Java异常处理方法及实现

异常处理是Java安全性的一个重要保护手段,在Java程序设计中利用好Java的异常处理机制,可以增进程序的稳定性和效率。Java异常处理及实现的方法有抛出异常、捕获异常、抛出和捕获相结合、方法覆盖异常和隐瞒异常。     

Java异常处理技术

异常处理是Java安全性的一个重要保护手段,在Java程序设计中利用好Java的异常处理机制,可以增进程序的稳定性和效率。本文系统介绍了Java语言中异常的概念、异常处理的意义Java异常处理的机制Java中异常类的层次结构Java异常处理方法和异常处理原则。     

Java异常处理

目的通过Java异常处理的特点和机制,处理程序中出现的错误。方法根据Java异常捕获、异常抛出的要求,分析异常处理的方法。结果结合实际,提出了如何有效地抛出异常和捕获异常的实用策略。结论异常处理提高了程序的安全性和健壮性。     

Java虚拟机异常处理机制的研究与实践

异常处理是程序设计的重要标志之一,它为开发可靠性应用软件系统提供了强有力的支持.讨论了Java系统提供的异常类和用户自定义异常类的方法,并介绍了异常的产生、异常的抛出及异常的处理方法,以及在一个程序中多种异常的处理方法.     

视金属因素参数在评价激电异常中的作用

评价激电异常,视金属因素是一个很好的参数。它不仅可以压抑非矿异常干扰,强化矿(化)异常,而且能查明异常源的性质,突出矿异常,从而成功地解决了区分矿与非矿异常。     

基于K-means聚类的软件定义网络异常流量分类研究

考虑到软件定义网络异常流量分类受到网络复杂特性的影响,导致分类效果变差,提出了基于K-means聚类的软件定义网络异常流量分类研究.利用权重属性,划分了软件定义网络异常流量的频度,在网络异常流量的分布形式转化过程基础上,根据软件定义网络异常节点出现的概率,计算了异常流量的特征值,提取出软件定义网络异常流量特征,根据软件定义网络异构值差的度量,初始化软件定义网络的参考向量值,通过更新分类属性的邻域半径,计算网络异常流量的参考向量,选择出软件定义网络异常流量分类属性,利用K-means聚类算法过滤软件定义网络异常流量,对软件定义网络异常流量进行检索,通过定义网络异常流量分类的目标函数,利用K-means聚类算法理论,构建软件定义网络异常流量的加权临界函数,结合对角矩阵的求解,设计了软件定义网络异常流量分类原理,实现了软件定义网络异常流量的分类.实验结果表明,文中分类方法的查全率、差准率较高,适应度以及收敛性能较好.     

基于分形理论的网络流量异常检测技术

传统网络流量异常检测技术不能适应网络流量的复杂性,异常检测精度低,不能保证实时性,为此,提出一种新的基于分形理论的网络流量异常检测技术。通过FIR滤波方法对流量的时间序列进行预处理。采用Schwarz信息准则对网络流量异常检测问题进行处理,估测网络流量异常点数量与位置。采用R/S分析法求出自相似指数Hurst值,依据Hurst值对网络流量时间序列的分形特征进行分析。引入滑动窗口完成多网络流量异常点的检测,在检测异常点处对流量进行分形处理,依据自相似指数计算过程获取异常点间的流量自相似指数值,保存异常点之后的流量,为下一个流量异常点的检测提供依据。实验结果表明,所提技术实现过程简单,网络流量异常检测精度高,保证了实时性。     

烧结过程异常状况诊断专家系统SPADES(Ⅰ)--系统总体规划

烧结过程异常状况的发生是影响烧结过程稳定运行的主要因素之一.为了准确诊断烧结过程的异常状况并及时消除异常,将数学模型、模糊技术和专家系统相结合,建立了烧结过程异常状况诊断专家系统,并应用于烧结生产过程的实时在线诊断;分析了烧结过程异常状况诊断的本质;通过知识获取,建立了烧结过程中出现的17种典型异常状况的表征现象集合,研究了烧结过程异常类型的模糊诊断模型;提出了将烧结异常诊断分为异常类型判断、异常原因分析和消除异常操作决策的总体方案;采用简化的黑板系统组织总体结构,用VC++语言开发了Windows平台的应用软件.在大型烧结机烧结过程的实际异常诊断上的应用结果表明,该系统具有很好的实时性和实用性,诊断和操作决策的准确率在85%以上.     

基于BIRCH-LKD的在站车辆中时异常检测算法

针对铁路车辆在站中转作业异常较多的情况,提出基于BIRCH-LKD的在站车辆中时异常检测算法.该算法以车辆中时序列为研究对象,不考虑异常值的具体形式,对序列分组,引入中时序列特征向量,做类球形簇转化;采用基于划分的显性异常检测方法得到中时序列特征向量的聚类特征树,查找序列显性异常,缩小异常检测范围;利用隐性异常检测算法计算剩余数据对象的K距离,根据距离差值变化规律,筛选序列隐性异常;最后,利用中时序列中位数异常判定条件,排除下界异常,实现中时序列的异常检测.实验结果表明,该算法检出率高,能够快速识别中时序列异常值,有效率达85%以上,去除异常值后的中时序列符合实际情况的趋势且更加平稳.      

