多平台下动态采集税控数据的技术研究

在商业税收领域中,不同的行业、商家,可能会采用不同的系统平台来完成他们各自的销售任务,这就给国家税收时获取税控数据带来了一定的挑战。本文基于国家信息化标准委员会针对税控收款机的国家标准,提出并实现了一种在多平台下动态采集税控数据的解决方案。     

改进自组织映射神经网络在指纹识别中的应用

改进自组织映射神经网络方法是将常规自组织映射神经网络方法结合确定性水平,对网络的输入矢量进行预处理。通过实验比较了这种改进的自组织映射神经网络识别方法与常规的自组织映射神经网络识别方法的识别效果,在识别性能上有了很大的提高。     

基于JPEG图象隐写算法的统计不可检测性比较分析

本研究选择现今几种基于JPEG图象的隐写算法,并通过测试实验,比较分析各算法在统计不可检测性的表现.同时研究了隐写算法设计因素的原则,包括矩阵潜入、适应性内容依赖选择信道、边信息等对嵌入的影响.实验结果表明,要使JPEG会阶图象的统计不可检测性表现最好,嵌入比率应该在0.05比特每非0 DCT直流系数.     

Inventor中样条线的控制和编辑技术探讨

Inventor中的样条线可以作为截面轮廓、扫掠路径和放样特征的轨道,它在计算机辅助设计与制造中十分关键.该文以Autodesk Inventor Professional 2009为绘图环境.从几何约束、尺寸约束、控制点参数调整、控制点上参数约束、添加或减少控制点、拟合方式和曲线张力等方面讨论了控制和编辑样条线的基本技术和方法.     

“微机原理与接口技术”课程教学改革创新探讨

"微机原理与接口技术"是重要的专业基础课,学生普遍反映该课程"难"、"活"、"繁",属于"困难课程"之一。本文介绍了我院"微机原理与接口技术"课程教学改革的一些具体措施以及经验。     

一种序贯Unscented卡尔曼滤波在微小型无人直升机导航系统中的应用

对于应用到微小型无人直升机上的低成本捷联惯导（SINS）/GPS组合导航系统来说,SINS Ψ角误差模型在描述低精度惯性器件误差时对误差项的忽略,使其无法满足SINS误差估计的要求.为了克服Ψ角误差模型的不足,本文建立了基于四元数的SINS非线性误差模型.该误差模型无需对失准角进行小角度假设.为了对组合导航系统中的SINS误差进行估计,提出一种序贯Unscented卡尔曼滤波方法.该滤波方法对观测向量进行序贯处理以降低算法的计算量.仿真结果表明,该滤波方法能有效提高低成本SINS/GPS组合导航系统的性能.     

基于I-Miner的聚类分析研究

数据挖掘是当今数据库系统研究和应用领域中的热点问题.聚类是数据挖掘中的核心问题.I-Miner是一个企业级的数据挖掘工具,利用I-Miner软件进行聚类分析,将聚类结果呈现丰富的可视化效果,通过S语言拓展软件功能,解决应用的特殊需求.     

计及多元不确定性的氢电耦合微电网多阶段动态规划方法

针对传统单阶段规划设计方法存在的初始投资成本高、源荷匹配性弱、经济性不足的缺点,提出了一种氢电耦合微电网多阶段动态规划方法,可确定各设备的最优配置容量和投资时机,并基于混合优化架构增强模型对多元不确定性的适应能力。其中,设备在规划周期内投资成本的波动不确定性特征以随机概率场景描述,可再生分布式电源出力和负荷需求不确定性则以不确定场景集合处理。在此基础上,进一步考虑微电网规划周期内的负荷增长率、设备性能衰退等动态因素,提升规划方案对未来动态信息变化的适用性,并最终构建随机-鲁棒混合整数线性规划模型描述微电网的多阶段动态规划问题。仿真结果表明,与传统的单阶段规划模型相比,所提方法的总成本降低近5.0%,初始投资成本降低近13.9 %,投资回收期缩短近32.9 %,有利于提升微电网规划方案的经济性。     

有源相控阵雷达TRM高功率微波在线测试系统

高功率微波（HPM）是系统电磁环境效应评估中的重要项目之一。针对有源相控阵雷达“前门”耦合窄带HPM效应评估需求,通过HPM效应评估不同试验方法比较分析,提出采用多端口高隔离“魔T”、耐高功率吸收式滤波器与隔离器等关键微波器件,构建基于传导注入法的收发组件（TRM）高功率微波效应评估实时在线测试系统,针对典型频段TRM开展效应试验,获取相应试验数据,验证了该测试系统是合理可行的。     

基于共享近邻和优化关联策略的边界剥离聚类

边界剥离聚类算法(BP)是一种基于密度的聚类算法,它通过逐渐剥离边界点来揭示聚类的潜在核心,已经被证明是一种十分有效的聚类手段.然而, BP算法仍存在一些不足之处:一方面,数据点的局部密度仅考虑了距离特征,使得边界点的确定不够合理;另一方面, BP算法中的关联策略容易误判异常值,并且在分配边界点时容易产生连带错误.为此,本文提出了一种基于共享近邻和优化关联策略的边界剥离聚类算法(SOBP).该算法使用了基于共享近邻的局部密度函数来更好地探索数据点之间的相似性,同时优化了BP算法中的关联策略,使得每次迭代中边界点不再仅与一个非边界点进行关联,并进一步采用了边界点与非边界点、已剥离边界点之间的双重关联准则.在一些数据集上的测试表明,相较于其他6种经典算法,该算法在评估指标上表现更佳.