可视化实验平台在高校Java程序设计教学中的应用

在高校Java程序设计教学中,基于图形用户界面的应用程序和网络程序设计是教学的重点,这使得采用方便应用和业界流行的可视化开发环境成为必要。文章简单分析Eclipse在高校Java教学中的适用性,探讨基于Eclipse和Visual Editor的Java可视化程序设计教学,其中对Java可视化开发平台配置和应用示例的详细介绍,可为Java可视化程序设计教学提供参考。     

基于本体的Deep Web查询接口集成

Deep Web中的海量信息只能通过查询接口访问获得,为了能够同时访问同一领域多个Web数据库,需要对多个Web数据库的查询接口进行集成.因此,引入本体技术,提出基于本体的Deep Web查询接口集成方法.Deep Web查询接口集成主要完成两个方面的工作:模式匹配与模式融合.模式匹配采用本体的“Bridge(桥接)”效应建立不同接口模式间的属性映射关系,以准确发现不同接口属性间的语义关联.模式融合根据模式匹配的结果,合并Deep Web数据库查询接口集合中表示同一语义的属性,并尽可能地保持该领域查询接口的结构特征和属性顺序,以获得集成查询接口.通过实验分析,基于本体的Deep Web查询接口集成方法不仅简化了模式匹配的复杂过程,而且很大程度上提高了模式集成的精度.因此,基于本体的Deep Web查询接口集成方法是高效可行的.     

红外图像处理技术在苹果早期淤伤检测中的应用

在苹果品质检测中,淤伤是影响检测效率的一个重要原因,针对苹果淤伤检测这一难题,提出应用红外图像处理技术解决.根据红外热图像成像原理及其特点,采用风扇加热与冷却两种实验方法.在实验过程中,红外摄像机拍摄获得苹果红外图像,选用优越的混合图像增强算法等红外图像处理方法识别早期淤伤.实验结果表明,应用红外图像技术可以检测苹果早期淤伤,且效率迭96%以上.     

水溶液电解过程的发展前景

本文评述了电解精炼法和电沉积法工厂实践中的一些重大技术改进,以及为使这两种方法在未来更有吸引力而进行的一些研究工作及工艺过程的发展。     

基于本体的语义查询优化

Web信息检索技术已经在全世界广泛应用,然而,搜索引擎的查全率和查准率却不能够令用户满意,因此提出了一种基于通用本体WordNet的语义层次结构.通过计算和分析查询关键字与本体库的映射达到查询优化的目的.该方法通过建立一个简单的语法树并且索引WordNet,对查询关键字词法特性和本体实例之间语义关联强弱进行扩展和分析,提高了查询关键字到本体概念映射的完整性和准确率,进而帮助搜索引擎对用户的意图作出有效推测.实验表明,该方法可以有效地优化查询.     

具有最大并行度的合流性主动规则执行模型

合流性反映了主动规则集确定性行为特性。目前保证合流性的主动规则执行算法基本是串行的,而已有的并行规则执行算法并不保证合流性结果。本文扩展了已有的主动规则执行模型,给出具有最大并行度的合流性主动规则处理算法,并证明了该算的正确性。     

基于PDIUSBD12的USB数据采集系统的设计

本文首先将USB与其他常用总线在传输速率等方面做了比较,总结了USB主要优势特点。然后介绍了USB接口芯片PDIUSBD12,并通过一个微控制器数据采集系统利用PDIUSBD12与PC机进行互连的接口实例从硬件设计、固件设计、设备驱动程序设计和用户软件的设计四个方面阐述了基于USB的实时数据采集系统的设计与实现方法。     

基于FP-Growth算法的DDoS检测

通过分析分布式拒绝服务(DDoS)攻击的特征,提出了基于数据挖掘技术的网络入侵检测方法来检测DDoS攻击,针对数据挖掘中FP-growth算法不产生候选集的优势,对进行处理及分组后的网络数据进行频繁特征提取,根据DDoS攻击会使网络的流量数据发生变化的特点,来检测是否发生攻击事件.实验结果表明,当发生DDoS攻击后网络数据确实发生了巨大的变化, 通过对网络数据的特征提取,完全可以检测出DDoS攻击的发生.     

基于B/S结构的房地产交易信息管理系统研究与建设

房地产交易信息管理系统的研究为政府制订房地产政策提供决策依据,也可为企业和老百姓购买房地产提供价格参考。系统基于.NET平台采用三层架构进行设计开发,以Microsoft SQL Server作为后台数据库,使用LINQ to SQL实现数据访问,通过AJAX和jQuery等技术提高用户体验。     

基于人工免疫算法的增量式用户兴趣挖掘

了解用户兴趣是为用户提供个性化服务的关键.用户兴趣有短期兴趣和长期兴趣之分,且具有不稳定性.受人工免疫系统的启发,巧妙地将免疫应答过程应用于用户兴趣挖掘.首先将概率与时间相结合,提出“概念时序动态”的概念,以更好地刻画用户在一段时间内对同一兴趣的关注程度;然后基于人工免疫原理,建立抽取兴趣标签的分类器来提取用户兴趣标签;最后针对增量式学习,建立兴趣标签的“概念时序动态”,刻画出用户兴趣自首次出现以来受关注的程度,以此为依据来判断兴趣是否存在迁移及遗忘现象,并为每个兴趣标签附上权重.其主要贡献是创造性地将人工免疫原理应用于用户短期兴趣和长期兴趣的挖掘,并具有增量特性,可以很好地体现用户兴趣迁移特征,是一种自然完整的用户兴趣模型.实验结果表明,该学习模型能够很好地发现用户关注的领域,其平均精度和召回率分别达到79.5％和74.4％,是目前最贴近用户的兴趣挖掘模型.