一种基于图像去噪的多密度网格聚类算法

针对传统网格聚类算法仅能够去除空网格的问题,提出一种基于图像分割思想来剔除稀疏数据的多密度网格聚类算法.该算法对原始数据进行网格划分和数据映射,计算网格密度,将每个网格看作图像中的一个像素点,采用Otsu算法确定合适阈值,并给出了阈值应用于网格聚类算法时的阈值折合公式,完成稀疏单元的剔除.在聚类过程中考虑到网格单元内部特征,通过两个网格的相对密度及边界特征得到了相邻网格的相似度度量公式,弥补了网格聚类算法无法应对多密度数据的缺点.在Matlab中进行仿真实验,该算法在聚类之前对网格剔除率为69％,且不需要人工干预,而GAMD和SNN算法未剔除网格.当数据维度增加时,GAMD算法时间远远高于本算法.实验证明,该算法具有较好的数据过滤效果,聚类结果与数据输入顺序无关,在得到任意簇的同时,保证了较高的时间效率且能够广泛应用于各种数据集.     

怎样设计高可靠性的电子系统

可靠性是现代电子系统的重要指标之一。怎样确保电子系统的可靠性,是广大电子技术人员普遍关心的一个课题。本文阐述电子系统的一套可靠性设计法,其中包括设计思路以及许多新的设计技术。     

改进Hummers法化学合成石墨烯及其表征

以天然鳞片石墨为原料,首先采用改进的Hummers法合成氧化石墨前驱物,再将其用硼氢化钠还原制备得到石墨烯纳米材料,采用FTIR、XRD、TEM、SEM对氧化石墨和石墨烯进行了结构与形貌分析。结果表明,制备的氧化石墨的氧化程度较高,含有大量的含氧极性基团,如羟基、羧基、醚基等;石墨烯为二维纳米薄层片状结构,边缘有皱褶起伏。     

基于Spring MVC的数据库分页查询技术及应用研究

在电子商务系统中,由于用户查询条件的宽泛性,可能会出现大量符合条件的查询结果。为了快速响应用户查询,在数据库设计和访问过程中,除了建立合理的索引机制以外,必须对查询结果进行分页处理。在传统Spring MVC框架基础上,增加了Bo层,其主要作用为参数封装,并从数据库的生成、业务逻辑的配置、Dao层、Service层、Controller层、Bo层、Jsp层等多个层次优化数据访问过程。通过实验分析,对比传统分页方法,在平均响应时间上具有明显优势,且依托良好的层次结构,具有可移植性强的优点。     

一种带有时间域的证书链搜索算法

针对当前基于角色的信任管理语言RT0的不足,提出带有时间域的信任管理语言,在证书的结构中增加了证书的有效期和证书的版本号,并对交集表达式的长度进行了限制。实验表明,带有时间域的信任管理语言使证书链搜索过程变得更加迅速、有效。     

住宅室内的再创造

任何一类室内空间的设计,其实质,都是对地面、墙面和天花三个基本面的再创造。通过围、隔,地面的抬起和下沉,天花的凹凸和局部垂落以及材料肌理的变化,甚至用架起等多种限定手段,创造出不同风格,不同功能的室内环境。从多层次创造空间的进深感,以全方位统一室内环境诸因素,使之和谐,以立体的再创造,求得三度空间的完整。     

基于服装图像视觉特征的冷启动问题缓解

冷启动问题是协同过滤推荐算法中被广泛关注的问题,它的存在严重影响协同过滤算法的推荐质量. 提出深度卷积神经网络提取的服装商品图像视觉特征用于计算用户对新商品喜好度的方法来缓解冷启动问题,并利用矩阵分解模型估算用户对服装商品的评分. 通过从服装商品图像视觉特征到商品特征向量的映射函数计算新商品的特征向量,给出了两种映射函数形式:K最近邻映射和线性映射. 实验结果表明,服装图像视觉特征能够有效缓解协同过滤算法冷启动问题.     

基于多级网络编码的多副本云数据存储

云数据存储的快速发展对数据的可用性提出了较高要求.目前,主要采用纠删码计算数据编码块进行分布式冗余数据存储来保证数据的可用性.虽然这种数据编码技术保证了存储数据的安全性并减少了额外的存储空间,但在损坏数据恢复时会产生较大的计算和通信开销提出一种基于多级网络编码的多副本生成和损坏数据恢复算法算法基于多级网络编码对纠删码的...     

基于FARIMA模型的流量抽样测量方法

目前的流量抽样测量方法主要基于传统的数学理论,并没有考虑到实际网络流量的特征,基于此,提出基于FARIMA流量预测的抽样方法,根据流量预测值动态调整抽样率,既减轻了CPU的负载,又节省了存储空间。通过对比实际使用中的流量抽样测量方法取得的数据报文样本均值和Hurst参数,表明该方法能够正确体现原始数据的流量行为统计特征。     

实时多任务软件高可靠性测评方法

为了克服传统可靠性测试方法在验证高可靠性指标时测试持续期太长的困难,针对实时多任务软件的特点,提供了一种融基于体系结构的系统可靠性建模、最大熵原理、贝叶斯统计推断为一体的多级高可靠性测评方法。数值仿真表明,该方法在不降低验证测试置信水平的基础上,能有效缩短验证测试持续期。