软件开发教学中知识演化和团队协作工具研究

研究一种能更好支持软件开发过程教学中团队构建和知识获取的工具。以协作式理论为基础,从团队协作的需要入手讨论相关的工具支持。该工具的核心是一个采用分布式架构的能够进行软件建模,并能有效支持冲突消解的电子白板系统,主要采用集中控制的方法对电子白板对象进行控制,以避免用户对白板对象操作的冲突;采用双令牌算法对用户语音发言进行控制,使用户的交流更加自然。该系统能够有效地提高学习者的参与积极性和对知识理解的一致性,能够大大提高软件开发教学的效果。     

Linux平台下网络入侵防御系统的研究与实现

针对防火墙和入侵检测系统在网络安全防御上存在的缺陷,本文提出了一个在Linux平台下,基于两层防御机制的网络入侵防御系统．该系统扩展了网关防火墙的入侵检测功能．实现了网关防火墙对攻击的最初防御,增加了入侵检测系统Snort的联动响应功能,Snort对逃避了网关防火墙检测的复杂攻击进行再次防御．实验结果证明,两层防御机制对大规模的蠕虫攻击起到了实时抵制作用．     

车辆悬架减震优化设计方法仿真

车辆在不同路况和不同车速等情况下,悬架系统弹性元件受到的冲击大小差异很大,无法形成固定的振动规则,振动剧烈程度与阻尼系数无法关联.传统车辆悬架减振设计方法,采用固定阻尼系数来减少弹性元件的振动,没有考虑不同路况及车速产生的振动剧烈程度不同的问题,减振效果较差.提出一种车辆悬架减震优化有限元设计方法,分析车辆悬架减震器的功能和结构,塑造车辆悬架减震优化模型,采用ANSYS有限元软件中一阶优化方法进行车辆悬架减振优化设计,以悬架减震器阻尼力为优化目标,以减震器阻尼系数为优化设计变量,以静强度和最大减震强度为约束条件,对车辆悬架减震进行有限元优化设计,确保车辆车身振动迅速衰弱,使车身能够很快达到一种稳定状态.实验结果表明,上述方法使车辆减震阻尼力和最大减震强度都优于传统方法,具有较高的稳定性和控制精度.     

基于GPU平台的有效字典压缩与解压缩技术

压缩技术被广泛应用于数据存储和传输中,然而由于其内在的串行特性,大多数已有的基于字典的压缩与解压缩算法被设计在CPU上串行执行。为了探究使用图形处理器（graphic processing unit,GPU）对压缩与解压缩过程潜在性能的提升,结合合并内存访问与并行组装的技术,基于CUDA（compute unified device archi-tecture）平台研究了两种并行压缩与解压缩方法：基于字典的无状态压缩和基于字典的LZW压缩。实验结果表明,与传统的单核实现比较,所提方法能够显著改善已有的基于字典的串行压缩与解压缩算法的性能。     

基于割点移除的社交网络重要节点评估与仿真

在社交网络中找到关键节点具有重要的意义,对于当前传统节点重要性方法没有考虑到对网络结构的破坏,不适用于社交网络等问题,提出了一种改进的,基于割点移除的社交网络重要节点评估方法APRRank.动态的利用Tarjan算法找到并移除社交网络最大联通分量的割点,将这些节点移除的顺序作为社交网络中关键节点排序结果.以4个真实社交网络作为仿真数据,与现有算法进行对比,进行鲁棒性测试.仿真结果表明,使用APRRank得到的重要节点在鲁棒性评价标准上具有更优的结果,可以更快的使整个网络失效,因此APRRank算法可以有效的得到社交网络中的重要节点.     

基于视觉感知的图形化人机交互界面分层模型

由于传统方法没有通过特征提取方法获取图像关键滤波纹理系数,导致人机交互界面图像存在增强效果不佳,非平缓区域、曲面区域等不同层次信息量不丰富的问题,为解决上述问题,设计了基于视觉感知的图形化人机交互界面分层模型.构建图像处理模型,采用边缘轮廓特征提取方法,获取关键滤波纹理系数与边缘轮廓信息分量等特征信息.使用层次分析方法对交互界面视觉传达效果进行优化.以交互界面各个区域视觉感知强度和边缘轮廓内视觉感知元素重要度为基础,建立基于视觉感知强度的图形化人机交互界面分层优化模型,并通过遗传算法求解该模型,实现图形化人机交互界面的分层优化.实验结果显示,上述模型的图像亮度增强效果更优,符合人眼视觉感知要求;信息熵始终处在较高数值,具有较好的图像融合效果,信息量丰富.     

电子信息科技英语的教学实践

为培养复合型人才,科技英语教学的重要性日益显现。分析了目前电子信息类专业中科技英语教学存在的问题,并围绕教学内容改革、教学过程管理等介绍了该课程的教学实践。同时,本文还指出未来科技英语教学的发展趋势。     

改进在线词对主题模型的微博热点话题演化

话题演化分析是舆情监控的研究热点之一,面向微博热点话题进行演化分析,对于网络用户以及网络监管部门都有很重要的现实意义。针对在线词对主题模型（On-line Biterm Topic Model,OBTM）新旧主题混合、冗余词概率相对较高的问题,对OBTM进行改进,提出基于话题标签和先验参数的OBTM模型（Topic Labels and Prior Parameters OBTM,LPOBTM）。根据微博热点话题的话题标签,将微博文本集区分为含话题标签和不含话题标签的两类数据集,并设置不同的文档-主题先验参数;在前一时间片文档-主题概率分布的基础上,借鉴Sigmod函数对所有主题进行强度排名,从而优化当前时间片上主题-词分布的先验参数计算方法。实验结果表明,LPOBTM能够更准确地描述话题的内容演化情况,并且有更低的模型困惑度。     

一种提取抖动视频中前景目标的新方法

提取视频中的前景目标信息是视频处理领域非常重要的问题,考虑到现实生活中会出现监控摄像头不可避免地会出现晃动或偏移情况,造成监控视频短暂抖动,此时背景图像灰度和纹理信息都会受到较大的影响,从而给后期进一步分析前景信息带来了巨大的困难。为了兼顾纹理特征提取和噪声抑制两方面的要求,针对抖动视频的前景提取问题,提出了一种有效的融合小波变换和在线混合高斯模型的方案。首先运用仿射变换在线逐帧校准,接着利用小波变换对图像去噪,并建立自适应模型迭代上述过程,最后利用在线混合高斯模型提取前景。实验结果表明,与同类方法相比,该算法无论针对单目标还是多目标视频均可以有效去除抖动,得到较好的前景目标提取效果,具有较高的准确性和鲁棒性。     

模型学习与符号执行结合的安全协议代码分析技术

符号执行技术从理论上可以全面分析程序执行空间,但对安全协议这样的大型程序,路径空间爆炸和约束求解困难的局限性导致其在实践上不可行。结合安全协议程序自身特点,提出用模型学习得到的协议状态机信息指导安全协议代码符号执行思路;同时,通过将协议代码中的密码学逻辑与协议交互逻辑相分离,避免了因密码逻辑的复杂性导致路径约束无法求解的问题。在SSH协议开源项目Dropbear上的成功实践表明了所提方法的可行性;通过与 Dropbear 自带的模糊测试套件对比,验证了所提方法在代码覆盖率与错误点发现上均具有一定优势。