海表面盐度卫星微波遥感研究进展

海表面盐度SSS(Sea Surface Salinity)是研究大洋环流和海洋对全球气候影响的重要参量、是决定海水基本性质的重要因素之一。卫星微波遥感可以满足盐度研究过程中大范围、连续观测的需要,国际上统一的认识是选择频率为1.413 GHz的L波段作为盐度遥感的首选波段。目前,国外发展的海面盐度微波遥感反演算法主要有两种:基于海表发射率估算海表盐度的算法和基于贝叶斯定理提出的反演算法。影响盐度反演精度的因素主要有太空辐射、电离层法拉第旋转、大气、海面粗糙度等。其中,海面粗糙度对盐度反演影响很大,海面粗糙度处理模型可以分为3大类:理论算法(间接发射率模型、直接发射率模型)、经验算法、半经验半理论算法(Hollinger 半经验模型、WISE半经验模型、Gabarró模型)。SMOS卫星和Aquarius/SAC\|D卫星的成功发射,将海表面盐度遥感的反演精度控制在0.2 psu以内,通过改进反演算法,有望得到更高的反演精度。     

自适应回声对消的初期迭代统计学模型及改进算法

为减少滤波器长度,提出自适应滤波算法初期迭代统计学模型及改进的回声消除算法。提出的统计学模型分析了自适应算法迭代初期滤波器各系数的均值和方差。基于该模型提出的改进算法,先检测回声路径峰值,进而确定回声路径延时,然后以延时为中心,用一个短的滤波器辨识原回声路径活跃系数部分。用实际回声路径进行仿真,理论和实验结果均表明,新算法在迭代的前75～100步已可准确检测回声路径峰值并确定延时;而减少滤波器长度,可大幅提高自适应算法收敛速度并降低算法计算复杂度。     

基于Struts＋Spring＋Hibernate缺陷管理系统实现

随着社会的蓬勃发展,软件行业的激烈竞争也日益明显,人们对软件的质量要求越来越严格。对于高质量的软件来讲,最终产品尽可能达到零缺陷。而软件开发是一个以个人为中心的活动,不可避免会存在缺陷,而缺陷信息是产品质量和过程能力的重要指标,是知识的积累。论文介绍了使用Java语言开发软件缺陷管理系统的过程。该系统采用当今流行的开发技术Struts、Spring、Hibernate实现了系统的表示层、控制层、业务层和持久层。论文重点阐述了该系统的登录模块、缺陷管理模块和用户管理模块的设计和实现。初步测试表明,该系统实现了软件缺陷管理的基本功能并能满足中小型企业需求。     

透明加解密系统原理与实现分析

介绍透明加解密系统产生的背景、原理以及实现技术,同时还对对称加密算法进行简要的介绍,对于加解密系统的使用提出了独特见解。     

基于Ad Hoc网络的SMR优化算法的研究

SMR是一种基于DSR算法的多路径路由算法,这种算法的本身具有明显的局限性。第一,它可能在存在多条不相关多路径路由的情况下选择两条相关多路径路由作为最后的主路由与备份路由;第二,它在目的节点只收到一个RREQ分组的情况下只生成一条主路由,而实际可能存在多条传输线路。针对SMR算法的局限性,本文提出一种改进的SMR算法—ISMR,该算法保证了两条路由的形成,保证了在存在多条不相关多路径路由情况下,一定会生成两条不相关多路径路由。     

连续鼓气对舰船冷却海水真空膜蒸馏强化效果的研究

通过连续运行试验考察舰船冷却海水膜蒸馏系统不鼓气时膜通量变化及膜污染情况,应用气液两相流试验考察连续鼓气流量与膜通量之间的关系,探讨不同温度下连续鼓气的强化效果.结果 表明,舰船冷却海水真空膜蒸馏系统不鼓气时,海水温度升高膜通量衰减加快,会在膜面形成碳酸钙等盐类结晶;0～30 L/min连续鼓气时膜通量随鼓气流量上升而增加,30～40 L/min连续鼓气时膜通量随鼓气流量上升而减小;连续鼓气能提高真空膜蒸馏通量,鼓气流量宜控制在30 L/min.     

500kV变压器油色谱在线监测装置故障处理

在我国的电力发展过程中,变压器对输电系统具有举足轻重的作用,因此及时发现变压器潜伏性故障对于变压器的正常运行显得尤为重要。变压器油色谱在线监测装置就可以及时发现变压器本体内部存在的潜在故障,对变压器的安全运行起到很好的监视作用。但前提是油色谱在线监测装置运行及数据正常,才能正确分析变压器存在的故障。对油色谱在线监测装置运行过程中出现的故障现象进行描述,针对出现的现象进行深入分析,有效避免主变事故的发生,最终保证变压器长期安全稳定运行。     

CoGCN: Combining co‐attention with graph convolutional network for entity linking with knowledge graphs

Entity linking is a fundamental task in natural language processing. The task of entity linking with knowledge graphs aims at linking mentions in text to their correct entities in a knowledge graph like DBpedia or YAGO2. Most of existing methods rely on hand‐designed features to model the contexts of mentions and entities, which are sparse and hard to calibrate. In this paper, we present a neural model that first combines co‐attention mechanism with graph convolutional network for entity linking with knowledge graphs, which extracts features of mentions and entities from their contexts automatically. Specifically, given the context of a mention and one of its candidate entities' context, we introduce the co‐attention mechanism to learn the relatedness between the mention context and the candidate entity context, and build the mention representation in consideration of such relatedness. Moreover, we propose a context‐aware graph convolutional network for entity representation, which takes both the graph structure of the candidate entity and its relatedness with the mention context into consideration. Experimental results show that our model consistently outperforms the baseline methods on five widely used datasets.     

SESF-Fuse: an unsupervised deep model for multi-focus image fusion

Neural Computing and Applications - Muti-focus image fusion is the extraction of focused regions from different images to create one all-in-focus fused image. The key point is that only objects...     

基于云计算技术的信息安全试验系统设计与实现

在云计算领域,信息安全显得尤为重要,是一个长期的研究课题。文章利用云计算开源平台,设计一套信息安全试验系统,利用该系统,将重要信息置于云端,客户端通过虚拟机实现远程调用,可以大大提高运行的安全性和健壮性,同时也能大大提升工作效率。