虚拟机技术在网络操作系统课程教学中的应用

当前,网络操作系统课程教学要求学生具备较高的实际操作能力,传统教学方法由于教学设备的制约,学生没有条件进行操作能力的训练,而虚拟机技术在教学中的应用解决了这一问题。文中阐述了虚拟机技术可以在现有计算机主操作系统上建立若干个同构或异构的虚拟计算机系统,对虚拟机系统进行任何破坏性的操作,绝对不会影响主系统和其他虚拟机系统;最后提出了虚拟机技术的应用,极大地丰富了网络操作系统课程的实训内容,既保证了教学质量,增强了网络实验的安全性,减少实验室的管理难度,又能充分利用设备、节省经费,取得了令人满意的实践教学效果。     

选修课咨询系统的规划与设计

文章结合专家系统技术、数据库技术,论述了选修课咨询系统开发的必要性,并详细论述了系统的架构模式、总体规划以及设计方法。     

USB控制芯片PDIUSBD12典型应用研究

该文首先介绍对PDIUSBD12的结构、原理和特性进行了简单介绍,给出了PDIUSBD12与AT89S51连接的电路原理图。以ATMEL单片机和PHILIPS公司的PDIUSBD12构成USB设备控制端,对PDIUSBD12芯片及应用进行研究。     

一种多分类器集成的手写体汉字识别方法

多分类器集成是手写体汉字识别领域的新方向。本文提出的多分类器集成方法通过改进的欧氏距离分类器将待识别汉字分类到某个粗分结果集中,然后根据粗分结果集选择1-N(one-against-rest)的SVM分类器对待识别汉字进行细分,最后用贝叶斯集成两级分类器。实验对国标一级汉字中的1034个手写汉字进行识别,证明了方案的有效性。     

基于主次原型超平面最接近支持向量机

基于广义特征值的最接近支持向量机GEPSVM是一种新的具有与SVM性能相当的两类分类方法,通过求解广义特征值来获得两个彼此不平行的拟合两类样本的超平面,其决策规则是将测试样本归为距其最近的超平面所在的类。然而,该规则在某些情形会导致较差的分类结果。对此,本文提出了在利用GEPSVM产生一个主原型超平面的基础上,再利用主原型超平面及它类样本的信息构造一个次原型超平面,形成一个由主次原型超平面共同决策的最接近支持向量机。该方法不仅简单且易于实现,而且具有较GEPSVM更优的分类性能。在UCI数据集上的实验验证了它的有效性。     

TrueType字体的自动字符刺绣编针算法

针对目前刺绣CAD系统中字符编针功能无法适应多种字体.自动化程度较差的缺陷,基于windows的GDI 函数库、细化算法和链码算法,提出了一种自动编针算法.该算法已成功运用于莱工业刺绣CAD系统,系统能对任意TrueType字体的中英文字符实现合理、精细的编针,用户对该系统的字符编针效果满意.     

量子Haar小波变换算法设计及应用

设计了基于通用量子语言Q_language的量子Haar小波变换算法,该算法对于小波变换的应用和量子算法的完善具有重要的意义.分析了3个量子位Haar小波变换过程,给出了量子Haar小波变换算法的Q_language语言描述,并分析得出其时间和空间复杂度,然后给出了实现量子Haar小渡变换应用方法.     

易燃性智能测试仪软件系统的设计与实现

基于玩具安全标准对玩具易燃性的要求,结合PLC控制技术、网络技术和软件技术,对研制的智能燃烧测试仪的工作原理、硬件结构设计、功能特性进行了详细的论述,并重点对软件系统中的主控程序、人机界面、通信程序的设计与实现进行了阐述,指出此测试仪是一台软件与硬件相结合的设备,其软件系统的实现极大地提高了测试仪的自动化水平.     

SVM+BiHMM:基于统计方法的元数据抽取混合模型

提出了一种SVM BiHMM的混合元数据自动抽取方法.该方法基于SVM(support vector machine)和二元HMM(bigram HMM(hidden Markov model),简称BiHMM)理论.二元HMM模型BiHMM在保持模型结构不变的前提下,通过区分首发概率和状态内部发射概率,修改了HMM发射概率计算模型.在SVM BiHMM复合模型中,首先根据规则把论文粗分为论文头、正文以及引文部分,然后建立SVM模型把文本块划分为元数据子类,接着采用Sigmoid双弯曲函数把SVM分类结果用于拟合调整BiHMM模型的单词发射概率,最后用复合模型进行元数据抽取.SVM方法有效考虑了块间联系,BiHMM模型充分考虑了单词在状态内部的位置信息,二者的元数据抽取结果得到了很好的互补和修正,实验评测结果表明,SVM BiHMM算法的抽取效果优于其他方法.     

使用超椭球参数化坐标的支持向量机

基于n维超椭球面坐标变换公式,构造一类核函数--n维超椭球坐标变换核.由于是同维映射,且增大了类间距离,这类核函数在一定程度上改善了支持向量机的性能.与其他核函数(如高斯核)相比,将所构造的核函数用于支持向量机,仅产生了很少的支持向量,因而大大加快了学习速度,改善了泛化性能.数值实验结果表明了所构造的核函数的有效性和正确性.