一种实现控件与多语言文本动态绑定的方法

现代应用中大多已有进行多语言切换的需求,但对于控件本身文本显示信息,要实现多语言实时切换还有一些难度,文中提出一种能够根据用户的选择将控件与显示文本进行动态绑定显示的方法,通过对控件文本信息的多语言实时切换.该方法具有执行效率较高、定制选择灵活方便、性能稳定可靠、适用范围较为广泛的特点.该方法已在基于CAR构件的Elastos操作系统上实现并运用于智能手机应用.     

基于CAR构件编程的自动生成Singleton模式的实现

设计模式是一种对设计过程中经常遇到的一些问题的总结及其通用的解决方法,使人们可更加简单方便地复用成功的设计和体系结构.Singleton模式属于设计模式中的一种方法.文中通过基于CAR构件编程的方法,设计了一种基于CAR构件编程中实现自动生成Singkton模式的方法,并通过具体实例来证明此方法的可行性与有效性.用户只需要在类设计时指定类属性为Singleton,就可以自动生成Singleton模式的相关实现代码,从而降低了用户编程的复杂度.     

一类随机曲线的控制生成

提出一类形状具有较好可控性和可预见性的随机曲线生成方法,用于描述不具有分形特征的随机现象,从确定的自由曲线出发,对自由曲线的每一型值点给予一个随机权系统,随机地改变型值点的线性组合关系,使自由曲线向随机曲线转变,应用自适应线性神经元网络对自由曲线的调配函数进行训练,由自适应神经网络的自适应学习机理控制随机权系数的取值,并通过控制神经网络的可调参数影响随机权第数的神经网络输出,进一步控制随机曲线的整体或局部形状,对神经网络可控参数的三种不同的设置方式,可把自由曲线转变为规则的、非规则的或具有分形特征的随机曲线,该文所提方法生成的随机曲线,具有较好的可控性,且方法简明、易于实现。     

基于范例推理的交通事故智能处理系统

介绍了一个基于范例推理的交通事故智能处理系统。首先给出了基于CBR的交通事故智能处理系统的总体框架。之后,对该系统中的核心部分：范例搜索、基于范例推理的综合推理模型、人机智能系统分别进行了讨论。     

基于人类视觉感知特性的一种纹理图象分割方法

在纹理图象分割的研究领域中,基于人类视觉感知特性的图象分割方法是一个重要的新方向,本文给出了一种纹理图象分割的方法,设计了一组参数不同的2D最佳正交极可分方向滤波器来提取图象特征,然后经过四叉树平滑,用模糊C－均值聚类对图象进行分类,最后进行边缘确定,实验结果表明,这种方法能获得较好的分割效果。     

基于消息通信的同步协同设计技术

协同设计是CSCW在设计工作中的应用,协同设计工具应当有效地支持分布式产品开发,为协作用户提供在线的、实时的协同讨论和问题求解的环境。本文着重研究协同感知的同步协同设计技术。文章首先分析同步协同设计系统的功能模型,将同步协同设计系统划分成四个层次－－网络层、通信层、协作层和应用层,然后提出一个C／S结构的同步协同设计原型系统,并详细地讨论基于消息通信的显示同步和造型同步实现机制,可以较好地解决Internet网络环境下的实时性问题。     

水电厂闸门群计算机监控系统

针对水电厂闸门控制自动化程序不高的弊端,设计开发一套通用性强、可靠性高、易于扩展维护且性能价格比高的分层分布式闸门群集散自动控制系统,为电站实施“无人值班、少人值守”创造了条件。     

Gnutella协议的研究

Gnutella是一种用于分布式搜索的协议。尽管Gnutella协议支持传统的客户端／集中的服务器查找模式,但Gnutella的区别在于它支持对等、分散的模式。在这个模式中,第一个客户端都是服务器,同时每一个服务器也是客户端,被称为Gnutella Servents。对Gnutella协议进行了深入的分析,并用Java实现了一个Gnutella协议的核心类库。     

飞机余度舵机系统鲁棒故障诊断

提出一种利用特征结构配置与状态反馈解耦相结合设计观测器的方法,实现余度伺服系统的鲁棒故障诊断,利用特征结构方法,可以实现残差与结构性干扰解耦;利用对偶原理,进行解耦观测器设计,可使残差不受交联作用影响,利用这两种方法中参数设计的自由度,使其互相逼近,做到在干扰解耦的基础上,故障最大程度地实现通道解耦,该方法不仅适用于突变故障,而且也适用于渐变故障和多故障的诊断。     

A discriminative learning framework with pairwise constraints for video object classification

To deal with the problem of insufficient labeled data in video object classification, one solution is to utilize additional pairwise constraints that indicate the relationship between two examples, i.e., whether these examples belong to the same class or not. In this paper, we propose a discriminative learning approach which can incorporate pairwise constraints into a conventional margin-based learning framework. Different from previous work that usually attempts to learn better distance metrics or estimate the underlying data distribution, the proposed approach can directly model the decision boundary and, thus, require fewer model assumptions. Moreover, the proposed approach can handle both labeled data and pairwise constraints in a unified framework. In this work, we investigate two families of pairwise loss functions, namely, convex and nonconvex pairwise loss functions, and then derive three pairwise learning algorithms by plugging in the hinge loss and the logistic loss functions. The proposed learning algorithms were evaluated using a people identification task on two surveillance video data sets. The experiments demonstrated that the proposed pairwise learning algorithms considerably outperform the baseline classifiers using only labeled data and two other pairwise learning algorithms with the same amount of pairwise constraints.