中文网页内容柔性过滤器的研究与实现

不法分子为了逃避过滤,将不良信息中的敏感关键词进行变形。为了识别这些变形的关键词,提出了一种柔性过滤算法。在此基础上,利用浏览器帮助对象（BHO）,构建了一个中文网页内容柔性过滤器,用于实时过滤由变形关键词生成的不良网页。该过滤器改善了传统过滤器不能过滤变形关键词的现状,是对传统的基于关键词过滤方法的补充。     

一种WSN网关节点的设计与实现

无线传感器网络WSN是由分布在给定区域内大量无线传感器节点构成的一种新型信息获取系统,而无线传感器硬件节点的设计与实现是其应用的关键和基础工作.针对将无线传感器网络应用在青藏铁路沿线多年冻土区典型段进行地温、变形监测方面的特殊要求,设计了一种无线传感器网络系统,该网络由大量普通传感器节点、若干网关节点及一台计算机构成.无线传感器节点布撒在需要监测的区域内.将所探测到的有用信息通过初步的数据处理和信息融合之后,通过相邻节点接力的方式传送给网关节点.网关节点通过无线方式接收各传感器节点的数据并以有线的方式将数据传送给最终用户计算机.本文详细介绍了一种基于CC2431的网关节点以及基于C8051F320的USB接口的软硬件设计与实现.     

维、哈、柯文版Linux操作系统关键技术的设计实现

维吾尔文、哈萨克文、柯尔克孜文(以下简称民文)等多文种操作系统软件,对于提高我国西部少数民族地区的信息化水平,起着重要作用.本文首先阐述了民文与汉文、西文等语言在计算机处理方面的差异,然后通过分析Linux国际化框架,提出了民文版Linux的总体设计结构,最后分两个模块重点论述了民文变形显示、从右向左书写、民汉混合处理等主要技术难点在Qt层次上的实现.测试表明,民文版Linux在保证原有功能的基础上,全面支持了民文的使用习惯.     

XFX讯景教你玩高清——带你认识会变形的a720、a1080

1080p、720p的高清视频我们已经非常熟悉了,但最近却出现了越来越多名为a1080、a720的视频资源,名称上的相近让许多人搞不清楚它们和1080p、720p的关系。它们到底是不是高清视频？有哪些特幻应该如何播放？本文将带你去认识它们。     

不减肥 也能“拍出”魔鬼身材

MM为了拍一张满意的玉照,整天节食,这不吃,那也不吃,什么都敏感,这样下去非把身子弄坏不可。我实在看不下去了,心疼地说:"不就是要一幅靓照吗?用电脑处理一下就可以了,何必让自己受苦。"     

表面滚压强化工艺的数值仿真

针对圆棒工件表面进行多圈连续进给滚压强化工艺,提出了Mare有限元的三维数值仿真模型.通过边界条件施加、滚动的实现、接触设置等有限元建模的建屯和修正,取得了与实际十分吻合的滚压成形的仿真结果;在分析残余应力形成过程的基础上,提出了改进的滚压过程模型;比较了不同进给量、网格划分及边界条件对残余应力分布的影响规律.结果表明,与以往的单圈或者不足一圈的滚压、滑动滚压,或者轧辊不转动的静止压入等简化条件下的仿真模型相比,仿真模型更接近实际的滚压过程,因而也获得了比较理想的变形和残余应力的仿真效果.     

波前校正的变论域模糊控制方法

自适应光学校正技术中常用的PID控制依赖于变形镜的响应模型,响应模型易受扰动影响因此标定过程较为复杂。针对此问题提出一种不依赖变形镜响应模型的变论域模糊控制方法,将哈特曼重构波前中提取的波面评价指标的残差参数与残差差分参数作为变论域模糊控制器的输入,对输出的比例积分微分参数进行自整定,实现自适应控制。利用Matlab进行变论域模糊控制方法与传统模糊控制方法进行对比的相关仿真。波前校正实验结果表明,变论域方法校正后波面数据优于传统模糊控制方法,波前残差的均方根值也更小。控制器系统性能实验中,传统模糊控制器的超调量偏大,而变论域模糊控制器的超调量几乎为零,调节时间也更短。变论域模糊控制方法在保证系统的鲁棒性,提升系统的快速性的同时,利用参数自整定的特性克服了扰动因素对变形镜响应模型造成的不利影响,提高了校正效率,对于波前校正更具有实用性。     

大坝变形预测的最优因子长短期记忆网络模型

面对海量的大坝安全监测数据,快速合理地确定大坝变形预测模型的变量因子能够有效提高模型预测的效率和精度。为此,本文提出一种基于最小绝对值收缩和选择算子（least absolute shrinkage and selection operation,LASSO）变量选择和长短期记忆（long short-term memory,LSTM）网络的大坝变形预测模型。首先,通过大坝变形机理分析确定影响大坝变形的相关影响因子集。然后,通过LASSO算法剔除不显著的因子,筛选出最优影响因子作为模型输入变量,并利用LSTM网络建立大坝变形预测模型。最后,以皂市水利枢纽工程的碾压混凝土重力坝为例,对本文方法进行了验证和讨论。结果表明,本文方法具有较高的预测精度,其平均绝对误差（MAE）、均方误差（MSE）与均方根误差（RMSE）均相对较小;与常规预测模型相比,基于LASSO算法的变量选择使模型建立过程更加简单高效,有利于海量监测数据的处理分析。     

耦合时序特征分解筛选的大坝变形分析模型

高精度的变形预测对大坝安全运行和长期维护具有重要意义。针对当下方法预测精度低、数据信息挖掘不充分的问题,通过将变形序列进行变分模态分解,构建大坝变形影响因子与分量之间的关系,进而搭建不同结构参数的长短期记忆神经网络,最终提出了一种大坝变形分析模型。该模型综合灰狼算法、最小能量误差标准、最小冗余最大相关性方法等策略,从前端分解、信息提取和时序预测三方面对模型进行了改进,实现了最优化建模。实例分析表明,相较于常规监控模型,所提出的变形分析模型能够准确模拟坝体形变过程,具有较高的预测精度和泛化性能,可以为大坝变形安全分析提供参考。