T-RBAC模型在ERP系统中的研究与实现

ERP系统的动态权限控制已成为影响其应用与安全的重要问题。文中研究ERP系统中几种常用的权限控制模型,分析它们各自的优缺点。针对模型的动态性和角色的生命周期约束,结合RBAC与TBAC模型,采用T-RBAC模型,通过工作流程引擎实现了ERP系统的动态权限控制,并成功应用于东莞某印刷企业。     

液态地膜对土壤物理性状的影响及增产效果

利用室内模拟试验和田间试验对抚顺研制的两种液态地膜试样品“F1”和“F2”对土壤物理性状的影响和在冬小麦的应用效果研究。结果表明:液态地膜可增加水稳性团粒和土壤稳定性熵(QS),降低土壤容重,增加土壤孔隙度,饱和导水率成倍增加,有利土壤蓄水保墒;可提高冬小麦的产量,产量随着用量的增加而增加,最高可达6.5%;产量的提高主要通过增加亩穗数和穗粒数实现的;当用量相同时,F2增产效果好于F1。     

基于KCCA的煤矿人员特征融合识别

煤矿井下险情时有发生,为险情下方便救援,需要监控各区域人员签到,准确掌握人员身份及分布情况。在煤矿井下由于光线不足、黑尘干扰等原因,影响人员的识别和管理。传统的识别由于单独依赖人脸识别来辨别井下人员数量和身份,易受到矿井下恶劣的环境影响而导致出现无法识别和识别效率低等问题,所以可靠程度较低。为解决上述问题,提出了一种基于KCCA算法的人脸特征和虹膜特征融合的煤矿井下人员签到识别方法。首先提取出人脸特征和虹膜特征,然后采用KCCA算法对采集到的人脸特征和虹膜特征进行融合,去除图片中无效的信息,降低算法复杂度,最后利用TAN分类完成人员认证,准确识别人员身份。实验表明,该算法降低了计算复杂度,提高了身份识别的准确度,增强了工作人员的安全监控。     

一种数据采集与分析平台的研究与设计

随着互联网大数据技术的不断发展,网络数据采集技术成为热门的研究领域之一.基于Python语言下的数据采集功能库如Urllib、Requests、Selenium等模块效率低、易阻塞,并且目前的数据采集和分析平台都是独立的功能模块,没有形成闭环,用户体验差.为了解决上述问题,提出一种数据采集和分析平台,首先使用Scrap...     

散乱点云的自适应α-shape曲面重建

针对α-shape算法不适用于散乱非均匀点集曲面重建的问题,提出了一种基于点云数据局部特征尺寸（LFS）的自适应α-shape曲面重建改进算法。首先,以采样点的k-邻近点计算出负极点逼近曲面中轴（MA）;然后,根据近似中轴计算曲面在采样点处的局部特征尺寸,并依据局部特征尺寸对原始点云进行非均匀降采样;最后,根据三角面片的外接球半径和对应的α值自适应重建出物体表面。与α-shape算法相比,所提算法可以有效合理地减少点云数据量,点云简化率达到70%左右,同时重建结果中冗余三角面片更少且基本没有孔洞。实验结果表明,所提算法能够自适应地重建出非均匀点集的表面。     

一种组合特征抽取的新方法

该文提出了一种基于特征级融合的特征抽取新方法，首先，给出了一种合理的特征融合策略，即利用复向量给出组合特征的表示，将特征空间从实向量空间拓广到复向量空间，然后，发展了具有统计不相关性的鉴别分析的理论，并将其用于复向量空间内最优鉴别特征的抽取，最后，在Concordia大学的CENPARMI手写体阿拉伯数字数据库以及南京理工大学NUST603HW手写汉字库上的试验结果表明，所提出的组合特征抽取方法不仅具有很强的维数压缩能力，而且较大幅度地提高了识别率。     

看编号识内存——金邦内存芯片篇

早在前几年，大家对于金邦科技推出的金邦金条和GL2000千禧条还是记忆犹深的吧!虽然金邦金条与GL2000千禧条在封装形式上有所不同，但是两者的内存芯片编号是大同小异的，比较明显的差别在于芯片的名称，金邦金条是中文“金”字(如图1所示)，GL2000千禧条是“GL2000”(如图2所示)。     

智能移动设备在电化学检测分析中的应用

智能移动设备近年来发展迅速,市场占有率急剧增长。面向不同研究领域,与多种传感技术相结合的移动检测系统常见诸报道。该文综述了智能移动设备硬件和软件的迅速发展,以及为了满足日益增长的移动分析检测需求所开发的基于智能移动设备的分析检测方法,特别是智能移动设备在电化学检测分析中的应用。     

基于3G传输网络的道路气象预警系统

利用传感技术为监测手段开发一套基于3G传输网络的道路气象预警系统,使道路管理部门精确掌握气象资料和天气预报,并根据各路段的地形及气候特点,结合路段交通状况,制定各自的应急预案,以保证道路的行车安全和顺畅。此系统对道路沿线气象状况进行监测、分析并采取有效的应急预案,对保障道路过往车辆和人身财产安全有着积极作用。     

基于改进ResNet-50的图像特征提取网络

为了提高图像的特征质量,保证最后提取到的特征高度精炼,提出了一种新的方法;该方法首先将低分辨率图像经过小波变换分解成高频分量和低频分量,并结合插值法进行插值,最后通过小波逆变换得到高分辨率图像来为后续的特征提取提供高质量的图片输入;接着,选取ResNet-50网络作为基础网络,将Efficient Channel Attention(ECA)模块与ResNet残差结构结合形成一个全新的ECA-ResNet50模块,ECA模块具有的通道级的注意力机制,可以让整个网络更加专注于提取显著特征;经实验测试,该方法对于图像特征提取的质量有着明显的提升,均方误差下降可达6.65;结果表明,该方法可行有效,具有良好的工程应用前景;