基于Android4.4和百度地图的远程定位系统设计

针对远程定位的应用需求,设计了一套基于Android4.4和百度地图的远程定位系统。首先利用注册机制,构建一个由5个线程和3个消息队列组成的支持多用户同时使用的服务器系统,然后针对Android4.4版本特点,阐述了如何使用Looper机制进行消息线程间传递,最后通过百度地图API和定位终端的位置信息,实现多用户的实时定位。实验表明,本系统结构合理、性能稳定。

基于敏感特征深度域关联的Android恶意应用检测方法

利用机器学习或深度学习算法进行Android恶意应用的检测是当前主流方法,取得了一定的效果。然而,多数方法仅关注应用的权限和敏感行为等信息,缺乏对敏感行为协同的深度分析,导致恶意应用检测准确率低。对敏感行为协同深度分析的挑战主要有两个:表征敏感特征域关联和基于敏感特征域关联的深层分析与检测。本文提出了一种新的Android恶意应用检测模型GCNDroid,基于敏感特征域关联关系图描述的应用程序主要敏感行为以及敏感行为之间的域关联关系来有效地检测Android恶意应用。首先,为了筛选出对分类更加敏感的特征,同时减少图节点的数量,加速分析,本文构建了敏感特征字典。接着,定义类或者包为域,在同一个域中的敏感特征具有域关联关系。通过敏感特征所在域的相对范围,构造敏感特征之间不同的域关联权重,生成敏感特征域关联关系图,敏感特征域关联关系图可以准确表征特定功能模块中的敏感行为,以及敏感行为之间的完整关系。然后,基于敏感特征域关联关系图,设计基于图卷积神经网络的深度表征,构建Android恶意应用检测模型GCNDroid。在实践中,GCNDroid还可以利用新的敏感特征不断更新,以适应移动应用程序新的敏感行为。最后,本文对GCDNroid进行了系统评估,召回率、调和平均数、AUC等重要指标均超过96%。与传统的机器学习算法(支持向量机和决策树)和深度学习算法(深度神经网络和卷积神经网络)相比,GCNDroid取得了预期的效果。

基于嵌入式和YOLOv8存储柜控制系统实验设计

为实现存储柜高效和安全的管理,提出基于人脸检测的存储柜控制系统,系统包括终端、后端和前端。终端采用先训练后移植的方式将YOLOv8人脸检测算法部署在嵌入式Android设备,将人脸图片转化为人脸特征文本数据,Retrofit携带人脸特征和存储柜相关数据向后端发送网络请求。后端采用若依框架、Jwt认证权限、Spring Security管理动态权限菜单和Spring Boot实现API接口,MyBatis管理MySQL数据库和Redis缓存数据。前端也采用若依框架,采用Vue2和Element UI通过Axios访问后端获取数据进行可视化。测试结果表明,系统识别效果好,执行器工作正常,数据可视化展示准确,系统运行稳定。

医院安全移动应用平台的设计和实现

目的:降低医院移动办公和移动业务场景中的数据安全泄露风险。方法:基于虚拟手机技术,将移动办公和移动业务App实际安装和运行在医院内网的虚拟手机服务器上,而用户手持的移动终端只作为虚拟手机的显示和输入设备,同时部署数据安全网关,实现虚拟手机与移动终端的网络隔离,防止内部数据泄露到外部。结果:用户通过移动终端访问虚拟手机中的移动应用,所有的应用数据都只在虚拟手机中被处理和存储,从而避免数据从移动终端泄露。结论:建设安全移动应用平台可以降低医院移动办公和移动业务场景中的数据安全风险,减少医院对移动终端进行安全管控的要求,有助于推动移动业务的健康发展。

深度学习策略下缓慢循环异味检测方法

缓慢循环是一种Android特有代码异味,对Android应用程序的可维护性产生负面影响.针对传统基于静态程序分析方法误检率较高的问题,本文提出基于深度学习的检测方法.首先,使用代码文本信息作为模型输入的特征集.然后,使用两种深度学习模型进行异味检测.此外,为了快速、准确获得模型所需的大量样本数据,提出了一种基于开源Android项目构造正负样本的方法并实现工具ASSD.最后,使用开源Android数据集对提出的方法进行实验验证.实验结果表明,本文方法优于现有基于程序静态分析的检测方法,其中检测效果最好的是CNN模型,其F1值平均提高了28.7%.此外,本文方法优于基于机器学习的检测方法,相对于检测效果最好的随机森林模型,CNN模型的F1值平均提高了9.43%.

