基于XSLT模板展开的对等模式映射合成

针对对等数据管理系统中绕过离开节点时多次重写的耗时问题,提出一种基于XSLT模板展开的对等模式映射合成方法。处理模板匹配风格的XSLT子集表示的2个映射,通过按序对模板内容再次匹配展开,形成等价于多个映射的合成映射。当映射路径上的相邻节点一起离开时,代理节点使用合成映射直接绕过。仿真结果表明,合成方法能够正确生成等效映射,绕过时间缩短,网络拓扑更加强健。

关于映射合成概念的改进

指出现行"映射合成"概念的局限性，分析产生根源，给出改进定义．

合成映射是单射、满射、双射的充要条件

给出了合成映射为单射、满射、双射的充要条件。

基于合成混沌序列的图像加密算法

利用改进的logistic映射和具有一次耦合项的二维logistic映射两个混沌系统形成密钥对图像进行加密,达到隐藏信息的目的。通过对实验结果分析,证明该算法具有较好的安全性。

谈谈“映射”的教学

映射是近代数学中最基本的概念之一,数学的每一分支都离不开它。本文就[1]中映射这一节的数学,谈谈个人的粗浅体会。一、正确认识映射概念的本质特征在给出映射的定义及一些例子后,必须指明:一个映射必须联系着两个集合A、B和一个对应法则f,这个法则f必须对A的每一元规定B的唯一元作为象,这是映射概念的本质特征,为了使同学们正确理解映射的这一本质特征。

关系与映射

函数概念是自始至终贯穿在中学数学中的一条主线,也是教学中.的重点和难点。术语“映射”作为函数的同义语,被广泛采用.映射的各种性质是定义在给定的集合上的。通常说的集合没有任何预先给定的结构,但是这不等于说集合的元素之间没有任何关系,比如等价关系就是其中最重要的一类关系。与关系密切相联的映射,是现代数学中的基础知识。本文结合《初等数学复习与研究》课的教学实践,就关系与映射的性质及联系等问题进行探讨。

基于产品分解结构的复杂产品工作分解技术研究

为保证复杂产品研制工作分解的全面和彻底,提出了基于产品分解结构(PBS)的复杂产品研制工作分解技术。在适合复杂产品研制工作分解的PBS模型、工作分解结构(WBS)模型和WBS元模型的基础上,通过对PBS-WBS映射类型的分析、映射模型的定义、映射矩阵的编制和映射规则的建立,按层次分阶段逐级完成了从PBS到WBS的映射,实现了WBS的快速构建,从而以统一规范的方法保证了复杂产品全生命周期技术视图向管理视图高效且准确的转换。在此基础上开发了原型系统,以运载火箭为应用对象对系统进行了验证。

采用CASPCM模型进行姿势鲁棒性人脸识别

针对ASPCM模型处理转动角度较大的人脸图像时出现的不足,提出CASPCM模型。以样本与模型中心的距离为依据将训练样本分组,为每个分组训练ASPCM模型;将局部ASPCM模型的合成映射结果加权平均得到CASPCM模型的合成结果;提出利用梯度下降法使分解映射的姿势估计逐步精确。采用精确性和概括性两个标准衡量该模型的分解性能和合成性能。实验表明,CASPCM模型的分解性能和合成性能均优于ASPCM模型;基于该模型的人脸识别系统在处理转动角度较大的人脸图像时,识别率比ASPCM模型高7%。

采用ASPCM模型进行姿势鲁棒性人脸识别

提出ASPCM模型,并将其用于不同姿势下的人脸识别。对人脸图像的形状表示和纹理表示进行主成分分析,建立形状模型和纹理模型;以形状参数、纹理参数和姿势参数间的转换确定人脸图像与头部角度间的映射关系;使用精确性和概括性两个标准衡量ASPCM模型的分解性能和合成性能;根据平均纹理相似度判断输入图像与模型视图间的相似程度。实验表明,该模型分解性能的精确性误差和概括性误差均在1.85°以内;合成性能的这两种误差均在1.1个像素以内;精确性和概括性的平均纹理相似度均在95.8%以上;当头部转动角度在25°以内时,该模型的识别率达到100%。

略谈一些抽象函数问题的解法

有关抽象函数的一些问题,时常散见于各类习题及竞赛题中,是师生感到较难处理的一部分内容.为此,本文举例说明一些常见的抽象函数问题的解法,同时希望能得到同行的补充指正. 一、求解析式求抽象函数解析式的方法常见的有:换元法、特值法、迭代法、消去法、递推归纳法等.