基于信息共享策略的加权逐点预测动态多目标优化

为了有效实现Pareto最优解,并且提升对于输入误差的鲁棒性,提出一种基于信息共享策略的加权逐点预测动态多目标优化算法。引入一种信息共享策略,该策略允许每个点利用其相邻解决方案中的信息有效提升模型的鲁棒性。引入一个相似性度量,并对其与一些常用的相似性度量进行对比分析,进一步提出一种加权逐点预测方法,逐点特性极大增强了捕捉各种模式的能力。在EC2018 DMO测试套件上的实验结果验证了该方法的有效性。

基于HSV空间的彩色图像分割

彩色图像分割是彩色图像处理和图像识别的重要问题,彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用。根据HSV颜色空间颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后经过H分割对绿色信息进行提取得到分割结果。试验表明,这是一种计算高效的分割算法。

分布式数据库系统的数据分布策略研究

为降低局域网数据通信成本、提高整体数据分布与处理性能,文章采取分布式数据库的任务处理方案。首先,将数据处理任务分配到各个服务器站点,按照统计数据的完整性、重构性和不相交性要求,利用分簇-遗传算法将整个站点集合按照“通信代价阈值”设定簇集;其次,以“簇”为对象进行数据分片和副本分配,将重要数据分片到访问频率较高的站点;最后,经由传输控制协议/网际协议(Transmission Control Protocol/Internet Protocol,TCP/IP)、ZigBee网络协议等互联网络,形成数据库系统逻辑上的统一管理,可保证系统数据分布的效率和质量。

互联网发展背景下的企业智能决策支持系统的构建

基于互联网的企业智能决策支持系统具体的网络模式以及体系框架模型进行具体的探索和研究,对系统的问题求解和综合子系统,以及有关互联网的信息采集和储蓄子系统、数据库和数据仓库子系统、定量分析和模式子系统、定性分析知识子系统等各方面进行系统而全面的分析。将数据挖掘在这个系统中的作用也进行了具体的分析,对于互联网发展背景下的企业智能决策支持系统的构建提出了发展建议。

企业智能财务决策支持系统的开发及构建思路研究

随着我国信息化科技的不断发展，在我国一些企业中将信息化科技运用到财务决策的过程中，有原来的传统化财务决策向智能化方向发展。利用智能系统中的数据库、数据分析技术、人工智能技术对企业中的财务信息决策提供了重要的保障，也是企业体系中重要的组成部分。但是，在我国中小企业财务体系中，还运用着传统的财务会计体系，这样在企业会计体系在决策的过程中在一定程度上受到了限制，还是利用传统的图表形式对会计信息进行分析，这样严重了影响了企业的经济发展。因此，企业在构建智能会计体是尤为重要的，该文以企业智能财务决策支持系统的开发及构建进行了分析和阐述，对智能财务体系中的构建、处理、使用、维护等方面进行的研究，一次促进我国中小企业智能财务体系的可持续发展。

DCT域的图像数字水印算法

DCT域的图像数字水印算法具有不可察觉性,有较好的鲁棒性,实现了二值图像嵌入的过程。通过实验表明,该算法能够进行D/A、A/D转换及量化等信号处理和有损JPEG压缩、滤波,也能进行一般的几何变换,安全性较高。

高校计算机专业实验室管理系统智能化的研究

针对现阶段高校计算机实验室管理存在的一些问题,本文首先对高校计算机实验室管理系统构建意义进行阐述,其次从管理角度不全面、管理手段落后、缺乏对学生素质教育的重视等三个方面分析了当前管理存在的问题,并提出高校智能化实验室管理系统的设计方案。希望通过本文的阐述,可以给相关领域的研究提供一些参考。

企业智能移动终端信息安全的管理方式分析

现代企业在办公系统的部署上使用了大量的智能移动终端,满足了企业办公自动化、移动化和智能化的发展需求。大量智能移动终端的使用,在给企业带来便利,帮助企业获得较大经济效益的同时,也给企业的发展带来了风险。文章在对企业智能移动终端使用较为广泛的Windows、Phone、IPhone以及安卓等智能操作系统安全分析的同时,对如何加强企业智能移动终端信息安全的管理提出策略指导。

基于校园网的实验室管理系统的研究与设计

针对当前传统的实验室管理机制已经无法满足现代化实验室管理需求。文章首先对校园网实验室管理系统的功能进行了分析,其次利用现代化的信息技术对校园网的实验室管理系统的改革和创新进行研究和设计,从而提升实验室管理质量和水平。本文对实验室和校园网管理人员都具有一定积极的作用。

基于深度学习的图像超分辨率重建算法研究

本文针对图像超分辨重建领域,深入研究了超深超分辨率(very deep super-resolution,VDSR)模型的结构和原理,并利用BSDS100数据集进行验证。首先,探讨了图像超分辨重建技术的背景和意义,以及国内外研究现状。其次,分析了VDSR模型的数学原理和工作过程,包括卷积操作、修正线性单元激活函数和残差学习机制等关键内容。最后,在实验部分,使用Python搭建实验环境,并通过BSDS100数据集对VDSR模型进行测试。实验结果表明,VDSR模型能够有效提高低分辨率图像的质量和清晰度,重建图像在纹理、边缘和细微结构等方面与高分辨率图像接近,验证了其在图像超分辨重建任务中的优越性和有效性。