基于深度学习的Android恶意软件动态检测

为提高Android恶意软件的检测精度,提出一种基于改进DenseNet网络的Android恶意软件动态检测方法。以应用软件运行特定阶段的网络通信流量为分析对象,根据会话五元组信息切分原始网络流量并转换为灰度图,提出一种基于DenseNet网络改进的分类检测网络DenseNet_IS。通过添加具有不同大小卷积核的卷积分支获取不同感受野的特征,通过引入SimAM注意力模块,从空间和通道两个维度实现对重要特征的关注。结合应用软件判决机制,实现最终分类。在CICAndMal2017数据集上的实验结果表明,所提方法可以达到99.06%的良恶性检测精度和96.51%的多分类精度,验证了该方法的有效性。

基于Room的持久存储的设计与优化

Room库作为一种强大的数据库轻量级持久化框架,广泛应用于Android应用的持久存储设计。文章介绍了Room库的核心架构和组件,提出了Room性能优化的策略,以提高数据库操作的效率和响应性,对构建高质量、高性能的Android应用程序有一定的指导意义。

“岗课赛证”融通的Android程序设计课程建设与教学实践

针对现阶段高职院校Android程序设计课程教学存在的岗位能力标准不清晰、课程项目化程度不高、技能大赛缺乏融合性、职业证书缺乏选择性等问题,深入分析“岗课赛证”融通的内涵与联系,提出按照“确定岗位能力→构建项目化课程→融合技能考点→融入职业资格标准”的逻辑顺序开展“岗课赛证”融通的课程建设思路,以模块1为例,介绍教学实践过程,从提升知识技能、岗位能力、职业素养3个方面说明教学效果。

基于Android的房屋建筑承灾体外业调查系统设计与实现

针对江苏省房屋建筑和市政设施调查系统使用中系统卡顿、采集效率低、更新慢的问题,基于全国第一次自然灾害综合风险普查房屋建筑承灾体调查项目实际情况,提出调用天地图API提供的地理信息服务接口,依托安卓(Android)开发环境(Android Studio),基于Java语言,结合SQL数据库,通过使用ArcSDE数据库引擎构建空间数据库,打造了一个多功能的房屋普查移动端数据采集平台,实现了房屋普查数据的录入、编辑、输出、地图操作、拍照、可视化等功能,解决了国家平台在线版App在数据采集时对服务器瞬时访问量大、软件卡顿的问题,极大提高了房屋普查数据采集的效率。

基于YOLOv5s和Android部署的电气设备识别

针对变电站多种电气设备实时检测的需求,提出了一种基于改进YOLOv5s的电气设备识别方法,并设计基于Android部署的电气设备识别APP,以便对电气设备进行识别与学习。以电力变压器、绝缘子串等6种常见变电站电气设备为例构建图像数据集。数据集进行图像预处理后对YOLOv5s算法进行改进。通过引入C2f模块提高小目标检测精度,采用Soft-NMS提高检测框筛选能力,减少漏检和误检的情况,使用改进后的算法对数据集进行模型训练。将训练好的识别网络模型通过TensorFlow Lite框架进行模型部署,设计电气设备识别APP。经验证,改进后的变电站电气设备识别网络模型mAP稳定在91.6%,与原模型相比提高了3.3百分点。部署后的APP具有设备识别和设备介绍等界面,使用移动端进行识别时每张图片识别时间都小于1 s,具有较快的识别速度和较高的识别精度,可以高效地实现变电站电气设备的实时检测与设备学习。

基于建筑智能化实训平台和Android的环境监测软件设计

针对建筑智能化实训平台中的环境监测功能需求,通过无线传感器节点对温度、湿度、烟雾浓度、光照强度等数据进行采集,设计基于Android系统的手机端应用软件(APP),用户可通过APP远程查看环境监测实时数据、管理历史数据和联动控制报警装置。介绍环境监测硬件系统组建、软件设计架构、数据采集与控制方法、数据处理与通讯模块配置等,并测试其在实训平台中的应用效果。

基于Android的智慧城市的设计与实现

为了提高城市管理的信息化和智能化水平,方便市民的日常生活,提出了一种基于Android的智慧城市的设计与实现方案。系统针对传统基于Web的智慧城市平台对使用时间和地点限制、使用不方便等问题,设计了基于Android的智慧城市系统,实现了城市新闻查看、智慧巴士、智慧社区等功能,既满足了市民随时随地获取信息的需求,也为探索智慧城市建设提供了参考。

多功能便携式水库水质智能移动监测系统设计与实现

为了提高水库水质监测效率和精度,基于物联网、传感器和移动平台技术,构建了一种多功能水库水质智能移动监测系统。系统由ZigBee无线网络、Android智能移动平台、各类型传感器和上位机四部分组成。不仅具有良好的人机交互体验功能,还具有便携性和可移植性,同时可大大降低系统开发成本,能够实现对水温、pH、电导率、水位等多个参数的同时在线实时监测、数据传输、数据分析、阈值设置和报警功能。系统对水温、pH和电导率的平均监测误差分别为3.8%、1.6%和2.7%,均小于5%,精度较高,可在水库常规水质监测中予以应用。

