计算机网络工程的监理探讨

计算机网络工程具有投资小、工程周期短等特点,所以,在一般情况下,绝大多数的企业单位都选择自行负责计算机网络工程的管理。鉴于计算机网络工程作业的特殊性,一些非专业人员无法完全掌控工程的整体情况。因此,对于一些工程投资大,并且工程周期较长的计算机网络工程,就会选择专门的工程监理公司来负责整体运作,在最大程度上确保计算机网络工程的施工质量。本文通过介绍计算机网络工程中的规划、招标,以及运行等工作程序,阐述了在计算机网络工程中,各个阶段的工作任务与工作内容,并着重探究了监理工作在计算机网络工程中的重要性。

计算机网络工程的实验优化

随着现代社会经济的发展对教育的要求不断增高,隶属于当今信息化时代的计算机在各项工作中都显得格外重要,计算机教学成为计算机学生的一项重要活动。据了解,目前在实验教学的过程中呈现一种设备滞后的现象,并且实验中的操作十分单一,这就是学生对计算机课程无法产生兴趣的重要原因。我们为了解决这项问题开始对《计算机网络工程》试验教学进行研究,并利用网络的仿真工具对学生作为主体的作用进行强调,将网络实验平台积极地项目模块化,构建有利的网络实验平台。通过这些优化过程使得计算机网络得到有力的发展与利用。而实践证明这项措施在网络实验教学的过程起到了良好的应用效果。

“互联网+”时代大学数学课程教学的创新途径

随着"互联网+"的深入发展,"互联网+"教学成了大学数学教学改革的重要方向。由于教材、教法及教学理念等因素影响,大学数学课堂教学面临着理念落后、方法不当、互动缺失、内容枯燥等问题,直接影响了教学效果。所以应从"互联网+教学"时代语境审视大学数学课堂教学问题,以互联网思维优化教学理念,以互联网技术优化教学过程及模式,以更好地实现大学数学课堂教学创新发展。

基于改进蚁群算法的云计算资源分配方法

针对云计算中的资源分配问题,提出了一种改进的蚁群算法。由于传统的蚁群算法在解决负载均衡问题上存在不足,改进的蚁群算法加入了信息素调节因子,来防止数据中心的计算资源过载。在Cloud Sim仿真平台上进行实验,结果表明改进蚁群算法的任务时间跨度和负载均衡度都要优于传统的蚁群算法。

遗传算法的全局动力学形态分析

目前 ,对遗传算法的运行机理分析大都集中在算法的极限收敛性等问题 ,对算法的全局动力学形态研究较少 从一个具有代表性的、简化的 2 bit问题入手 ,可以对遗传算法中常用的各种进化算子及其组合进行形式化描述 ,从而全面分析GA的全局动力学形态 针对各种参数的选取 ,分别建立了 4个数学模型 通过分析这些模型中各个不动点的吸引性 ,揭示出不同进化算子对动力学形态的影响 对于这个问题 ,证明了算法的全局收敛性 并指出 ,当存在两个彼此竞争的局部极值点时 ,模型中只有两个吸引点和一个鞍点 (或排斥点 ) ,不存在其他的不动点或周期点 算法的收敛结果完全由初始条件处于状态空间中的位置所决定 。

基于Matlab的Sobel算子的指纹中心点定位

为了提高指纹特征点的提取效率,经过反复试验认识到正确定位判断指纹中心点具有重要的意义。通过研究指纹中心点的特征,将指纹图像的点方向图以及直方图与Sobel算子结合,提出了一种新的指纹中心点定位方法,并在Mat-lab下进行仿真。实验证明,该算法编程简单,中心点的定位准确,具有较高的可行性。

基于IPSec的VPN网关设计

根据IPSec标准,重点研究安全策略、高性能内核实现、高性能加密算法和高性能密钥管理机制,研制一个能提供具有较强的互操作能力、使用方便和容易进行升级的VPN网关设备。设计了虚拟专用网络技术基于L inux操作系统平台的网关实现概要,阐述了核心模块的实现步骤以及解决方案。

基于MATLAB的SUSAN指纹细节点提取

在指纹识别中,指纹细节点提取具有重要的意义,它直接关系到指纹匹配的可行性。指纹细节特征提取通常直接从灰度图像中提取特征点,虽然这种算法不必经过二值化和细化过程,但它要对处理后的指纹图象进行纹线修复,然后再实现细节特征提取。纹线修复往往比较耗时,步骤繁琐,同时对噪声比较敏感,甚至涉及到复杂的梯度和微分运算。本文基于简化运算的目的,首先建立USAN区域,再观察USAN区域的变化情况来判断特征点类型,最后提出了较完善的基于SUSAN原理的指纹特征提取算法,并且在MATLAB下进行仿真。实验结果证明了本算法对USAN的求和相当于求积分,计算简单、抗噪声能力强。

3G网络基础上移动视频监控系统平台的设计

该文对在3G网络下的图象压缩技术和视频编码技术进行了详细的阐述和分析,并设计出一套基于3G网络的移动视频监控系统平台模型,将3G移动网络和固网视频监控结合起来,实现两者优势互补,此平台模型能够弥补传统移动网络和固网的不足,对移动视频监控系统的设计具有一定的指导意义.

