对象映射关系型数据库技术研究

Object Relationship Mapping(简称ORMapping)是将数据库表映射为面向对象系统中的类，表中的每一条记录则对应为该类的一个具体对象的技术。通过这种技术，可以在软件开发的过程中采用面向对象的方式来处理与数据库相关的部分，比如记录的增加、修改、删除等。讨论了实现OKMapping的几个关键性技术要点，数据库表字段映射对象属性，数据库操作映射面向对象操作，数据库主键外键关联映射对象之间的关系，映射对象如何来适应表结构的变化，事务管理。讨论了ORMapping的性能问题。     

集成学习算法的研究与应用

集成学习算法的思想就是集成多个学习器,并组合它们的预测结果,以形成最终的结论。典型的学习模型组合方法有投票法,专家混合方法,堆叠泛化法与级联法,但这些方法的性能都有待进一步提高。提出了一种新颖的集成学习算法--增强的集成学习算法（ReinforcedEnsemble）。ReinforcedEnsemble集成算法由两大部分组成：ReinforcedEnsemble特征提取算法与ReinforcedEnsemble基分类器。通过实验,将ReinforcedEnsemble算法与其他集成学习算法进行了性能比较。实验结果表明,所提出的算法在多项指标上均达到最优。     

采用双层协调机制的服务社区模型

Web服务的动态组合技术作为有效实现服务增值功能的重要方法已成为业界研究和发展的焦点,纵观已有的研究成果,其协调机制可分为集中和分散两种.但实际应用中,这两种机制都存在不足.针对这一问题,提出了一种采用双层协调机制的服务社区模型,并讨论了该模型的体系结构、注册原理、发现算法、替换规则等问题,最后与传统模型进行对比分析.结果表明,这种采用传统集中和分散相结合协调机制的模型,将UDDl分层设计与管理,可以更好地支持存储和管理资源;社区的内部自治性有利于提高服务发现和替换的效率,从而更有效地支持Web服务的动态组合过程.     

分层的基于身份签名的研究综述*

为了提高基于身份的密码系统的效率,提出了分层的基于身份的密码系统。分层的基于身份的签名是其重要组成部分。首先叙述了分层的基于身份的签名的定义和安全模型;然后分析了几个分层的基于身份的签名方案的构造方法、安全性和执行效率;最后指出了其下一步的研究方向。     

龙芯处理器服务器芯片组的适配与实现

针对龙芯中央处理器（CPU）无对应高性能服务器芯片组的现状,设计开发了一种为龙芯CPU筛选芯片组的架构,并实现了一种龙芯CPU和芯片组适配的方法。提出了采用现场可编程门阵列（FPGA）串联在龙芯CPU和即将适配的多组芯片组之间的架构。借助于此架构,设计实现了在CPU和芯片组之间待处理物理信号线的连接方法,设计了两者之间上下电时序配合的调试方法,设计实现了规避两者信号协议差异的方法。借助该架构和这些方法能够实现同时筛选多款芯片组的目的,避免了以前需要设计多款主板进行适配的情况,节省了重复研发主板的成本;找到了可以适配龙芯CPU的高性能服务器芯片组;其芯片组规格参数和性能高于目前龙芯CPU所用的芯片组,开拓了其在服务器领域的应用。      

氮化镓HEMT器件辐射效应综述

在高频、大功率、高温、高压等领域,氮化镓高电子迁移率晶体管(HEMT)器件因其优异的耐辐射性能而被广泛地应用于卫星、太空探测、核反应堆等领域。尽管从理论和一些试验研究中可以得知,氮化镓材料具有良好的耐辐射特性,但在实际应用中,因其制作工艺及结构等因素的影响,氮化镓HEMT器件的耐辐射特性受到了很大的影响和挑战。本文介绍了氮化镓HEMT器件几种辐射效应,并对氮化镓HEMT器件辐射的研究进行了综述。     

基于系统熵的属性约简的简化差别矩阵方法*

基于系统熵的属性约简是一种新型的属性约简。该模型由于同时考虑了条件属性集和决策属性集对决策表的分类能力,它是一种考虑较周全的属性约简模型。为设计高效的属性约简算法,首先引入简化差别矩阵, 同时给出了基于该简化差别矩阵的属性约简定义,并证明该定义与基于系统熵的属性约简定义等价;然后用简化差别矩阵设计了一个基于系统熵的完备属性约简算法;最后用实例说明了新算法。     

P2P网络中最大频繁项集挖掘算法研究*

为解决P2P网络频繁项集挖掘中存在的全体频繁项集数量过多和网络通信开销较大这两个问题,提出了一种在P2P网络中挖掘最大频繁项集的算法P2PMaxSet。首先,该算法只挖掘最大频繁项集,减少了结果的数量;其次,每个节点只需与邻居节点进行结果交互,节省了大量的通信开销;最后,讨论了网络动态变化时算法的调整策略。实验结果表明,算法P2PMaxSet具有较高的准确率和较少的通信开销。     

鲁棒特征提取算法

特征提取技术的应用依赖于数据的固有属性,研究了当前流行的特征提取技术,并针对这些特征提取技术所存在的弱点,提出了一种新颖的特征提取算法-鲁棒特征提取算法.该算法分为两个阶段,以同时最大化不同类之间的距离与最小化类内距离为目标.实验结果表明,在对现实世界数据集进行特征提取时,鲁棒特征提取算法表现出的性能在分类精度与效率的指标上均能达到最优.对这些实验结果进行了解释,并给出了进一步研究的方向.     

基于分类器技术的白内障组织图像去噪方法

为实现根据视频图像等信息自动识别白内障组织及硬度,并对其进行智能分类的目的,提出了基于分类器技术的白内障组织图像去噪方法.对白内障图像去噪的关键在于区分白内障与正常组织和区分白内障硬度级别.这两个方面均涉及了图像特征提取和分类器方法.对图像特征提取,采取了颜色特征和纹理特征进行提取,并在这两种传统的特征上提出了一种新的图像特征提取方法.在分类器算法的选择上,采取了最近邻法和支持向量机的方法.以某医院提供的手术视频截图为例,对比了采用不同方法对白内障组织的识别率.