基于Keras手写数字识别模型的改进

针对结构设计不合理的卷积神经网络导致MNIST识别的准确率低、收敛速度慢和训练参数多等问题,提出卷积神经网络结构的改进模型.改进的模型采用2次卷积、2次池化和3次全连接、采用Relu激活函数和Softmax回顾函数相结合,加入Dropout层防止过拟合,加入Flatten层优化结构.为了缩减代码量,采用API功能强大的Keras模型替代Tensorflow.对MNIST的训练集和测试集数据的准确率进行仿真实验,实验结果表明:采用改进的结构在MNIST的训练中不仅收敛速度快、训练参数少、损失率低,而且在测试集上的准确率达到99.54％、高于改进前的99.25％,对后续手写数字的研究具有重要意义.     

基于时态层次链的Data Cube 多版本维护方案

针对Data Cube的模式变动造成的多版本问题,对时态聚集关系与时态层次链进行了形式化描述,并基于这些关系实现了多个版本的Data Cube的统一生成算法,不仅可以高效地进行Data Cube多个版本的维护,而且在OLAP查询也可以基于时态层次链来执行,从而提高系统的整体效率。     

基于MSN的英语听说训练WebCT交互学习平台

借鉴加拿大WebCT的教学理念,开发了基于MSN、QQ等即时语音通讯工具的英语听说训练WebCT交互学习平台。该平台基于Direct Sound技术的Web录音平台,可实时记录MSN、QQ等即时语音通讯工具的交际录音,并提供虚拟语音交际教室（MSN交流平台）,实现实时录音功能,为学生训练听说能力提供环境,为教师检测和评估学生的学习情况和结果提供方法与手唆。     

基于XML的异构数据源安全交换研究

直接通过网络传递的XML文档无法在安全性、可靠性等方面得到保证。文章提出采用XML与数据库基于表映射、XML签名和XML加密的双重机制对交换的XML文档进行预处理，再侍输。这种应用模式能较好地保证XML文档的安全。最后通过一个具体的网络订单应用实例验证了这种应用模式。     

一种基于SVM分类的雾图自动检测方法

从图像中自动检测出是否有雾是智能去雾的前提。为此提出一种从室外自然图像中检测有雾图像的方法,把图像的RGB分量和亮度进行规范化处理,使得图像与外界光线强度关联最小。然后通过二维离散傅立叶变换获得图像频谱特征,再结合图像的灰度共生矩一起作为分类的特征。收集大量室外彩色无雾图像,进行模拟加雾,通过训练和评估,获取检测有雾图像的矢量特征库。通过收集到的有雾和无雾的自然图像检测实验证明,上述矢量特征库可信,并且所提出的方法具有良好的雾图检测能力,能为智能去雾提供很好的前置条件和方法。     

基于智能DNS电子商务系统的负载均衡研究

电子商务服务平台是电子商务业务逻辑发布和运行的网络平台。如何为终端用户提供可靠7＊24不间断服务,同时保证得到最快的访问响应速度,并有效利用企业电子商务服务器是电子商务服务平台设计的关键。文中基于最快响应的Web服务器选择算法（FRWS）,构建了一个基于IDNS的负载平衡解决方案。该方案自寺仿真系统性能测试结果表明：该方案是可行且有效的,能大大提高了用户的访问效率。     

基于Delphi的通用查询模块的设计与实现

本文提供了基于Delphi下的通用查询模块,给出了其设计原理及实现的主要技术.该模块操作简单,用户可自定义查询,调用方便,并在多个MIS中得到有效的应用.     

一种新的用于LBG图像压缩初始码书生成算法

LBG算法是一种经典的矢量量化算法,广泛用于数字图像的压缩.在矢量量化中,码书的设计问题实际上解决的是如何选择最具有代表性的矢量作为码字来尽可能精确表示整个矢量空间.码书决定了矢量量化的编码质量,因此高质量的码书设计就成为整个矢量量化研究的核心.初始码书的质量极大的影响了LBG算法的收敛速度和收敛的可能性.并决定了最终的码书质量.针对常用的算法生成的码书分布不能很好的代表样本集的分布,并造成LBG算法收敛缓慢和最终码书的品质不佳,提出一种新的快速的初始码书生成算法,提高了生成码书的迭代速度和最终码书的品质.     

基于协方差信息和1D CNN的脑电癫痫检测研究

癫痫是大脑神经元突发性异常放电，导致短暂的大脑功能障碍的一种慢性疾病。临床上主要由专业的神经科医生通过对患者的脑电图(Electroencephalogram,EEG)信号的人工分析来检测癫痫疾病，这种方法耗时长、效率低，且对神经科医生专业技术水平要求极高。及时并准确地检测癫痫对于使用抗癫痫药物治疗起到至关重要的作用，因此设计癫痫自动检测方法的意义重大。提出了一种结合协方差信息和深度学习的方法：计算EEG的协方差矩阵，并将结果展开成向量，保留EEG信号的可分信息，再使用1维卷积神经网络(1D Convolutional Neural Networks,1D CNN）检测癫痫发作。使用CHB-MIT数据集进行两种实验，即癫痫发作间期vs癫痫发作前期和癫痫发作间期vs癫痫发作前期vs癫痫发作期，以验证该方法的可行性。其中，癫痫发作间期vs癫痫发作前期实验的准确率、灵敏度、精密度、特异度和F1-分数的平均值分别为99.36%、98.81%、99.59%、99.16%和99.19%；癫痫发作间期vs癫痫发作前期vs癫痫发作期实验的平均准确率可以达到98.98%。因此证明该方法可以应用于癫痫检测...