一种基于语义及统计分析的Deep Web实体识别机制

分析了常见的实体识别方法,提出了一种基于语义及统计分析的实体识别机制(deep Web entity identification mechanism based on semantics and statistical analysis,简称SS-EIM),能够有效解决Deep Web数据集成中数据纠错、消重及整合等问题.SS-EIM主要由文本匹配模型、语义分析模型和分组统计模型组成,采用文本粗略匹配、表象关联关系获取以及分组统计分析的三段式逐步求精策略,基于文本特征、语义信息及约束规则来不断精化识别结果;根据可获取的有限的实例信息,采用静态分析、动态协调相结合的自适应知识维护策略,构建和完善表象关联知识库,以适应Web数据的动态性并保证表象关联知识的完备性.通过实验验证了SS-EIM中所采用的关键技术的可行性和有效性.     

基于散列函数的消息认证分析

基于网络通信中对消息认证的需求,介绍了散列函数的基本概念及构造方法,讨论了其用于消息认证中必须满足的特性,分析了散列函数在消息认证中的使用方式.生日攻击是通用的碰撞攻击方法,它可用于攻击任何类型的散列函数.为了增强散列函数的抗碰撞能力,探讨了生日攻击的碰撞阈值和攻击步骤.最后提出了安全散列函数设计时宜采用迭代和压缩型结构,该算法的核心技术是设计无碰撞的压缩函数并重复使用,从而可增大攻击者的攻击难度.     

轮腿式机器人倾覆稳定性分析与控制

对于运动在不平坦地形中的移动机器人而言,其倾覆稳定性非常关键．设计了一种结构对称的轮腿式机器人,它有4个独立的轮腿运动单元,能够变化多种构形．采用动态能量稳定锥方法和倾覆稳定性指数对机器人的稳定性进行综合评价,建立了一个模糊神经网络自适应控制系统．根据稳定性指数值,该系统可以实时改变机器人的构形和速度,保证其倾覆稳定性．正弦路面上的仿真结果表明,该系统所产生的动作实时性好、可靠性高,能够降低机器人自主越障过程中的危险．     

P2P入网机制研究

P2P节点入网机制是构建P2P网络的基础.不同拓扑结构的P2P网络,节点加入机制也各不相同.提出了4种P2P入网模型,给出了相应的性能指标,对P2P入网机制进行分析、对比,有助于P2P网络自组织构造的进一步研究.     

一种低开销的无线传感器网络时间同步算法

低开销是无线传感器网络时间同步算法的重要技术要求之一.为了降低同步过程中的通信开销,提出了一种基于部分广播的低开销无线传感器网络时间同步算法.算法基于TPSN算法的分层思想,利用节点的距离信息,选撵当层节点的部分相邻节点进行下一层的等级广播,从而有效地降低同步过程中的通信开销.分析了在不同的网络节点密度下广播信息包数与等级广播距离的关系,得到了不同网络节点密度下的最优等级广播距离.仿真结果表明,与TPSN算法相比,在相同的同步精度下,算法能显著地降低高密度无线传感器网络时间同步的开销.     

C／S体系结构下医院病历数据库管理系统的建立

在医疗信息管理中病人病历信息管理具有非常重要的意义.对医生而言,通过病历了解病人的病史以便提出有效的治疗指导和建议,承传有序的治疗方案是获得最佳疗效的必要条件.对医学研究而言,完整的病历资料对于临床科研深人有着不可或缺的地位.文中针对传统的病历纸式登记给医疗咨询及科研调阅造成很多难以克服的问题,详细讨论了与建立病历数据库管理系统相关的数据库相关的知识-SQL.server访问技术以及系统的C/S体系结构.全面介绍病人病历查询系统的数据库设计与实现.根据数据库管理系统的需求分析,给出病历访问系统的设计与实现的过程.通过讨论可以看出适当的病历数据库管理系统的数学模型是完全能够满足医疗系统关于病历管理的要求.     

远程教育技术规范XML文档关系数据库存储技术

针对在远程教育技术规范的XML绑定文档中,经常使用元素嵌套,强调数据的层次性、顺序性等特点,提出了一套基于Schema模式的将规范的XML绑定文档存储到关系数据库中的解决方案.该方案在存储文档时,通过建立元素表保存模式的信息,确保了元素的完整性,并在嵌套元素的数据表中添加Layer属性列,以表明元素的嵌套关系,保证了数据的有序性,避免数据在存储和恢复时产生混乱.对数据的存储做了详细的描述.     

面向3DTV的高分辨率摄像机阵列设计与实现

当前摄像机阵列采集的视频分辨率与帧率普遍不高,还不能满足制作高质量3DTV节目的需要。设计与实现了一种高分辨率摄像机阵列,可以依据应用需要,自由配置为27fps帧率1280×1024分辨率,或93fps帧率640×480分辨率两种模式。讨论了该摄像机阵列的总体结构设计、摄像机单元设计、同步控制机制与实时存储技术等。     

基于PCA及ICA的双空间特征提取算法

任何一种单子空间特征提取算法都不能在任何情况下优于其他子空间算法,但是采用双子空间却可以克服单子空间的局限性。为了提高分类结果的正确率,提出了一种基于PCA及ICA的双空间特征提取算法,该算法采用ICA作为PCA的补空间进行特征提取,其目的是将在PCA子空间中难以识别的样本,再次投影到ICA子空间中进行识别。该算法可分为以下两个步骤:首先进行预分类,即在一个子空间内同时使用两种分类器对测试样本进行分类,若某个测试样本被两种分类器划分到不同的类,则将该测试样本加入到新测试样本集中;然后将新测试样本集中的测试样本再次投影到另一个子空间中进行分类识别;最后,将识别结果与预分类结果一起进行正确率测试。在ORL及FERET人脸库上的实验结果表明,该算法的模式识别率明显优于传统的特征提取算法。