万户共协同

追溯到600年前,有一位中国的官吏叫万户,他在一把座椅的背后,装上47枚当时可能买到的最大火箭。他把自己捆绑在椅子的前边,两只手各拿一个大风筝。然后叫他的仆人同时点燃47枚大火箭,其目的是想借火箭向前推进的力量,加上风筝上升的力量飞向前方。     

嵌入式系统芯片的软硬件协同仿真环境设计

针对嵌入式系统芯片SoC开发验证阶段的需求,介绍了一种通用的SoC软硬件协同仿真平台。软件仿真由C／C＋＋和汇编语言编写,硬件仿真基于VMM验证方法学所搭建,SoC设计代码由RTL代码编写而成。将SoC设计代码中的ARM由DSM模型替代,通过VCS编译器将软硬件协同起来进行信息交互,实现一种速度快、真实性高、调试方便的...     

基于HLA的卫星协同仿真系统研究与实现

基于HLA体系规范,研究协同仿真软件体系结构,设计了一个卫星协同仿真系统CSS(Coordinated Simulation System).首先简要介绍了系统研究的意义,以系统功能以及系统要素为基础分析了系统的需求、提出了基于"协同"的设计原则以及系统性能评估指标,然后介绍了实现CSS的关键技术--使命空间的任务体现结构和多分辨率建模技术 ,以及CSS的分层设计的系统结构,并以仿真任务管理成员和卫星成员为例分析了设计CSS联邦成员的设计思路,最后提出了一个原型系统.该系统仿真了卫星侦查、数据通信、数据评估等整个过程对大型复杂系统的仿真具有很好的借鉴意义.     

风河加入Open Screen项目 强化Adobe Flash和Adobe AIR支持

Intel全资子公司风河系统公司（Wind River）日前宣布加入Adobe公司的Open Screen项目,并作为Adobe的全球范围合作伙伴,为Internet设备引入Adobe Flash Platform平台,     

协同管理系统驱动企业低碳高效运转

<正>近两年来,企业管理软件领域发生了一个实实在在的变化。这个变化就是企业管理软件的基础软件——办公自动化系统OA被升级换代了。用市场的话来说,就是整个被洗了一遍牌。包括已安装系统的升级换代和新安装的系统,几乎统统被协同办公系统取代了。这虽然只发生在OA     

今目标管理软件

今目标,国内领先的目标管理软件。致力于为中小企业搭建互联网时代的网络办公环境,是企业内部管理、协同办公的好帮手。今目标以目标管理为主线,既有充分体现领导力的计划管理、项目管理、时间管理、知识管理等模块,又包含了即时通讯、企业邮箱、短信总机、在线客服、文档管理、信息中心等企业日常办公功能。     

强化系统安全从应对木马开始

在互联网盛行的今天,“木马”一词可以说是无人不知、无人不晓。但是且不说普通用户的个人电脑能否抵御木马入侵,就连美国国防部也少不了被黑客的木马频繁光顾。就在前几天,美国传来消息：“维基解密”网站上传了一份可供下载、但暂不可阅读的加密文件．而它很有可能与阿富汗战争密档泄露事件有关。难道木马就真的无入能挡、不可应对吗？回答当然是否定的,因为这只是你没有找到正确的方法而已。     

PTC定义PLM未来的价值

从PLM系统诞生之日起,其功能就一直在系统提供商和用户的相互作用中逐步完善:系统提供商不断发掘和创新,用户持续地验证并提出更多的需求.当然,其中还有一个很重要的因素,就是整个工业领域产品开发环境的变化--越来越复杂的产品、越来越多协同设计的需求,以及越来越多的开发工具和庞大的产品开发体系,这些都推动着PLM系统不断前行.     

基于径向基神经网络的新型协同过滤推荐算法

针对传统协同过滤推荐算法对目标用户的评分预测过于依赖邻近用户,而忽略目标用户自身评分特性的问题,提出一种改进的基于径向基RBF(Radial Basis Function)神经网络的预测方法。该方法首先使用RBF神经网络对邻近用户的项目评分数据进行模型训练,得到基于该用户的网络评分模型;然后结合目标用户自身的评分进行计算,得到一个基于该模型的评分;最后结合所有邻近用户的模型评分预测出目标用户对目标项目的最终评分。改进后的算法既借鉴了用户之间的相似性,也考虑了目标用户自身的评分特性。实验结果表明,改进后的协同过滤推荐算法可以获得比传统算法更好的推荐效果。     

一种结合评分时间特性的协同过滤推荐算法

用户评分是协同推荐算法实现未知评分预测的主要依据,传统协同推荐算法一般只利用评分的数值,而忽视评分产生时间对推荐的作用,但是评分时间特性对推荐系统准确性的影响不容小觑。本文针对这个问题,以传统协同过滤推荐算法为基础,从评分时间角度对推荐算法的相似度计算和评分预测过程进行改进,提出了一种结合评分时间特性的协同过滤推荐算法。算法依据用户对项目的评分及时间计算出一个时间因子,并将时间因子融入到相似度的计算中,使推荐给目标用户的项目更加合理。通过实验进行该算法与现有协同推荐算法的对比,验证了该算法在提高推荐准确性方面的有效性。