学生“三证”自助填报系统的设计与实现

针对传统“三证”人工管理中存在的不足,设计并实现学生“三证”自助填报系统。系统以Java为核心语言,通过后端链接MySQL数据库,进行数据的采集和存储,通过SSM作为主要架构来构建主体。前端主要用HTML等动态网页技术来完成界面的设计和开发。在真实的环境下,对开发完成的系统进行了测试,结果表明系统满足了设计目标,具有较好的稳定性和兼容性,用户可以使用该系统更简单、实时、高效的完成学生“三证”自助填报。

针对Android应用组件间通信的模糊测试技术研究

Intent是Android应用中最常用的组件间相互通信的载体。然而,如果应用组件对Intent处理不当,极有可能导致应用异常甚至崩溃。以Android应用的各个组件为研究对象,提出了一种通过构造Intent对象来测试Android应用组件间通信健壮性的模糊测试方法。首先分析应用组件的注册文件,提取需要测试的组件及其相关信息。然后,反编译APK源文件,获得目标组件的源代码并提取Intent的附加信息。接着,基于状态压缩批量生成目标组件的Intent测试用例用于自动化测试,并监控目标组件的运行日志来获取其运行状态反馈,据此判断应用组件在响应Intent时是否发生异常。最后,基于相似度匹配的错误日志去重算法,准确地将同一缺陷生成的错误日志归为一类,降低人工分析的工作量。实验表明,所提方法相较于现有前沿研究Hwacha,能够少生成9%的测试用例,多发现14%的程序异常,并通过去重算法显著降低了需要人工研判错误类别的工作量。

基于关联规则的Android恶意软件检测技术

由于Android系统的开放性和多样性,使得该系统的受攻击面非常广泛,同时随着入侵技术和手段不断升级,导致恶意软件难以被检测到。为此,提出基于关联规则的Android恶意软件检测技术。利用计算机编程语言中dpke库对wireshark配置脚本文件解析,提取恶意软件流量,并获取恶意软件静态特征,通过对恶意软件流量聚类分析,利用频繁项集与关联规则计算最小支持度与最小置信度,提取到关联规则,将关联规则与规则库比对,识别检测恶意软件类型,以此实现基于关联规则的Android恶意软件检测。实验证明,设计技术查准率在95%以上,F_measure值在0.95以上,在Android安全防护方面具有良好的应用前景。

基于Android人事管理App的设计与实现

基于Android的人事管理系统,方便用户用手机随时随地查看信息,有助于管理员更高效率地管理信息,降低了管理成本。该系统采用了Android技术和云数据库技术,主要包括以下功能。员工查看个人基本信息与工资明细,进行每日签到并查看考勤记录等功能;管理员查看全体员工的信息,对员工进行管理(例如,修改岗位、禁用离职员工、增加新员工等),对部门进行管理并查看、统计员工考勤记录等功能。系统设计主要使用Android Studio开发工具进行开发,同时采用了C/S架构、Java语言和XML等技术,并通过云数据库存储数据,最终完成开发。通过以上功能的设计与实现,为人们创造高效舒适、智能便捷的人事管理环境。

基于STM32的智慧乡居系统的设计与制作

本文设计并制作了一款基于STM32的智慧乡居系统。该智慧乡居系统具备多功能控制、WiFi控制、环境温湿度检测、光照度检测、家居环境监测、厨房中一氧化碳浓度检测,并且实时将检测的数据送到显示屏显示等功能。通过阿里云编写的安卓APP实现网络通信,实现对家居的远程控制。

基于Android平台的电力工程外业踏勘三维辅助系统设计与实现

随着测绘地理信息技术的不断发展,三维地理信息数据在智慧电网中的应用越来越广泛。三维GIS以立体造型技术给用户展现地理空间现象,并对空间对象进行三维空间分析和操作。基于Android平台,综合利用三维GIS技术、北斗卫星导航定位技术以及智能语音识别技术等,研究设计电力工程外业踏勘三维辅助系统,实现电力塔基快速放样、智能化地物采集、激光点云大数据实时加载和三维分析等主要功能,用以辅助外业踏勘选址选线、调绘,优化作业流程,减少工作反复,提高工作效率。

基于安卓智能手机的高精度定位系统研发及测试

针对常规外业坐标数据采集方式存在的问题,结合高精度位置服务便捷化应用需求,设计并研发了一套基于安卓智能手机的高精度定位系统,通过融合卫星导航定位基准站差分定位与步行者航位推算算法,并制定多种观测环境差异化测量策略,以获取连续的高精度定位结果。基于华为P40、小米8等四款安卓智能手机,进行了广覆盖(湖南省14个市(州))、多场景(开阔、遮挡)的定位精度测试,用于验证系统的可用性和可靠性。测试结果表明,系统在不同智能手机、不同场景中均能稳定有效运行,华为P40的平面定位精度最优,在开阔环境下,最高可达0.2m左右。系统已全面应用于湖南省农村住房规划建设“三到场”环节。