水面舰艇作战能力研讨式评估软件设计

针对传统的水面舰艇作战能力评估方法未能充分发挥计算机的计算能力和专家的知识与经验的综合作用,在分析水面舰艇作战能力指标体系的基础上,提出了基于综合集成研讨技术的研讨式评估方法,设计并开发了评估软件,阐述了人机交互系统、人工语言系统以及问题求解系统等三个子系统的功能,介绍了软件操作流程。实例应用表明,该软件可为专家评估水面舰艇作战能力提供良好的研讨工具。     

校园网安全评估分析与加固

文章通过对校园网安全现状的分析,介绍了校园网安全评估的流程与风险评估内容,并针对校园网安全评估分析,提出实施校园网系统加固的流程和实施系统加固的内容和方法。     

企业资信的BP神经网络评估模型研究

在现代信用经济社会中,提高资信评估的准确度和科学性极其重要.企业资信评估是一个多因素的非线性问题,传统的统计学方法无法抓住资信评估的复杂本质,而神经网络可实现非线性关系的隐式表达.因此,该文提出将BP神经网络用于企业资信评估,建立了企业资信的BP神经网络评估模型,并通过MATLAB软件及其神经网络工具对其进行仿真计算.实验结果表明,该方法稳定、快捷,评价结果有效、可靠,对企业资信评估有着良好的性能.     

基于MAP技术的图像类推超分辨重建方法

在最大后验概率(Maximum A Posterior,MAP)的基础上,结合图像类推(Image Analogies,IA)思想,提出一种序列图像超分辨率重建方法--MAPIA (Maximum A Posterior Image Analogies).该算法先利用传统MAP方法将序列图像进行超分辨率重建,然后在序列图像中选取一帧图像与重建后的图像构造训练集合的图像对,学习它们之间的关系,利用图像类推技术进行超分辨率重建.实验证明文中方法不仅能有效提高图像的清晰度,而且较其它的方法,能得到边缘更加清晰、细节更加突出的重建图像.     

基于边缘流的水平集牛胴体眼肌图像分割

牛肉在切割过程中常存在残留血液覆盖在脂肪表面,使得脂肪和肌肉对比减弱.针对生物体弱对比图像分割问题,采用了结合边缘流的水平集方法对牛肉眼肌图像进行分割,准确提取了眼肌边缘,分离出了眼肌内部脂肪与肌肉组织,准确率高.该方法避免了单纯边缘流算法提取边界不连续的问题,降低了水平集算法的迭代时间复杂度,避免了初始轮廓选取的主观性.并将实验结果与水平集方法进行了对比,基于边缘流的水平集方法避免了水平集方法在分割中小区域分割的准确性不高,不能准确分离脂肪与肌肉组织的弱点.实验结果证明,基于边缘流的水平集方法是对牛肉眼肌图像进行分割的有效新方法.     

如何对信息技术课堂教学进行评估（一）

●新时代、新课改、新难题从20世纪到21世纪,信息技术课程遭遇时代的变迁及网络信息大浪的冲击,又恰逢新课程改革之风吹遍神州大地,这些都给信息技术课堂教学评估造成了影响,也带来了新背景下的"新难题".     

时态索引技术研究及其应用

研究有效时间期间集合上数学关系以及时态索引构造与应用.建立时间期间集合上时态连通等价关系和时态包含拟序关系.在引入数学关系框架内,通过对时间期间特征进行精细分析,讨论了大时态连通等价类分割和时态包含拟序关系集重叠等问题,建立了由根结点、等价类分割集结点和拟序关系集线序分枝结点构成的时态索引树形模型TDIM.在TDIM架构下,基于时态数据库中数据实体动态管理基本特征,研究了具时态变量情况下时态索引动态实现机制和查询技术,同时讨论了时态更新(时态插入、时态删除和时态修改)的增量式算法.由于建立在一般时间集合之上,TDIM可以应用于时态关系和XML的数据管理.     

用回溯和概率相结合的算法讨论8皇后问题

8皇后问题是计算机算法设计领域里的经典问题。利用回溯算法和概率算法相结合的办法求解8皇后问题,通过实验分析第一次成功搜索到皇后位置的概率,以实验得出的数据为依据对现存的观点提出了质疑,并对实验数据进行了分析,肯定了本文数据的合理性。     

基于可拓学的网络安全报警分析技术研究*

用户的网络管理需要建立一种新型的综合网络安全管理解决方案,即统一网络安全管理。特别关注于其中的一个关键功能——报警分析。其思路是以IDS报警为中心,将报警分析过程分解为包含报警评估与报警相关的两级关联分析模式。为了有效克服现今IDS报警分析技术中存在的问题和局限,顺应网络安全管理的统一化趋势,引入在解决矛盾问题方面极具优势的可拓学,以保证网络安全报警分析各种功能在技术上的实现。     

基于稳定性的基因表达数据聚类算法选择

聚类是一种常用的基因表达数据处理手段,然而它又是主观的,如何选择符合数据内在分布的聚类算法成为目前急待解决的问题.根据经验,当选择最佳簇数k后,采用合理的聚类算法对目标数据重复聚类时,结果稳定性较好.因此提出一种基于稳定性的聚类算法选择.该方法将聚类结果的簇间分离度、簇内紧致度和聚类结果稳定性三者结合起来.在验证和应用三组数据时发现,比传统的评估方法,基于稳定性的聚类算法选择更客观、更可靠.