移动开发急进令——亲历Adobe MAX大会

2010年10月25日-27日,记者随同数千名设计者和开发者齐聚美国洛杉矶会议中心（LosAngeIesConventionCenter）和洛杉矶剧院（NokiaL．A．LIVE）,见证了AdobeMAX大会的盛况,整个大会让我们感受到愈演愈烈的平板电脑开发、手机开发以及电视开发势头,可以说,一切都在向移动领域看齐。     

基于HCM的可扩展路由器体系结构MER

本文提出了基于层次化协同模型的多维可扩展路由器MER。参考Open Router路由器模型,利用层次化协同模型实现了独立于数据层的控制平台CSP,奠定了开放控制的基础;基于功能插件和抽象插件构造了基于插件的路由器抽象层PRA,分离了控制与转发平面,支持路由器转发平面功能的动态扩展;并举例说明了MER中高效的网络应用控制路由选择机制,体现了直接控制原理,有助于设计更为复杂的控制策略。模拟结果表明,MER具有良好的扩展性,支持网络应用直接控制,为控制平面智能化奠定基础。     

基于复合混沌动力系统的图像加密算法设计

本文通过对部分数字化混沌图像加密算法的分析研究,设计了一个基于复合离散混沌动力系统的对称图像加密算法。该对称图像加密算法充分利用混沌变化的特性,以Logistic映射和Chebyshev映射生成的混沌序列为初始序列,结合对图像的切割、拉伸、折叠变换,充分打乱图像像素间的相关性,使得针对这两个混沌映射的现有分析方法不再有效,并且可以实现较高的加密速度。实验结果证明了算法的有效性和计算速度。     

只选对的 不选贵的——电脑安全软件2009，哪个更适合你？

2009年已经过去一半了,在网络安全日益严重的今天,各大安全厂商推出的2009款安全软件究竟能不能经受得住安全威胁的考验呢？PCMagazine《电脑时空》经过几个月的体验,以及多方渠道得到的用户声音,得出了本专题的结论,告诉你究竟哪款安全软件能为电脑提供最好的保护,同时不影响系统运行速度。我们对每一款安全软件进行了测试,结果或许会让您感到惊讶。     

杜绝假死 上网更轻松

下载安装最新的做游2．5．9版本只有5．31MB,简单点击几下鼠标即可完成安装,首次打计浏览器后,它会弹出窗口要求用户登录自己的账户（如果没有,可以注册）,这样用户可以登录到自己定制的傲游今日首页,以及使用在线收藏功能。当然你也可以不使用帐户登录。用户可以更改浏览器的界面风格,并且可以自己下载更多的皮肤来更换。     

安全软件新面孔

继NOD32之后,中国的电脑安全市场又迎来了新的面孔——来自西班牙的熊猫安全公司,他们给用户带来熊猫反病毒软件2010、熊猫互联网安全套装2010及熊猫全功能软件2010,我们以熊猫互联网安全套装2010（后简称熊猫2010）为测试对象,看看它给我们带来了什么。     

基于时变系数与社会认知模拟的粒子群优化

粒子群优化算法利用一群在可行区域内飞行的粒子来搜索最优解,具有易实现、收敛速度快的特点,然而也面临"早熟"的问题.提出了一种基于时变系数与社会认知模拟的粒子群优化算法.实验结果显示,在5种不同的标准化测试函数下,新算法较另外3种常用的算法优越.     

软件开发流程方法探析

首先对国内外软件开发理论的应用现状作了比较,然后重点分析软件系统开发流程,综合分析比较软件开发流程的各个阶段.     

冲破病毒封锁——电脑安全套装2008横向评测

我们建议每一台计算机都应该安装一套安全软件套装,因为面对病毒,木马和恶意程序的火力封锁,安全软件能尽它们最大之力保护你的安全。 想一想就觉得可怕,电脑始终处在不断被攻击的状态下：网络蠕虫想用它做为发动更多攻击的基地;恶意站点试图利用浏览器或者系统漏洞将它变为远程控制的僵尸电脑;间谍软件竭尽全力盗取你的个人信息;钓鱼邮件以及站点希望蒙骗你交出银行密码。幸运的是,你能找到很多勇敢的守卫者,它们早已做好了击退这些害虫的准备,这些守卫者就是我们评测的那些软件。     

基于CNN-GRU组合神经网络的变压器短期故障预测方法

为挖掘变压器运行状态参量间的关联关系,量化外部环境对变压器运行状态的影响,提出了一种基于卷积神经网络和门控循环单元组合神经网络的变压器短期故障预测方法。首先,通过关联规则挖掘变压器状态参量间的相关性,结合变权思想进行综合状态评估,引入指数函数建立表征变压器运行状态的故障率模型,并将其作为预测状态参量。其次,考虑外部环境对变压器运行状态的影响,分别从日期因素、气象因素和生产工艺因素构建变压器故障预测特征集。然后,利用卷积神经网络在高维空间提取特征集与故障率间的特征向量,将结果输入门控循环单元进行优化训练,从而预测变压器故障率的发展趋势。最后,通过某海上平台变压器的故障预测趋势分析,验证了所提方法的可行性与有效性。该方法与长短期记忆模型、GRU模型、CNN-LSTM模型和支持向量机模型相比,具有更高的预测精度与更高的预测效率。