XML技术在HIS系统中的应用

通过分析HIS要解决的问题,描述了XML在HIS中的应用.     

基于Cocos2d-android的手机游戏开发

该文介绍了一款2D手机游戏软件的开发过程,该软件使用Cocos2d-Android-1作为引擎,设计了植物精灵、僵尸精灵、子弹精灵等精灵类及背景层、精灵层。游戏软件的业务逻辑并不复杂,只设计了第一关卡。游戏的碰撞检测根据不同要求采用不同的逻辑思想,各精灵也产生在不同的图层上,从而增加了游戏的效果。整个游戏匹配了相应的音效。     

基于信息测度的勾股模糊决策模型及其应用

相对于直觉模糊集，勾股模糊集能够更为全面和有效地表达描述复杂问题中的不确定和非一致信息，使其受到了广泛研究。对于属性评价值为勾股模糊数并且属性指标权重信息数据完全未知的多属性决策问题，以提出的勾股模糊信息测度为基础，设计了新的多属性决策模型。该模型运用对数函数设计了一种新的勾股模糊数信息熵计算方法；引入了勾股模糊相似度概念，并结合对数行数提出勾股模糊数相似度的衡量方法，随后挖掘出勾股模糊数的信息熵和相似度之间的内在联系；运用提出的勾股模糊熵和相似度计算方法，构建新的多属性决策模型，并进行应用研究。实验结果表明，提出的模型合理有效，同时拓展了模型的使用范围。     

基于模糊神经网络的恶意APP软件动态检测技术研究

为了解决传统恶意APP软件检测技术中存在的检测准确率低下的问题,引入模糊神经网络,设计恶意APP软件的动态检测技术。从软件应用程序权限与软件代码两个方面,提取恶意APP软件特征,并得出相应的特征向量,通过构建模糊神经元得出动态模糊神经网络,将得出的APP软件特征向量输入到模糊神经网络当中,针对APP软件的恶意行为进行特征匹配,从而输出APP软件的风险检测报告。通过实验发现,模糊神经网络下的恶意APP软件动态检测技术比传统的检测技术误报率与漏检率分别低18.5%和3.8%,准确率高6.47%。     

犹豫语言信息集成算法及其数据库选择应用

针对犹豫模糊语言环境下的多属性群决策问题,建立了一种基于犹豫语言几何Bonferroni平均（HLGBM）算子的多属性群决策模型,该模型不仅充分考虑了每种属性的重要性,而且能够有效捕获属性间的内在联系。首先利用基于Archimedean T-范数和S-范数的犹豫语言运算法则,提出了一种新的HLGBM算子,并研究该算子的四种基本性质;其次,探讨了HLGBM算子的几类特殊形式,并提出了犹豫语言加权几何Bonferroni加权（HLWGBM）算子;最后基于HLWGBM算子构建了一种新的犹豫语言多属性群决策模型,并通过数据库选择实例验证决策模型是可行和有效的。