基于Web服务的在线拍卖系统应用研究

随着网络技术的发展和电子商务系统的应用，在线拍卖变得日益重要。在进行系统功能分析的基础上，提出了基于Web服务的在线拍卖系统体系结构，重点对体系结构中的安全性问题进行了研究与分析，增强了在线拍卖系统的安全性和可靠性，对应用的实施提供了安全保障。     

利用Web服务实现功能强大的在线编辑

利用Web服务的面向服务的分布式计算模型的特性，解决Web模式中的实时问题。并结合ActiveX控件技术和Word^TM VBA技术提出一个在线编辑的方案，利用word^TM的强大编辑功能与普遍性实现了功能强大的在线编辑器。     

Web文本分类技术研究及其实现

随着Internet的飞速发展，Web文本分类研究已经得到了人们密切的关注，并取得了大量的研究成果。文中讨论了Web文本分类过程中的几个关键技术；针对传统的Web文本分类方法缺乏认知自主性和不能再学习的特点，提出了一种扩展的Web文本分类模型和算法。通过系列实验表明，该算法具有较高的分类精度和查准率。     

Web文本分类技术研究及其实现

随着Internet的飞速发展,Web文本分类研究已经得到了人们密切的关注,并取得了大量的研究成果。文中讨论了Web文本分类过程中的几个关键技术;针对传统的Web文本分类方法缺乏认知自主性和不能再学习的特点,提出了一种扩展的Web文本分类模型和算法。通过系列实验表明,该算法具有较高的分类精度和查准率。     

基于Web的制丝在线监控系统设计与实现

针对制丝生产线工序流程复杂,需要监控的工艺指标多,为提高监控的全面性和准确度,减少生产中由于质量缺陷带来的损失,采用Web技术对每一道工序的工艺指标进行在线监控和超限提醒。通过Web网页实时访问制丝生产数据采集系统,获得各项工序段的生产数据,监控网页将获得的数据生成相应的趋势图,同时监控工艺指标是否满足设定值,并通过语音对监控人员进行提醒。结果表明,监控人员可以在一个Web网页上浏览所有工序的实时生产状况,当制丝生产出现异常,听到语音提示后能迅速确定异常工序段,及时避免质量缺陷带来的损失。该系统应用于长城雪茄烟厂的制丝生产线中,有效减少了生产中的断料次数,提高了烟丝生产的质量。     

基于Web在线考试系统的设计与实现

本文介绍了基于Web在线考试系统的实现,分别从环境配制,主要模块程序的设计,从而实现考试者在线考试,并具有即时改卷的功能。该系统可以使应试者在网上学习过后及时检验自己的学习效果,并可减轻教师设计题目、维护题库的负担。     

基于Web的在线考试系统的设计与实现

本文设计与实现了基于Web的在线考试管理系统,分别从系统需求分析、模块设计、数据库设计和系统实现的主要技术这四部分来阐述。     

基于Web的在线考试系统的设计与实现

本文设计与实现了基于Web的在线考试管理系统,分别从系统需求分析、模块设计、数据库设计和系统实现的主要技术这四部分来阐述。     

Web文本分类技术研究

Web文本分类是Web数据挖掘的一个重要研究方向,本文在研究了Web文本分类的特征项权重计算方法的基础上。提出一种改进的TF-IDF特征项权重公式,并通过实验加以验证。     

基于分类本体的Web信息集成系统研究与实现

为了从海量数据空间中快速、准确获取用户所需Web信息,设计并实现了一个基于分类本体的Web信息集成系统.设计了Web信息自动归类算法,研究了基于分类本体的异构分类体系集成方法,实现了异构分类体系的合并,形成逻辑统一的、基于分类的Web集成视图.通过Web数据抽取机制以及Web信息分类技术实现了检索结果的分类和层次化展示,方便用户浏览、快速定位所需信息.     

遥感影像高性能分类系统设计与实现

面向遥感影像解译需求,针对遥感图像数据量大,时间分辨率高的特点,基于AOI样本数据库及遥感影像并行处理技术,设计实现了一套快速、自动、稳定的分类系统。应用AOI样本数据库有效提取、管理AOI信息,自动生成训练样本文件,提高环境卫星影像分类的自动化程度及解译精度;并行化分类方法在保证计算精度的情况下有效提高了分类速度。实验结果证明,本系统提高了分类执行效率,实现了对遥感影像的快速分类。     

一种基于模糊关联分类的遥感图像分类方法

遥感图像分类是遥感领域的研究热点之一.提出了一种基于自适应区间划分的模糊关联遥感图像分类方法(fuzzy associative remote sensing classification,FARSC).算法根据遥感图像分类的特点,利用模糊C均值聚类算法自适应地建立连续型属性模糊区间,使用新的剪枝策略对项集进行筛选从而避免生成无用规则,采用一种新的规则重要性度量方法对多模糊分类规则进行融合,从而有效地提高分类效率和精确度.在UCI数据和遥感图像上所作实验结果表明,算法具有较高的分类精度以及对样本数量变化的不敏感性,对于解决遥感图像分类问题,FARSC算法具有较高的实用性,是一种有效的遥感图像分类方法.     

