基于B/S模式的电力调度管理信息系统

介绍采用先进的B/S模式,实现黑龙江省电力调度管理信息系统的组成、功能及主要特点。

中值滤波技术在图像处理中的应用

中值滤波是一种非线性滤波方法。为了在尽可能消除或衰减噪声的同时很好地保留图像细节,提出一种对信号与噪声分别处理的中值滤波法,并在图像处理中应用。与常用的中值滤波法相比,采用该方法处理的图像其信噪比可以显著提高。

酒店管理系统的建模与设计

现代化的酒店组织庞大、服务项目多、信息量大,要想提高劳动生产、降低成本、提高服务质量和管理水平,进而促进经济效益,必须借助计算机来进行现代化的信息管理。酒店管理系统正是为此而设计的。优秀的酒店客房管理系统操作方便,灵活性好,系统安全性高,运行稳定。现将以典型的酒店管理系统作为实例,使用统一建模语言向读者讲述如何对酒店管理系统进行建模与设计。

定量的信息安全风险评估计算模型的研究

讨论了信息安全风险评估计算模型相关问题.在原来定性风险评估计算模型的基础上,提出了一种定量的信息安全风险评估计算模型并将其运用在信息安全风险评估过程中,使信息安全风险评估分析过程中进行风险值的计算更加科学和准确,解决了以往定性的计算模型的数据计算粗略、不准确和多个风险值集中于一个相同的风险等级中,区分不出风险的重要性等问题.

恶意代码及防范技术研究

电子邮件病毒的危害很多人已经深有体会,相信很多人都曾遭受过电子邮件的毒手,恶意代码确切的讲是一段黑客破坏代码程序,它内嵌在网页中,当用户在不知情的情况下打开含有病毒的网页时,病毒就会发作,那么有没有一种新的办法能够有效地防止恶意网页的侵害呢-下面给大家介绍几种恶意代码的基本预防技术。

不均衡数据下基于SVM的故障检测新算法

针对传统支持向量机(SVM)算法在数据不均衡情况下无法有效实现故障检测的不足,提出一种基于过抽样和代价敏感支持向量机相结合的故障检测新算法。该算法首先利用边界人工少数类过抽样技术(BSMOTE)实现训练样本的均衡。为减少人工增加样本带来的噪声影响,利用K近邻构造一个代价敏感的支持向量机(CSSVM)算法,利用每个样本的代价函数消除噪声样本对SVM算法分类精度的影响。将该算法应用在轴承故障检测中,并同传统的SVM算法,不同类代价敏感SVM-C算法,SVM和SMOTE相结合的算法进行比较,试验结果表明当样本不均衡时,建议算法的故障检测性能较其它算法有显著提高。

电导率测量原理

本文介绍了电极型电导率的测量方法,对电导率测量机理进行分析,由于测量电极表现为一个复杂的电化学系统,就电导率测量目前面临的3个问题,极化效应、电容效应和温度,提出了解决方案,从而进一步提高了测量精度。

自由飘浮机器人能量最优规划方法

将耦合刚体运动规划方法应用于自由飘浮空间机器人的轨迹规划中,得到一种针对能量优化的规划算法.仿真结果表明,该方法得到的轨迹不仅消耗能量小,而且关节轨迹平滑,适合于空间机器人的应用要求.

网络安全管理平台的设计与实现

分析了当前主要网络安全产品的局限性,阐述了建设网络安全管理平台的必要性,在此基础上着重介绍了一套基于J2EE架构、利用Struts框架开发、以Web形式访问的网络安全管理平台--SMP(security management platform, SMP);对SMP的总体架构进行了系统分析和整体设计;阐述了核心模块--风险管理的详细设计.

垂直分层空时码译码算法的分析及仿真

具体介绍了垂直分层空时码的线性与非线形的译码算法,阐述了不排序和排序串行干扰消除译码算法的理论,分析其特点,并对各算法性能和复杂度进行了比较。同时,利用Matlab仿真对各种算法进行分析比较,进而验证所阐述观点的正确性。

运动目标在复杂背景中的检测

运动目标轮廓的有效提取,对于目标识别和跟踪是非常重要的,但是大量的背景景物增加了目标检测的难度。文中针对复杂背景下红外序列图像的特点,提出了一种实用的运动目标检测算法。首先,通过canny边缘检测算法,对输入图像进行边缘检测,然后把相邻两帧边缘图像进行场景对准,计算出相应的场景平移参数,根据这些参数,平移帧图像后做差分处理。在残差图像中,根据局部熵的图像分割法,对图像进行二值化处理,最终获得了比较完整的运动目标。实验表明,这种方法是有效的,且性能良好。

定向多尺度变异克隆选择优化算法

提出一种定向多尺度变异克隆选择优化算法.为了实现抗体间信息共享,算法利用定向进化机制引导抗体向着抗体群最优解区域逼近.采用多尺度高斯变异机制,在算法初期利用大尺度振荡变异实现了全局最优解空间的快速定位.随着适应值的提升,小尺度变异会随之减低,使得算法在进化后期通过小尺度变异完成局部精确解的搜索.将算法应用到5个经典函数优化问题,结果表明,该算法不仅具有更快的收敛速度,而且全局解搜索能力和稳定性均有显著提高.

基于多尺度并行免疫克隆优化聚类算法

针对无监督分类问题,提出一种多尺度并行免疫克隆优化聚类算法.算法中,进化在多个子群之间并行进行,不同子群的抗体根据子群适应度采用不同变异尺度.进化初期,利用大尺度变异子群实现全局最优解空间的快速定位,同时变异尺度随着适应值的提升逐渐降低;进化后期,利用小尺度变异子群完成局部解空间的精确搜索.将新算法与其他聚类算法进行比较,所得结果表明新算法具有较好的聚类性能和鲁棒性.