基于J2EE的高性能持久层分析与设计

首先分析了持久化的设计思想与模式,包括解耦合原理、DAO模式实现.然后分析了Hibernate的体系结构,并提出了Hibernate应用的性能优化方法.最后,给出了一个设备管理系统应用实例.该系统基于Hibernate和Struts框架,构建多层体系结构,采用了DAO设计模式,实现了MVC架构.     

数字电路多媒体网络学习系统的研究与实现

针对传统教学系统存在的问题,介绍了基于B/S 模式的数字电路多媒体网络学习系统的结构和主要功能,并给出具体的系统基本架构与功能设计.重点分析了学习系统中DHTML技术的应用,数字电路仿真实验平台及基于XML课堂练习子系统的开发实现.     

基于路径选择的自适应蚁群算法研究

本文提出样本空间经过K-均值聚类算法聚类加工处理后,算法通过动态地调整选择路径概率,优化TSP求解过程中解的分布均衡性,可以在加速收敛和防止早熟、停滞现象之间取得很好的平衡。这种新的算法提供了在样本空间预处理情况下,动态自适应地解决TSP问题最优解的新方法。比起普通蚁群算法,此算法对大规模数据的最优解的求解更有显著效果。     

一种安全监控事件风险评级度量模型

信息安全监控是在信息系统的运行维护期间,对安全风险进行控制、化解和规避的工作过程.针对系统运行中监控事件的生成特点,分析了影响监控事件安全风险程度的相关因素,建立了监控事件风险评级度量指标体系与评估模型,使得安全告警事件能够实时动态地进行风险评估,实现在海量信息中快速识别高风险事件,可以大大提高事件处理的效率,对于安全运维工作有很好的适用性和可操作性.     

Web数据挖掘在电子商务中的应用

Web数据挖掘已经成为数据挖掘研究领域的热点,尤其是在电子商务网站的设计和使用中。文章阐述了在电子商务中如何运用Web数据挖掘技术,为企业更有效地确认目标市场、改进决策、获得更大的竞争优势提供帮助,并提出了一种Web数据挖掘系统的设计方案和实现方式。同时,对k-means聚类算法进行了优劣分析,并提出通过改变初始聚类中心的选取规则来提高算法的运行效率以及计算结果的准确度。     

海云计算实验系统研究

海云计算定义为海量智能物体交互中(围绕)物体产生但发生在数据中心的计算。本文标识了海云计算的三种典型场景:海云交互,代理计算和聚集计算。初步构造了一个覆盖三种海云计算场景的财税物联网应用,并创建了第一个提供海量数据和访问负载的试验床系统.。该系统支持开展海云计算系统的关键技术评测。本文进一步介绍了海云试验系统的特色、架构和关键技术,并报告了初步的试验结果。     

基于服务的企业标准化培训平台

随着近年来企业信息化的不断发展以及培训在人力资源培养中的重大作用,如何实施标准化的企业培训管理越来越受到政府、企业的关注。同时,于21世纪初兴起的软件即服务SAAS（Software as a service）软件提供方式以其价格、服务方式的优势,被越来越多的企业所熟知和采用。提出一个基于服务的企业标准化培训平台,它根据ISO10015标准对培训流程进行规范,运用Web模式下的B/S架构技术,实现了由服务供应商以＂服务＂的形式为企业提供培训管理的SAAS模式下的解决方案。平台架设在Internet上,面向多用户提供了底层统一但模块可定制的软件服务,并结合网络数据库技术提供了公共数据的共享和企业数据的管理服务。同时,使用基于角色的权限设计（RBAC）对平台用户权限进行严格控制,并结合MD5加密、数字签名等技术,保证了各企业数据的安全性和系统稳定性。最后,通过对相关技术的探讨,为培训管理平台的未来发展问题进行了展望。     

IPSMS：一个网络舆情监控系统的设计与实现

描述一个网络舆情监控系统IPSMS(Internet public sentiment monitoring system)。该系统试图将网络新闻及论坛、BBS上的帖子依关键词搜索,并依事件聚类,让管理者通过阅读事件可以了解正在发生或已经发生的事件,并提供自动持续追踪事件发展的功能,以协助管理者快速完整且全面地了解事件全貌。系统由网页抓取器、网页解析器及跟踪检测系统三部分组成。由于网络舆情的特点是数据量巨大,为了提高效率,系统采用了网页清理技术,并且在话题跟踪过程中使用了k-d tree方法。最后,对系统的未来工作进行了展望。     

基于lSM方法和TP技术的软件项目范围蔓延分析

范围蔓延在软件项目中经常出现,成为软件项目失败的一个主要原因。通过系统分析,总结了导致软件项目范围蔓延的可能原因,并基于ISM方珐对这些原因进行分析,将混乱无序的原因以层次组织起来,最后基于TP技术分析并提出了防止软件项目范围蔓延的相应对策。     

一种新的基于优先级表的实时调度算法

本文提出了一种新的基于优先级表的实时调度算法,称作截止期—价值密度优先(Deadline - Value Density First)算法,简称DVDF算法.DVDF算法综合考虑了实时任务的截止期和价值密度两个参数,能够更好地适应不同的负载情况.通过使用正常负载和过载情况下的典型数据对算法进行仿真研究表明,这种算法比单纯考虑截止期的EDF(Earliest Deadline First)算法在性能方面有明显的改进,特别是在系统过载的情况下,能够优雅地降级.