基于图谱特征提取的宽带城域光纤网络异常识别方法

为了实现对宽带城域光纤网络异常信息的识别，提出基于图谱特征提取的宽带城域光纤网络异常识别方法。构建宽带城域光纤网络异常信息特征检测模型，采用大数据融合方法进行宽带城域光纤网络的异常图谱特征分析，采用统计相关性分析方法进行宽带城域光纤网络的输出负载均衡控制，提取宽带城域光纤网络大数据的异常特征量，采用模糊自相关性融合聚类分析方法进行宽带城域光纤网络监控数据的聚类处理，建立宽带城域光纤网络输出信息的谱特征检测模型，通过负载均衡控制方法，实现宽带城域光纤网络的异常识别。仿真结果表明，采用该方法进行宽带城域光纤网络异常信息识别的实时性较好，时延为150 ms以下，时间开销为21 ms，识别精度达到97.8%，整体性能较优越。     

基于B／S模式的实验室多媒体教学系统

实验室多媒体教学系统主要包括内容管理系统（CMS）、FTP服务、流媒体服务、在线考试服务等模块，并结合网络电子教室、保护卡等工具软件提供多媒体教学，采用B／S方式访问．可以有效提高课堂交互性。解决实际教学中面临的种种问题，同时投入成本不高，扩展性强．易于迁移。     

脉冲激光逐层钎焊金刚石-镍铬合金工艺研究

基于脉冲激光加工时的低能量输入和较小的热影响优势,将其应用到金刚石磨粒的钎焊过程中,以实现多层金刚石磨粒的逐层钎焊成形。通过单道及单层脉冲激光钎焊试验,研究了工艺参数对钎焊成形及对金刚石损伤的影响规律,并优选出较好的工艺参数进行了多层钎焊试验。研究结果表明：在脉冲激光钎焊成形过程中,工艺参数的变化主要通过改变峰值功率密度和线能量密度来影响钎焊成形和金刚石损伤形态。输入的能量密度不足时,钎焊道及钎焊层易出现熔融球、金刚石聚集、熔合不充分、不连续及不平整等现象;输入的能量密度过大时,易出现金刚石损伤、粉末材料及金刚石流失逃逸等现象。当线能量密度为14～25 J/mm²、峰值功率密度在5×10⁵～1.5×10⁶ W/cm²时,可得到平整性良好和金刚石磨粒形态良好的钎焊形貌,且在此参数范围内优选的参数条件下实现了多层结构的逐层钎焊成形,得到了较好的表面成形形态及较低的金刚石损伤形态。多层钎焊试块弯曲试验结果表明,钎焊层与基体之间具有较好的结合强度,未出现钎焊层剥离现象。     

现代Web设计中的交互性原则

传统Web设计存在普遍性的误区,很多思想仅仅适用于早期或者面向页面的简单Web站点开发,难以面对现代商业站点中的大量事务处理。相对于组织、内容、条理性和表现,交互性是当前Web设计中需要关注的重点。在Web站点开发过程中,交互设计师、信息设计师和视觉设计师需要密切合作,Web设计过程与通用软件开发过程是类似的。     

Web缓冲技术及其在服务器端的应用

<正>在Web应用中,一些报表可能需要数据库花很长时间才能生成;如果某个网站主要提供天气信息,它就需要访问远程服务器进行SOAP调用才能得到;对于含有大量图片的页面,打开时可能要等待非常长的时间。所有这一切都属于复杂信息的例子。在Web页面中加人过多的复杂信息可能导致Web服务器、数据库服务器负荷过重。缓冲的使用可以有效地利用网络带宽,并能减轻服务器的负载。1Web缓冲原理缓冲技术原理如下:为防止每次都重复加载同一内容而带来的各种资源消耗和浪费,我们保留一份内容的本地副本,并且在其有效期内反复使用它。最常见的网页缓冲是浏览器缓冲,在最终用户的本地硬盘上储存了图像和其他网页对象的副本,以供重复使用。此外,还可以在web服务器、网络路径、最终用户本地网络上建立缓冲,这些不同缓冲的目的是基本一致的。从本地浏览器开始,向外有本地网络的代理(proxy)缓冲,如果代理缓冲中有相同的内容,本地网络中其他用户便不必在远端的web服务器上索取内容。再向外,ISP(InternetServerProvider,Internet服务提供商)也有一个类似的代理缓冲。最后,web服务器上使用称作’re-verseproxycache’的缓冲来保持最后生成的网页以备随时提交,由此可减轻服务器重复生成、提交被请求内容的负担。2几种控制缓冲的方法     

全国计算机等级考试报名系统关键环节设计

报名与收费是全国计算机等级考试中既繁琐又关键的环节,处理不当往往造成人力物力的浪费和损失,加重等级考试工作的负担.强化该环节的设计可以提高工作效率,有效解决传统报名过程中的种种不足,实现报名、收费、信息检索、数据上报、成绩公布等真正无纸化的网络管理.     

CO2气体保护焊的焊缝形貌建模及虚拟化仿真系统开发

建立了CO₂气体保护焊工艺参数与焊缝几何尺寸(熔宽、熔深)之间的多层感知机神经网络预测模型,并基于焊接试验数据训练模型,确定了模型的数学解析式;通过分析焊缝截面和表面形貌特征,建立焊缝形貌的虚拟化仿真模型;通过python编程开发了焊缝形貌预测与虚拟化仿真系统。结果表明：所建立的多层感知机神经网络预测模型对熔宽预测的最大偏差为0.097 mm,模型拟合优度为0.999 269,对熔深预测的最大偏差为0.051 mm,模型拟合优度为0.999 567;建立了以焊缝熔深和熔宽为输入变量的焊缝截面形貌数学模型和以焊缝熔宽为输入变量的表面形貌数学模型。