基于多参数随机扰动的布尔规则挖掘

在MASK算法基础上提出了基于多参数随机扰动后布尔规则的挖掘过程,通过对实验结果的评估分析,表明该算法能够提供较高的隐私保护,并讨论了隐私保护及挖掘精度之间的关系。最后对未来多参数随机扰动数据挖掘研究进行了展望。     

约束维特比译码算法的性能研究

维特比译码是一种最大似然译码，在数字通信系统中得到广泛的应用。约束维特比算法是利用已知的正确信息．对维特比算法进行改进。本文针对约束维特比算法进行了探讨，并对其性能进行了仿真实验。仿真结果证明，在二进制均衡信道中当采用约束维特比算法时．性能得到了较大的提高。     

加工助剂对挤出级ASA流变性能的影响

利用熔体流动速率(MFR)仪、毛细管流变仪及转矩流变仪研究了不同种类润滑剂和丙烯酸酯(ACR)类加工助剂对挤出级(丙烯腈/苯乙烯/丙烯酸酯)共聚物(ASA)流变性能的影响.结果表明,随着不同润滑剂的添加,ASA的平衡扭矩均会出现不同程度的降低,其中聚乙烯蜡AC6A对减小ASA的平衡扭矩的效果最为明显;而ASA的平衡时间(达到平衡扭矩时的时间)则随着润滑剂种类的不同而出现不同的变化趋势,其中(乙烯/乙酸乙烯)共聚物AC400A和(乙烯/甲基丙烯酸甲酯)共聚物AC540A能够显著缩短平衡时间,促进塑化,而AC6A则会大幅延长平衡时间,延迟塑化.润滑剂的添加能够在低剪切速率下(小于1000 s-1)不同程度地降低ASA的剪切粘度,而在较高剪切速率下则会增加ASA的剪切粘度;而ACR类加工助剂则能够在整个剪切速率范围内明显提高剪切粘度.硬脂酸镁对提高ASA的MFR最为明显.     

HHT在眼底图像边缘检测中的应用

在眼底图像处理中,边缘检测技术是许多研究领域的重要预处理手段,如眼底图像特征提取和基于图像特征的图像配准方法等等。将希尔波特-黄变换（HHT,Hilbert-Huang Transform）方法应用于眼底图像边缘检测,提出了基于二维经验模式分解的图像边缘检测算法。实验结果表明,利用HHT方法的自适应多分辨特性,可以有效提取出眼底图像的细节信息,又不会检测出过多的虚假边缘。该方法为眼底图像的其它处理方法提供了有效的预处理手段。     

文件系统的快速启动机制研究

文章提供一种文件系统的快速启动方法,通过设计一种合理的文件系统一致性方案以减少文件系统的完整性检查,且只在合适的时机扫描磁盘以减少磁盘扫描开销有效缩短文件系统启动时间。     

云计算应用中的嵌入式容器技术研究

虚拟化技术从主机虚拟化发展到容器虚拟化,推动了计算开发模式的变更.容器虚拟化技术广泛应用于云计算,提供高效灵活的计算资源配置,极大提高了计算资源的利用率和软件开发效率.以Docker为代表的容器实现了持续集成、持续交付和部署.在嵌入式系统中,应用灵活多变,配置较多,涉及到应用和实时操作系统的配置裁减,系统重构复杂.本文...     

一种分区操作系统实时任务调度方法

本文以提高在综合化航空电子系统混合任务场景中的实时任务响应性能和解决遗产代码重用问题为目标,提出一种具备虚拟化支持能力的分区操作系统实时任务调度方法。该方法通过建立全局调度队列,并对任务状态进行合理控制,相比已有分区操作系统两级调度模型更为灵活,并且保证了虚拟化分区中客户操作系统自身的调度策略不被破坏,能够满足分区操作系统对任务调度实时性和虚拟化支持能力的需求。     

基于感知数据分析的传感器网络覆盖控制

提出“决策覆盖”的覆盖控制理论和方法.以保证有效覆盖度为目标,通过对传感器网络局部感知数据的实时分析,计算节点的工作优先级并且动态地调整局部物理覆盖度,实现节点状态的反馈调度.“决策覆盖”克服了现有覆盖控制在灵活性和适应性方面的缺陷,突破了在节点发生故障和网络遭受攻击后服务质量难以保证的瓶颈.结合传统的覆盖区域计算及概率分析的结论,本文对现有覆盖控制算法进行了改进,相对于原始算法,改进后的算法在覆盖有效性和健壮性上均有明显提升.     

电镀级ABS树脂Ⅰ.材料组分对镀层结合力的影响

研究了丙烯腈-丁二烯-苯乙烯(ABS)树脂中的组分性质包括橡胶含量、苯乙烯-丙烯腈(SAN)树脂摩尔质量和耐热剂组分对电镀结合力的影响,发现橡胶含量对镀层结合力影响显著。建议电镀级ABS树脂的橡胶含量在16%~21%;低摩尔质量SAN组分的引入使ABS树脂的化学刻蚀更严重,基材表面形成大而规则的凹坑,导致塑材与金属镀层之间的铆合作用减弱,电镀结合力下降;而难以刻蚀的高刚性、高摩尔质量的耐热组分引入ABS树脂亦使其电镀结合力明显下降。     

一种新的Web分类方法

Web文档分类是Web挖掘中最基本的技术之一，而构造一个按照兴趣分类的分类器，需要做大量的预处理工作，来收集正负的训练样例。但负例的收集是非常困难的。文章提出了一个只有正例没有负例的学习模型。该模型主要是重复执行SVM。实验表明，该学习模型对于Web文档分类的分类精度和速度都是非常理想的。