遥感图像分类方法综述

从遥感图像分类方法的基本原理入手,介绍了传统遥感图像的分类一些方法,以及它们近年来的发展,此外还对遥感图像分类研究的新方向作了一些介绍,并对发展趋势作了展望。     

稠密特征编码的遥感场景分类算法

针对遥感影像快速有效的场景分类,提出了一种低维度稠密特征编码的场景分类算法.首先提取遥感图像不同尺度下的稠密特征,利用Hellinger kernel对原始特征进行映射变换形成新的特征空间,采用主成分分析对新的特征降维并进行Fisher编码量化,进而实现遥感图像的低维度稠密特征表达,最后在线性支持向量机中完成遥感影像的...     

面向对象的高光谱遥感影像分类方法研究

在基于像素的高光谱影像分类方法的基础上,结合面向对象图像分析理论与方法,提出面向对象的高光谱遥感影像分类方法,并具体分析探讨了面向对象高光谱遥感影像分类的关键技术,包括多尺度分割、最优波段选择、人机交互和知识库的建立等。试验表明,面向对象的分类方法应用于高光谱影像较传统分类方法有较高的精度,有很大的应用潜力。     

遥感图像非监督计算机分类方法的研究

通过对几种常用的非监督计算机遥感图像分类方法,如k-means、层次聚类和神经网络的分析研究发现,由于这些方法不能克服数据噪声点的影响,输出结果对输入参数依赖性较大,使其对图像的分类效果受到影响。为了提高图像的非监督分类效果。本文提出了一种基于密度和自适应密度可达聚类算法。实验分析表明,与常用的分类方法相比,该算法具有良好的分类效果。     

一种鲁棒性的遥感图像地域分类新方法

目前遥感图像分类算法面临的主要问题是分类精度与算法复杂度的矛盾及算法缺乏鲁棒性。为此,提出了一种基于特征空间重采样的非参数化核密度估计聚类与边缘检测相融合的多模型鲁棒性遥感图像分类方法。首先对遥感图像进行边缘检测以获取图像中每个像素的边缘梯度和方向信息;然后利用重采样策略,在联合域中对新的样本集合进行加权均值平移滤波,找到图像各区域的核密度函数局部最大值,通过迭代移动附近的数据点到此局部最大值;最后对各个分割区域进行合并,得到最终的分类图。实验结果表明,算法可获得高精度的遥感图像分类结果,且具有很强的鲁棒性。     

一种鲁棒性的遥感图像地域分类新方法

目前遥感图像分类算法面临的主要问题是分类精度与算法复杂度的矛盾及算法缺乏鲁棒性。为此,提出了一种基于特征空间重采样的非参数化核密度估计聚类与边缘检测相融合的多模型鲁棒性遥感图像分类方法。首先对遥感图像进行边缘检测以获取图像中每个像素的边缘梯度和方向信息;然后利用重采样策略,在联合域中对新的样本集合进行加权均值平移滤波,找到图像各区域的核密度函数局部最大值,通过迭代移动附近的数据点到此局部最大值;最后对各个分割区域进行合并,得到最终的分类图。实验结果表明,算法可获得高精度的遥感图像分类结果,且具有很强的鲁棒性。     

基于模糊高斯基函数神经网络的遥感图像分类

针对遥感图像分类的特点,提出了一种基于模糊高斯基函数神经网络的遥感图像分类器。该分类器将模糊技术与神经网络相结合,采用神经网络来实现模糊推理,利用神经网络的学习能力来达到调整模糊隶属函数和模型规则的目的,从而使系统具备了自适应的特性,实验结果表明,这种基于模糊高斯基孙数神经网络的分类器经过训练后,可应用于遥感图像的分类,其分类精度明显高于传统的最大似然分类法。     

基于自组织神经网络的遥感图像分类应用研究

在地形复杂地区,采用传统的遥感分类方法进行土地利用遥感分类很难获得理想的精度。针对遥感图像分类的特点,根据自组织竞争神经网络的生物学基础、基本结构和学习算法,利用Matlab平台构建自组织神经网络,对地形复杂区的ETM 遥感图像通过500次训练使网络收敛后,仿真输出分类图。结果表明,基于自组织神经网络的分类器经过训练后,可用于遥感图像的分类,其分类精度明显高于传统的最大似然法。