基于利益相关者理论的和谐企业研究

本文基于利益相关者理论,分析了企业各利益相关者利益的冲突关系和各利益相关者利益协调的内在需要,提出企业是各利益相关者利益的协调主体,协调并满足各利益相关者利益是和谐企业最基本的特征,由此提出了和谐企业的定义,并分别从核心利益相关者利益协调和非核心利益相关者利益协调两方面对如何构建和谐企业进行了探讨。     

TrueType字体自动打标机软件设计

通过分析TrueType字体文件结构和提取出字符轮廓信息,实现了对字符的无失真任意放大和缩小以及旋转等特效,曲线轮廓可以进行填充。将二次Bezier曲线构成的字符轮廓,通过最小二分法转换成一组能够保持曲线轮廓形状的小折线,将原有的字体轮廓数据从用曲线轮廓表示转变为用多边形顶点控制,用一组点及其先后顺序来描述轮廓。研究了字形交叉的消隐处理方法,解决了笔画重叠的问题。打标机将得到的多边形顶点信息准确打标。     

基于新的证据冲突表示的信息融合方法研究

DS证据理论为不确定信息的表达和合成提供了自然而强有力的方法,被广泛应用于信息融合的各个领域。但是在证据高度冲突情况下常常会导致错误的融合结果。文章首先分析经典证据理论中冲突系数的不足,引入证据距离函数表示证据之间的差异性,并提出了一种新的证据冲突表示方法,能更有效地度量证据的冲突程度。而后基于新的冲突表示方法,提出了一种新的冲突信息融合方法,该方法保持DS组合规则不变,对融合结果进行修正,能够有效解决证据高度冲突情况下的信息融合问题。最后通过算例验证了该方法的有效性。     

T-MPLS网络中基于多等级业务的调度算法

为保证不同类型业务在传送多协议标记交换网络中的合理调度,并提高链路带宽资源利用率,提出了一种改进型的加权公平调度算法. 为分析该算法性能,利用OPNET仿真软件搭建平台进行仿真. 结果表明,相比于传统的加权公平算法,该算法在不增加算法复杂度的基础上能有效地节约链路带宽资源,并使高等级业务获得更好的时延特性.     

支持MPLS流量工程的选播路由

对选播服务的网络负载均衡做了研究,提出一种支持多协议标签交换（MPLS）流量工程的选播路由算法（ART）．ART基于最小冲突路由机制,通过MPLS约束路由的标记分发协议（CR LDP）建立1条从选播服务器到客户方向的标记交换路径（LSP）,并预留带宽资源．仿真结果表明,ART能平衡网络的负载,在选播服务中实现网络资源的优化利用,并且在传输服务数据流时,能减少时延及数据包的丢失．     

基于改进策略树的防火墙策略审计方案设计与实现

防火墙在当今网络中起着不可或缺的作用,防火墙规则配置的合理与否直接关系到网络环境的安全.随着网络规模日益增大,防火墙配置也日趋复杂,为了更好的发挥防火墙的防护性能,防火墙策略审计应需而生.文章首先对防火墙规则之间的关系进行了详细研究,总结并分析了一些常见的规则异常种类,并对现有的策略审计方案进行了综述研究.其次,论述了防火墙策略审计系统整体的工作流程,层次化的分析了系统总体架构设计,对防火墙策略审计系统的配置规则审计模块进行了重点研究论述.再次,论述了传统的策略判定树审计方案,详细阐述了该方案的实现流程,分析并指出了该方案的优点以及所存在的不足.接下来提出一种以树形结构为基础改进后的策略审计方案,详细论述了该方案的审计流程并实现了改进的审计方案.最后结合该实现展示了系统的图形化报表以及详细审计结果,对改进后审计方案的审计结果与传统策略树进行了对比分析验证.     

一种面向软件产品概念设计的CSCW模型

随着计算机和网络技术的发展,各种CSCW模型和技术先后被提出,来满足各行业产品和概念设计的复杂工作需求。软件产品的概念设计作为一项复杂的工作和业务流程,对CSCW系统的需求也越来越高。文中针对软件产品概念设计的特殊性质,提出一种新的CSCW软件产品概念设计模型,并且对其中包含的冲突检测和协调机制进行了详细的设计和优化。使用基于Java平台的相关技术对模型主要功能架构和冲突协调过程进行了仿真。实验表明,文中提出的模型具有更加简洁和高效的复杂冲突解决能力和用户交互能力。     

融合语义差别和流型学习的偏标记学习方法

偏标记学习是一种重要的弱监督学习框架。在偏标记学习中,每个实例与一组候选标记相关联,它的真实标记隐藏在候选标记集合中,且在学习过程中不可获知。为了消除候选标记对学习过程的影响,提出了一种融合实例语义差别最大化和流型学习的偏标记学习方法(partial label learning by semantic difference and manifold learning, PL-SDML)。该方法是一个两阶段的方法：在训练阶段,基于实例的语义差别最大化准则和流型学习方法为训练实例生成标记置信度;在预测阶段,使用基于最近邻投票的方法为未知实例预测标记类别。在四组人工改造的UCI数据集中,在平均70%的情况下优于其他对比算法。在四组真实偏标记数据集中,相比其他对比算法,取得了0.3%～13.8%的性能提升。     

融合视觉风格和标签约束的少数民族服装图像解析

目的 少数民族服装款式结构复杂,视觉风格各异。由于缺少民族服装语义标签、局部特征繁杂以及语义标签之间存在相互干扰等因素导致少数民族服装图像解析准确率和精度较低。因此,本文提出了一种融合视觉风格和标签约束的少数民族服装图像解析方法。方法 首先基于本文构建的包含55个少数民族的服装图像数据集,按照基本款式结构、着装区域、配饰和不同视觉风格自定义少数民族服装的通用语义标签和民族语义标签,同时设置4组标注对,共8个标注点;然后,结合自定义语义标签和带有标注对的训练图像,在深度完全卷积神经网络SegNet中加入视觉风格以融合局部特征和全局特征,并引入属性预测、风格预测和三元组损失函数对输入的待解析图像进行初步解析;最后,通过构建的标签约束网络进一步优化初步解析结果,避免标签相互干扰,得到优化后的最终解析结果。结果 在构建的少数民族服装图像数据集上进行验证,实验结果表明,标注对有效提升了局部特征的检测准确率,构建的视觉风格网络能够有效融合少数民族服装的全局特征和局部特征,标签约束网络解决了标签之间相互干扰的问题,在结合视觉风格网络和标签约束网络后,能够明显提升少数民族服装解析的平均精度,像素准确度达到了90.54%。结论 本文提出的融合视觉风格和标签约束的少数民族服装图像解析方法,能够提高少数民族服装图像解析的准确率和精度,对传承祖国文化、保护非物质文化遗产具有很好的意义。     

基于标签分布构造的异构数据集年龄估算

现有年龄估算方法的性能度量主要是基于训练集与测试集独立同分布的假设。为了能更好地符合实际场景以及更好地评估年龄估算方法的泛化性能,提出一种异构数据集评估协议,即在年龄估算时更关注训练集与测试集具有的不同分布和特征情况。此外,为了提高基于卷积神经网络的年龄估算方法的拟合能力,在充分考虑相邻年龄特性的基础上,通过将年龄估算问题建模为基于高斯模型的标签分布学习,提出一种新颖的损失函数。理论分析与实验结果皆说明本文方法的有效性与鲁棒性。