类器

提出一种潜在属性空间树分类器(latent attribute space tree classifier,简称LAST)框架,通过将原属性空间变换到更容易分离数据或更符合决策树分类特点的潜在属性空间,突破传统决策树算法的决策面局限,改善树分类器的泛化性能.在LAST 框架下,提出了两种奇异值分解斜决策树(SVD (singular value decomposition) oblique decision tree,简称SODT)算法,通过对全局或局部数据进行奇异值分解,构建正交的潜在属性空间,然后在潜在属性空间内构建传统的单变量决策树或树节点,从而间接获得原空间内近似最优的斜决策树.SODT 算法既能够处理整体数据与局部数据分布相同或不同的数据集,又可以充分利用有标签和无标签数据的结构信息,分类结果不受样本随机重排的影响,而且时间复杂度还与单变量决策树算法相同.在复杂数据集上的实验结果表明,与传统的单变量决策树算法和其他斜决策树算法相比,SODT 算法的分类准确率更高,构建的决策树大小更稳定,整体分类性能更鲁棒,决策树构建时间与C4.5 算法相近,而远小于其他斜决策树算法.