校企合作教育下地方高校软件工程高级应用型人才培养模式研究与实践

本文针对目前地方高校软件工程人才培养过程中存在的与产业脱节问题进行了研究,创建了软件工程高级应用型人才培养控制模型,在高级应用型人才培养理论上有所突破。突出了高级应用型人才培养要适应社会经济发展需要,以"产业需求为导向",同时符合高等教育发展规律和学生身心发展规律,创立了"一体、两翼、四驱动"的校企合作教育模式,具有一定的先进教育理念。

基于ZigBee无线传感网络的有毒有害气体监测系统的硬件设计

针对化工生产厂区HCHO、CH4、LPG等有毒有害气体浓度信息监测,采用CC2430、MC114和MS1100气体传感器,设计组成ZigBee无线传感器网络,构建了安全、低功耗、灵活的厂区有毒有害气体浓度检测系统。

高等职业教育新模式的研究

积极发展高等职业教育,是社会和经济发展对职业人才的客观需要,其根本目的是培养具有开拓精神的高素质的外向型、整合型、实践应用型高等职业技术专门人才,高等职业教育如何办出特色,关键在于观念的进步和教育模式的进一步创新。本文浅析了目前职业教育中存在的观念及实施过程中的一些误区,探索新的高等职业教育的新教学模式。

短信息网关连接模块的分析与实现

文章着重对短信息网关连接模块进行设计分析与实现。该模块由网关通信模块和SGIP协议数据处理模块两个子模块组成。该系统实现了与短信息网关的连接与通信功能,提供了接拆包接口,且支持TCP/IP协议。运行结果表明,此网关连接模块各项功能基本实现,系统比较稳定。

平行搜索算法求解约束问题

求解非线性方程组.运用数值方法求解,最普遍的是采用牛顿迭代法,当初值发生微小变动时,用这种方法求解可能会发散或者收敛到一个用户不想要的解.由于设计者在初始设计阶段的随意性,往往使得系统的初始条件不好,使牛顿法难以收敛.通过分析传统的数值方法在非线性方程组解中的应用,发现存在两大缺陷:(1)对初始点敏感;(2)求解稳定性差.文中提出利用混沌算法的遍历性来解决此类问题.

自学考试中模考教学方法初探

根据自学考试教学的特殊性．传统的教学方法对于要求自考学生短时间内掌握课程通过结业考试，并通过自学获得学习能力的提升已经显得力不从心。本文在总结实践教学的基础上提出按学生学习过程建设四大类型标准试题库，规范教学内容教学方式，旨在教师指导下促使学生自主学习，增加学生和教师、教学内容间的互动性，培养学生自主学习的意识和方法，有效提高学生考试通过率和学习能力。

Win CE环境下Telematics系统中网络通信模块的开发

Telematics是以无线语音、数字通信和人造卫星的GPS系统为基础,通过汽车交换信息的技术。通过定位系统和无线通信网,向驾驶员和乘客提供交通信息、应付紧急情况的对策、远距离车辆诊断和互联网(金融交易、新闻、电子邮件等)服务。本文根据Telematics技术及服务发展动态,拟建了WinCE环境下Telematics系统整体架构,并着重开发Telematics系统与网络服务商之间的网络通信模块。

最小二乘法在焊接点监控系统中的应用

工业控制系统中,为了监视焊接机器手臂的工作情况,要求监视摄像头始终对准焊接头。而在实际环境中很难获取焊接头三维坐标和摄像头转动参数之间的精确对应关系。为了找到它们之间精确的对应关系,拟采用最小二乘拟合算法,获取焊接头三维坐标和摄像头转动参数之间的变换参数,并对拟合方法中初始值进行优化,优化后获得误差极小的变换参数,使得焊头的三维坐标精确定位摄像头的转动参数。实验数据表明,新方法使得二者之间误差极小,满足实际设计需求。

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率。在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-M arquart)算法。相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好。仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域。

蚁群算法在KNN文本分类中的应用

作为一种经典的文本分类算法,KNN简单、实用,在许多实际系统中有广泛的应用,但若待分样本位于易判区域时,KNN却做了许多无用计算。基于此,本文提出一种改进算法,借鉴于蚁群算法,引入了组相似度这个新颖概念,使得当待测样本位于易判区域时,能很快得出判定结果;当待测样本位于难判区域时,该算法退化为KNN的原始算法。

基于直觉犹豫模糊集的群体决策规则提取方法

群体决策的合理性和科学性是提高综合效益的重要保证,一旦决策选择失误,将直接影响效益的获得。为此提出一种基于直觉犹豫模糊集的群体决策规则提取方法。首先利用一种爬虫+数据仓库的方法,收集网络决策基础信息,并进行整理和归纳,然后利用遗传粒子群算法对基础信息进行属性约简,降低其维度,最后结合直觉犹豫模糊集理论,依据基础数据构建直觉犹豫模糊矩阵,通过计算各决策权重和得分函数值,得出各决策的综合分值,并按照从大到小顺序排序,提取最优群体决策规则。实验结果表明:将所研究方法应用到配送中心选址问题中效果较好,证明了所研究方法的有效性。