基于Internet传输的视频压缩编码技术现状与发展

This paper provides an overview of the video compression coding techniques based on streaming video over the Internet from the viewpoint of video coding architecture especially. And the future research directions are pointed out at last.     

电子病历在移动医疗中的研究与发展

随着移动医疗在医院的广泛应用,医生迫切需要能够在病人床边通过iPad等智能平板设备查看、检索病人的电子病历信息,以提高诊疗效率并使查房过程更为准确、安全。但是由于现有的电子病历系统客户端多是基于Windows平台,如何支持在智能平板设备上访问电子病历系统成为移动医疗领域亟待解决的问题。本文系统地介绍这一崭新领域的基本概念,详细阐述需要解决的几个关键问题,比较几种主流解决方案的异同,最后对未来研究方向和工作进行展望。     

使用递推解决递归问题的研究与应用

使用递推技术实现递归问题的算法,不仅可以节省存储空间,而且可以极大地提高算法的执行效率.在对递归问题进行研究的基础上,给出了使用递推技术将递归问题的递归算法转换成非递归算法的具体方法,并通过具体实例加以了说明.     

编程方法与编程风格

本文介绍编程方法和编程风格的一些基本要点。     

从网络钓鱼到URL欺骗

“网络钓鱼”（Phishing）兴起于2005年,绝对称得上是Internet上病毒之外的“二号人物”,最近仍然异常活跃。中国反钓鱼联盟宣布截至2009年10月22日已认定并处理的钓鱼网站域名累计已达到8342个,其中腾讯、淘宝和工商银行位列钓鱼对象的前三位,针对这三大网站的网络钓鱼占举报总量的80％以上。钓鱼网站通过伪装成银行、电子商务等类型的网站的方式来窃取访问者所提交的账号和密码信息,从而达到非法目的,危害极大．“网络钓鱼”一词源于真正的“钓鱼”（Fishing）,二者发音一致,意指攻击者通过发送欺骗性E—mail或伪造Web页面等手段来骗取他人的银行卡号等各种账户信息并非法占有。     

结合用户交互行为和资源内容的资源推荐

为了更好地管理任务以及与任务相关的资源,使用户集中注意力在任务本身上,减少用户的交互负担,提出一种基于隐式Dirichlet分配(LDA)模型的任务建模方法.通过将用户的交互行为按时间片进行切分,实现了时间片序列—任务—文件与LDA模型中的文章—主题—单词的对应,经过LDA方法的学习,得到了时间片—任务的概率分布和任务—文件的概率分布;为了对任务模型进行补充,进一步提出了基于资源内容的主题分析方法,并用LDA方法建立了主题模型;最后通过对资源的关联关系分析,实现了一个结合任务模型和主题模型的资源推荐系统.实验结果表明,任务模型能够有效地发现用户的主要任务和主要文件.     

论文元数据信息的自动抽取

为了实现在Web上电子版论文结构的查询,必须提取这些论文的标题、作者、摘要和关键字等元数据信息。在北京大学数字图书馆科技文献检索系统中利用正则表达式规则对论文元数据信息进行自动抽取。该文介绍的这种方法充分利用了论文所特有的结构,在不采用语法分析等复杂的自然语言处理手段的情况下取得了很好的效果,为面向特定领域的元信息抽取作了有益的研究和探索。     

蛋白质关系网络可视化系统的研究与实现

蛋白质关系网络的研究在生物医学领域中已成为一个热点。研究者通过对蛋白质关系网络进行分析和聚类,能够发现其中的复合体,进一步理解细胞组织原理。在对关系网络进行分析的过程中,将网络拓扑显示为图形,以直观地表示出关系网络的结构,便于对比聚类方法,辅助关系网络的研究。利用网络建模与可视化工具包JUNG设计并实现了一个蛋白质关系网络可视化系统,它能够解析多种格式的蛋白质关系网络数据,集成了几种有效的图聚类算法,并实现了一种基于蛋白质功能标注的发现复合体的聚类算法。用户能够通过二维网络视图方便地观察原始网络和聚类后的结果。     

提升机远程故障诊断系统的数据采集终端设计

给出了提升机远程故障诊断系统的基本组成及工作原理,并结合提升机现场需要提取的信号介绍了一种以TMS320C5402 DSP为核心处理器的具有实时、高速性、准确性的数据采集终端设计方案.     

BICA:一种快速可扩展的ADTree构建算法

ADTree是一种基于boosting的决策树学习算法,其预测准确率比一般决策树高并可以给出预测置信度,在实际中有广泛的应用.已有的ADTree构建算法能有效地处理小规模数据,但对于大规模数据的处理非常低效.因此提出了一种新的ADTree构建算法--BICA(bottom-up induction for constructing ADTree),设计了新的数据结构和自底向上的归纳方法,并将其结合到ADTree建树过程中,能够快速地进行分裂测试评估,从而有效地提高ADTree的构建效率.实验证明,BICA对大规模数据集的处理效率明显优于已有ADTree构建算法,能够进行高效的处理.