共查询到20条相似文献,搜索用时 62 毫秒
1.
为了解决企业信息异构和数据整合问题,结合SOA和ESB技术,设计了一种基于ESB的SOA多层开发框架,并构建了一种完全基于OSS(开源软件)平台、轻量级的企业应用集成开发架构.该架构以Mule ESB作为集成服务的基础,XFire作为Web Service的实现,充分使用可配置的策略实现各类系统组件的灵活拆装.最后,实现了人事管理系统、销售管理系统和财务管理系统这三个原型之间的无缝集成,达到了系统的集成,同时也为以后的业务提供了较好的可扩展性. 相似文献
2.
本文阐述了电子商务网站建立的基本模式,多层结构Web的概念、特点,以及在电子商务网站开发中的应用;讨论了网站开发应用中涉及的安全问题,给出了网站安全的解决方案,并初步介绍了使用ASP、VB和ADO进行网络数据库访问的路程技术。 相似文献
3.
4.
5.
介绍了如何基于.NET实现对挖掘机的实时监控.该实时监控系统基于MVC模式和B/S模式.采用三层逻辑设计结构.利用.NET组件设计技术和ADO.NET数据访问技术,实现了对挖掘机名项工作数据的实时监测,同时提供了历史工作状况的查询.此系统不但方便了挖掘机的远程控制,而且为挖掘机的管理提供了科学和及时的数据. 相似文献
6.
通过提出一个新方案来解决高校信息系统集成问题。对基于面向服务架构的信息系统进行了分析,提出了服务组建架构和Web服务技术结合的企业应用集成架构。 相似文献
7.
8.
9.
文章针对网络入侵、网络欺骗、网上垃圾等恶意网络行为对网络安全的负面影响日益增加,网络行为识别已经成为网络安全的重要组成部分这一现象。文章提出了基于蜜网技术构建网络监测系统,有效利用了蜜网系统的沙箱执行、特征模拟、日志审计和重定向代理的机制,解决了被动监测基础上的数学模型难以有效描述网络恶意行为的问题,在实际运行中取得较好的效果, 相似文献
10.
11.
尹红波 《数字社区&智能家居》2011,(20)
该文分析了环境监测站信息化现状,对普遍存在的问题及信息化发展方向进行了论述,提出了环境监测站进行信息系统整合、建立数据中心、综合的决策分析平台的必要性,并对环境监测站信息资源整合的目标、策略和效能进行了评估。 相似文献
12.
13.
深层神经网络的中间层是隐含的、未知的,这使得深层网络的学习过程不可追踪,学习结果无法解释,在一 定程度上制约了深度学习的发展.本文通过引入先验知识使深层网络的中间层具有明确的含义与显性的影响 关系,即中间层可见化,从而部分人工干预深层网络的内部结构,约束网络学习的方向.基于深层堆叠网 络 (Deep stacking network, DSN),提出两种中间层部分可见的深层神经网络:输入层部分可见的深层堆叠网络(Input-layer visible DSN, IVDSN)和隐含层部分可见的深层堆叠网络(Hidden-layer visible DSN, HVDSN),部分可见是为了保留对未知信息的提取能力和一定的容错能力.以基于文本的言语情 感计算为例测试所提网络的有效性,结果表明先验知识的引入有助于提升深层神经网络的 性能;所提两种网络均可实现中间层的部分可见化,其中HVDSN结构更精简,性能也更优. 相似文献
14.
基于无线传感器网络的水资源监测系统关键技术研究 总被引:1,自引:0,他引:1
随着无线传感器在军事和工业领域的应用不断扩大,其作用也越发突出。本文结合青藏高原水资源环境监测系统工作的特点,重点分析无线传感器在随机部署时所面临的连通性覆盖问题,并提出相应的解决措施,为传感器网络的随机部署应用提供理论依据。 相似文献
15.
16.
17.
提出了一种基于服务网格的制造资源集成方法,通过将服务网格技术引入制造行业,实现了制造资源的虚拟化,为制造资源提供了统一的接口和互操作协议、屏蔽平台及所使用技术的异构性。平台采用基于服务的协同工作流技术,在动态变化的环境中,能够根据用户需求优化业务逻辑及其执行过程,选择、配置和调度相应的制造资源完成指定的任务,实现跨组织的资源共享和任务协同。 相似文献
18.
19.
20.
大数据环境中监控和冗余混合策略的采用引起资源优化配置模型的状态空间膨胀,进化搜索算法在整型与非整型变量结合的解空间中的搜索效率有待提高,为此提出了基于搜索邻域分析的三元组模因算法.在分析了监控频率等参数变化对组件及系统可靠性增长影响的基础上,针对监控频率提出了基于变长邻域的近邻生成方法,针对策略选项提出了与组件关联的近邻生成方法.采用模因算法框架并改进了局部搜索算子,通过组件间的迭代搜索在保持个体优势的同时增大搜索范围.该算法能够用于求解混合策略下的组件保障措施选项及相应优化配置参数;与现有多策略搜索算法相比,在相同可靠性约束下,该算法能够得到消耗更低的资源配置结果;局部搜索策略对算法稳定性未造成明显影响. 相似文献