有侧移框架二阶效应的弹性分析

目的对有侧移框架进行二阶效应的弹性分析,以及梁柱线刚度比对有侧移框架二阶效应的影响.方法采用转角位移法推导了考虑二阶效应(P-Δ效应和P-δ效应)的转角位移方程.结果算例中应用该转角位移方程求解有侧移框架的二阶内力,并将结果同该框架的一阶内力进行比较,二阶内力的存在并不是使所有杆件的内力都增加,在柱底处二阶内力较一阶内力小,而在柱顶处二阶内力较一阶内力大.考虑二阶内力后梁端的弯矩较不计二阶内力影响的弯矩有所增加.不受均布荷载的杆件的弯矩图是直线,而在考虑二阶效应后却变成正弦曲线.结论对于单层单跨框架,梁柱线刚度比越小对二阶效应的影响越大.     

Spring框架对数据持久化的支持与实现

O/R Mapping技术有效地解决了数据持久化问题.Spring框架支持ORM技术,它的SpringDAO和Spring ORM功能提供了对Hibernate框架的深入支持.通过XML配置文件描述Bean对象及其依赖关系,Spring利用IoC容器实现了Bean的装配与控制;同时通过建立POJO映射形成了ORM的体系结构.掌握基于Bean容器的开发模式,使控制层、逻辑层及数据层实现充分解耦,是Spring开发工作的核心.     

预测帧编码中基于场景信息的宏块模式跳过算法*

在对场景信息进行分析的基础上,提出了H.264/AVC中预测帧的一种快速算法.对于未发生场景切换的预测帧,采用INTRA模式跳过算法(IMSA),跳过该帧中所有的INTRA模式的决策过程.对于发生场景切换的预测帧,跳过INTER模式的决策过程(PMSA).仿真结果显示,与采用完整的率失真优化(RDO)决策过程相比,未发生场景切换时,所提方法能减少30%～60%的编码时间;发生场景切换时,能减少60%～70%的编码时间,并且未导致明显的图像质量下降和码率的增加.     

超高频RFID系统的CRC分组ALOHA算法优化

标签冲突增加了射频识别(RFID)系统的时间开销和能量损耗,降低了识别速度,随着标签数量的不断增加,冲突更加明显,系统性能急剧下降。为了解决RFID系统中的多标签防碰撞问题,在分析帧时隙ALOHA算法的基础上提出一种基于标签分组的帧时隙ALOHA优化算法。该算法首先通过标签自身携带的循环冗余校验(CRC) 码将标签分组,记录标签组的组号,按照组号的顺序依次识别,从而减少同时响应阅读器命令的标签数量;针对识别过程中的时隙选择冲突问题,可以通过混沌系统产生均匀分布的伪随机数,对进入识别状态的标签随机选择时隙号,使标签在一帧内选择的时隙分布更加均匀,从而减少标签碰撞的次数。与传统算法的对比实验中：当待识别标签数量相等时,优化算法识别完标签所需命令数更少,且所用命令数与标签数目呈近似线性关系;当待识别的标签数量小于256时,优化算法的标签识别速度提高率稳定在50%;当待识别的标签数量大于256时,优化算法能使标签识别速度提高率达80%。理论分析与实验结果表明,优化算法识别标签的速度更快,且随着标签数量的增加,其优势更明显。     

一种基于CSMA/CA的无线局域网协议的实现方法

论述了一种基于CSMA／CA的无线局域网协议的实现方法，按照IEEE8802．11协议标准以及通过无线传输特性的分析，提出了一种利用时间片的方法来实现CSMA／CA协议的方案，详述了基于时间片CSMA／CA协议的无线局域网适配器YH－TLAN工作过程，并给出了具体的实现方法。     

基于问题框架的需求建模:一种本体制导的方法

在深入研究问题框架方法的基础上,抽取并构建了一个问题框架本体,以概念化基于问题框架的需求建模,设计了一个本体制导的基于问题框架方法的需求建模过程,为需求分析员提供建模指导并规范其建模活动.最后,通过案例展示整个本体制导的建模过程.     

统一框架的DES理论的构思

本文首先介绍了常用的ＤＥＳ理论，分析了它们之间的关系。提出了统一框架下建立ＤＥＳ理论的设想与前提。最后对ＤＥＳ理论如何在我国进一步实用化与完善，提出了几点粗浅的意见。‘     

TWFBD的浮点数编码遗传算法

近年来,有关浮点数编码遗传算法的消噪变异研究有了一定的进展,取得了一些成果。浮点数编码消噪变异的理论和方法研究一直是该领域研究的重点,需要有更新更有理论和应用价值的研究成果出现。有界域的紧小波框架用于浮点数编码消噪变异尚处于无人问津的研究领域。着重分析了有界域的紧小波框架的性质,用有界域的紧小波框架在算法中进行消噪变异操作,提出了基于有界域紧小波框架的遗传算法,并进行了实验。研究和实验结果表明,将有界域的紧小波框架用于浮点数编码消噪变异,具有可靠的理论基础,与其他方法相比,其效果也十分明显。     

改进混合高斯模型的运动目标检测算法

针对传统的混合高斯模型存在无法完整检测运动目标、易将背景显露区检测为前景等问题,提出了一种基于混合高斯模型的运动目标检测的改进算法。通过将混合高斯模型与改进帧差法进行融合,快速区分出背景显露区和运动目标区,从而提取出完整的运动目标。在运动目标由静止缓慢转为运动的情况下,为背景显露区给予较大背景更新速率,消除了背景显露区对运动目标检测的影响。在兼顾混合高斯模型在复杂场景中对噪声处理效果差的基础上,利用背景模型替换的方法来提高算法的稳定性。经过反复实验,结果表明改进后的算法在自适应性、正确率、实时性、实用性等方面有了很大的改进,能够在各种复杂因素存在的情况下正确有效地对运动目标进行检测。     

基于视频的车辆发现模块的研究与实现

针对现有的智能交通系统的车辆发现模块的不足,提出了车辆发现的一整套解决方案。综合使用了已有的视频处理技术及方法,背景差分法、帧间差分法、检测线方法,以及自适应边框的车辆精确定位等方法,设计实现了智能交通系统的车辆发现模块。设计了三种不同的真实场景的实验。通过对结果的分析表明,系统的车辆发现模块对于车辆的识别度高达90%以上,在一般的设备下流畅运行,能够满足车辆发现应用对系统的实时性的要求,并且适应性也较好。