安全数据库顶层规范中SQL操作的形式化分析与验证

介绍了安全数据库形式化顸层规范,定义了顶层规范中SQL操作的描述,在此基础上给出简单SQL操作的定义,并对其进行分析验证,最后将一般SQL操作的分析验证转换为多个简单SQL操作的分析验证.验证过程表明,该方法既对SQL操作作了完整清晰的描述,又简化了证明.     

云环境下基于数据流的k-means聚类算法

k-means算法是一种 最常用的基于划分的聚类算法。传统的集中式k-means算法已不能适应当前呈爆炸式增长的数据规模,设计分布式k-means算法成为了目前亟需解决的问题。现有分布式k-means算法基于MapReduce计算框架且没有考虑初始聚类中心的影响。由于每个MapReduce任务均需要读写分布式文件系统,导致MapReduce不能有效表达多个任务之间的依赖关系,因此提出了一种基于数据流的计算框架,该框架建立在MapReduce之上,将数据处理过程按照数据流图建模。在该框架的基础上,提出了一种高效的k-means算法,它采用基于多次采样的初始聚类中心选取方法来实现负载均衡及减少迭代次数。实验结果表明,该算法的可扩展性较好,且效率比现有算法高。     

面向主题的微博热门话题舆情监测研究——以“北京单双号限行常态化”舆情分析为例

社交媒体舆情监测是社交媒体分析的热点研究问题,学界和工业界取得了很多研究成果。但目前针对热门话题舆情监测研究中,往往只在整体上关注事件舆情趋势,而没有对事件内部不同的讨论主题进行分析。鉴于此,该研究将主题分类模型引入到舆情监测中来,并在此基础上,以时间为脉络进行面向主题的情感分析。并以“北京市单双号限行常态化”这一微博话题为例进行实证研究,通过各个时段 “北京市单双号限行常态化”这一微博话题群体情感倾向变化的分析,为舆情的监测提供对象和时点选择的参考建议。
     

基于切换模型的无人直升机偏航通道系统辨识方法?

针对直升机偏航通道中舵机控制量的饱和非线性问题,提出基于切换模型的无人直升机偏航通道系统辨识方法。首先分析无人机偏航通道的特征,建立包含饱和单元的切换模型。其次通过扫频实验采集辨识所需的数据,并在频域下采用遗传算法辨识得到切换模型的所有参数。再根据实验数据分析辨识模型的残差序列,得到系统的残差模型,并利用该残差模型修正辨识得到的无人机偏航通道模型,进一步提高模型的准确度。最后通过实验数据分析文中模型的准确性,并利用该模型设计无人机飞行控制器。实验结果也证明模型的有效性。     

案例教学法在面向对象程序设计课程中的应用

面向对象程序设计的传统教育模式使得学生与企业真实需求之间存在巨大差异。案例教学法理论上能在一定程度上解决理论与实际衔接的问题,但其实施效果却取决于所采用的案例。结合我校的行业背景,从构思实际民航信息系统中涉及的工程问题出发,研究案例教学法在面向对象程序设计课程中的应用,并分析了其存在的问题。     

Visual Studio2010中访问VFP表方法研究

针对在Visual Studio 2010中的VB.NET下如何访问VFP表的方法进行了研究和讨论。常用的访问数据库表的方式有ADO、RDO和Ole Db等。主要讨论了ADO和RDO两种访问VFP表的方式。研究发现ADO方式访问VFP表存在一些BUG,会使程序出现异常。使用RDO方式访问VFP表,在软件发布时,需要将VFP的ODBC驱动程序vfpodbc.dll、组件文件Interop.RDO.dll和文件MSRDO20.dll进行打包,并对MSRDO20.dll进行注册。本文中给出了MSRDO20.dll的注册项和注册值,以及在应用Setup Factory 9建立的软件安装包中所要输入的注册代码。     

光纤陀螺随机误差特性ThêoH辨识

随机误差特性分析是光纤陀螺进入工程应用阶段的关键技术.针对Allan方差、总方差、Thêo1 (Theoretical variance #1)等分析方法的不足,以Thêo1为基础,通过偏差消除获得ThêoBR(Bias-removed ver?sion of Thêo1),并将其与Allan方差合成,得到光纤陀螺随机误差特性分析的ThêoH(Hybrid-ThêoBR)法.通过计算重叠Allan方差、总方差、Thêo1以及ThêoH的等效自由度,结合仿真和实测信号的随机误差特性分析实验,证明ThêoH法不仅提高了Allan方差估计的置信度,且解决了Thêo1估计有偏的问题,表明了该方法是目前能够有效辨识光纤陀螺随机误差特性的最佳方法.     

基于分布式聚类的有向传感器网络移动目标跟踪算法研究

针对有向传感器网络DSN（Directional Sensor Networks）中,传感器节点部署数量对目标跟踪精度、网络寿命和能效问题的影响方面,提出了一个分布式聚类算法,该算法在优化活跃传感器和节点的直接通信过程中,由分布式集群来负责协调成员间的节点,通过传输给Sink的定位信息及从多个节点聚集的传感数据来准确定位目标的位置。基于该理论的目标跟踪机制,提高了目标跟踪精度、增加了网络寿命和网络剩余能量。并进行了仿真验证,结果表明该方法能实现更高的跟踪性能。     

基于粒子群蚁群算法的供应链合作伙伴选择研究

针对供应链合作伙伴选择的准确性和效率问题,提出一种基于粒子群和蚁群优化的合作伙伴选择算法。建立基于供应链链节体和连接弧的有向图路径模型,构造多目标规划模型。利用改进的离散型粒子群算法,求取伙伴选择问题的初始解集,构建初始信息素矩阵,通过改进蚁群算法的寻径规则,求取供应链合作伙伴选择问题的最优解。实验结果表明,所提算法有效提高了供应链合作伙伴选择的精度和效率,具有较好的性能。     

基于邻域关系模糊粗糙集的医学图像分类研究

对医学图像进行分类时,特征选择是影响分类准确率的非常重要的因素。针对医学图像的特殊性,以及目前提出的特征选择算法在应用于医学图像分类时效果不够理想等问题,提出一种基于邻域关系的模糊粗糙集模型,基于该模型给出特征选择算法,并将其应用于乳腺X光图像。实验结果表明,同已有的算法相比,该方法能有效选择特征,分类精度有较大的提升。