IBM的整合变奏

以SOA的全面落实为标志,全球第二大软件公司IBM走向整合的道路,将会由此渐渐告别市场培育期,开始进入短兵相接的实质性阶段。2007年12月28日,中国深圳。位于深圳市深南大道高新技术产业园区内的金蝶软件(中国)有限公司(www.kingdee.com.cn)(以下简称金蝶)总部大楼里,涌入了行色匆匆的一群人。走在最     

超越时空的紫禁城

IBM与故宫博物院合作呈现了一个超越时空的紫禁城,也给文化遗产的数字化提供了新思路。     

一种基于路由模拟的大规模网络管理方法

目前,Internet已经成为人们生活中的一个重要的交流平台,而Intemet上的信息良莠不齐,且随着信息发布的更加自动化,当前的网络控制管理手段往往跟不上网络上信息的变化,因此,需要一种更加自动化,且能够快速响应的大规模网络管理系统,本文提出了一种基于OSPF软件路由模拟的网络管理方法,并根据该方法设计了一种分布式网络管理系统,经过实验证明,该系统能够快速的隔离网络中的恶意节点,易于管理,高效可行.     

Buck变换器单周期控制分析

单周期控制是一种基于开关变量积分的新型非线性控制策略,能有效地抑制电源电压的扰动,但对负载扰动抑制能力有限.本文对DCM时单周期控制出现的失控提出了改进办法,提高了负载变化范围.     

基于背景模型的运动目标检测与跟踪

运动目标检测与跟踪是判断视频序列中是否存在运动目标及监控运动目标时空变化和运动轨迹.基于背景模型的运动目标检测与跟踪是有效的手段,设定阈值对当前帧图像与已有背景图像相减的差分图像进行检测跟踪操作.检测准确且速度快,阈值操作后直接给出运动目标的位置、大小、形状等信息.     

一种高精度数控直流电流源的设计与实现

采用自行设计制作的高精度电压源,利用单片机、D/A转换器、运算放大器等器件来控制场效应管导通状态的原理,达到了输出恒流的目的.整个系统采用89C52单片机作为主控部件,实现了电流可预置、可步进调整、输出的电流信号可直接数字显示的功能.采用硬件闭环、软件闭环、软件实时积分、实时滤波的方法,锁定输出电流,从而实现了高精度恒流源的目的.软件对相应数据进行数据分段查值补偿采样电阻的温度变化,段间采用线性插值补偿的方法,进一步提高了输出精度.该电流源具有精度高、结构简单、工作稳定、操作方便、成本低廉、带负载能力强等优点.     

基于ROC曲线的水印算法可靠性分析

分析讨论了水印算法的可靠性问题,首次将ROC曲线应用到水印算法的可靠性评价中,从而可以动态的、利用变化的门限分析各种水印算法的可靠性,弥补了传统测评方案中的不足,为公正、客观地评价水印算法的可靠性提供了有利依据.     

融合多类时空轨迹特征的跨网络用户身份识别

随着位置社交网络的蓬勃发展,用户移动行为数据得到极大丰富,推动了基于时空数据的身份识别问题的相关研究。跨位置社交网络的用户身份识别,强调学习不同平台时空序列间的相关性,旨在发现同一用户在不同平台的注册账号。为解决现有研究面临的数据稀疏、低质量和时空不匹配问题,提出了一种融合双向时空依赖和时空分布的识别算法UI-STDD。该算法主要包含3个模块：时空序列模块通过结合成对注意力的双向长短时记忆网络来刻画用户移动模式;时间偏好模块从粗、细两个粒度定义用户个性化模式;空间位置模块挖掘位置点的局部和全局信息,量化空间邻近性。基于上述模块得到的用户轨迹对特征,UI-STDD利用多层前馈网络判断跨网络的两个账户是否对应于现实中的同一个人。为验证UI-STDD的可行性和有效性,在3组公开的数据集上进行了实验。实验结果表明,所提算法能够提高基于时空数据的用户身份识别率,F1值平均高于最优对比方法10%以上。     

基于深度学习的翻越行为检测

翻越行为检测对疫情管控、社会治安等有着重要意义,一定程度上可以减少因为违规翻越行为而造成的意外事故.针对目前翻越行为检测任务实时性差、需要先验知识的问题,本文将Faster RCNN+SlowFast时空行为检测算法应用在翻越行为检测任务中,将翻越行为进行拆分检测.为提高时空行为检测算法中目标的检测精度和速率将目标检测模块Faster RCNN改为实时性高且轻量化的YOLOv5;其次针对同一行为不同视角下广泛的类内多样性的问题,将Fast支路和Slow支路的residual block分别改为AC residual block和SE residual block来加强网络对关键特征与细粒度特征的学习能力,最后设计翻越行为检测算法进行攀爬与下降两种状态的连续性检测,实验结果显示该网络平均准确率达93.5%,在翻越行为检测中表现出良好的性能.     

基于时空重采样的实时随机光源裁剪EI北大核心CSCD

为了渲染含大量动态光源的动态场景,提出一种时空重采样算法.首先利用实时随机光源裁剪对光源进行重要性采样,生成重采样样本;然后提出一种快速时空样本有效性判断方式,通过检查几何属性与可见性,避免错误选择重采样样本而引入误差;最后通过重采样复用时空样本,依样本权重选择重要样本进行着色,提高样本质量.自建场景与NVIDIA ORCA场景的实验结果表明,所提算法能够取得较好的采样质量,通过修改空间重采样数可平衡该算法的耗时与渲染质量,使之具有一定的拓展性;与实时随机光源裁剪算法相比,在相同采样数时该算法能够取得更高的渲染质量,而渲染质量相近时该算法耗时可减少20%~40%.