基于工作流可预测异常处理框架的设计与实现

通过分析工作流管理系统中的异常问题和对异常处理的功能性需求, 针对异常处理的复杂性和能动性, 提出一个灵活的工作流可预测异常处理框架, 并给出一个通过使用异常处理实现更可靠的工作流过程解决方案.     

某铀矿勘查区的地气与放射性场研究

基于地气法对铀矿勘查区地面γ测量U含量异常的解析。通过地面γ能谱测量的U含量数据划分出三个U含量异常区,分别在三个异常区分析了U/Th、U/K和活化U。与此同时,由ICP-MS获得的地气元素数据,找出各元素含量的异常区,然后在γ能谱测量的各个U含量异常区域中找出含量异常的地气元素,并将异常区中的地气异常元素与地气中U进行相关分析。最终确定了引起各个γ能谱测量的U含量异常区域的原因。     

一种基于职责链模式的异常处理机制

提出了一种基于职责链模式的异常处理机制,使得动态增加异常处理类型更加方便.利用简单工厂模式和反射机制改进了异常处理结构,隐藏了异常处理对象的实例化过程,异常处理结构趋于稳定.     

基于压缩感知算法的传感器网络异常事件检测

为改善传感器网络异常事件检测效果,提出一种基于压缩感知算法的传感器网络异常事件检测模型.首先采集传感器网络状态信息,并采用压缩感知算法对信息进行采样和重构,在减少传感器网络异常事件检测信息的同时,删除一些无效信息;然后从重构后的传感器网络异常事件检测信息中提取特征,组成传感器网络异常事件检测的特征向量;最后采用极限学习机建立传感器网络异常事件检测模型,并进行传感器网络异常事件检测仿真实验,分析模型的性能.实验结果表明,压缩感知算法可加快传感器网络异常事件检测速度,且传感器网络异常事件检测率高于95%,明显高于其他传感器网络异常事件检测模型.     

鄂尔多斯盆地南缘HFU-109异常特征及找矿意义

在分析鄂尔多斯盆地南缘1∶5万高精度航放资料的基础上,采用地面伽玛总量测量、能谱测量和土壤氡测量等工作手段,对筛选的HFU-109号航放异常开展了异常查证。结合区域地质资料对异常区的成矿地质条件进行了综合分析。查证结果显示,空中异常特征与地面查证异常形态及走向特征大体一致,异常区地层具备"泥-砂-泥"结构,砂体较发育,结构疏松,且透水性较好,伽玛能谱异常及氡异常突出。总体认为该异常具备较好的砂岩型铀找矿潜力。     

基于Bayesian方法的参数估计和异常值检测

异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测,传统的做法是先对模型参数进行估计,再进行异常值检测。而异常值的存在会影响参数估计,从而导致下一步异常值检测的不可靠;反之异常值检测也会影响参数估计。针对这些不足之处,提出了基于 Bayesian 方法的参数估计和异常值检测,此方法可以将参数估计和异常值检测同时实现,具体做法是在线性回归模型中引入识别变量,基于 Gibbs 抽样算法,给出识别变量后验概率的计算方法,通过比较这些识别变量的后验概率进行异常值定位,同时给出参数的估算方法。通过大量的模拟实验,结果表明,与传统方法相比,提出的方法对异常值更灵敏。     

基于聚类和LOF算法的异常数据检测方法

聚类可用于异常检测,但其检查结果往往是不精准的.首先通过聚类算法DBSCAN对数据进行异常分析,然后再利用LOF算法对检出的异常数据进行异常程度的分析,最终得出异常数据集.     

维吾尔医学异常黑胆质型HIV/AIDS与抑郁状态、生存质量的相关性

 分析异常黑胆质型与非异常黑胆质型艾滋病病毒感染者/艾滋病病人(HIV/AIDS)患者在抑郁症患病情况与生存质量上的差异,探讨异常黑胆质体液对HIV/AIDS 患者抑郁症及生存质量的影响。依据维吾尔医学异常体液分型标准,对307 例HIV/AIDS 患者进行异常体液分型,并采用HAMD 抑郁量表与MOS-HIV 生存质量量表评价患者抑郁症患病情况及其生存质量。维医异常体液分型结果显示,异常黑胆质型患者占61.6%,非异常黑胆质型(异常血液质、异常黏液质及异常胆液质)患者占38.4%。异常黑胆质型HIV/AIDS 患者中患抑郁症者比例(79.9%)显著高于非异常黑胆质型患者(57.6%)(P<0.05);异常黑胆质型患者MOS-HIV 生存质量量表心理健康总分低于非异常黑胆质型患者(P<0.05),而生理健康总分两者差异无统计学意义(P>0.05)。异常黑胆质型患者在躯体功能、认知功能、健康转换3 个维度得分均高于非异常黑胆质型患者(P<0.05),而在社会功能、心理健康、精力/疲惫、健康压力4 个维度得分均低于非异常黑胆质型患者(P<0.05)。异常黑胆质型是HIV/AIDS 的主要异常体液证型,与非异常黑胆质型患者相比,该证型患者中抑郁症更为常见,对患者生存质量有一定影响,应在临床实践中给予重视,尽早进行维药干预,改善其生存质量。     

异常体液型冠心病患者细胞黏附分子含量的变化

根据维吾尔医学体液论,对305例维吾尔族冠心病患者进行异常体液分型分组,采用ELISA法,检测冠心病患者血浆可溶性细胞间黏附分子(slCAM-1)和可溶性血管细胞黏附分子(sVCAM-1)含量.观察不同异常体液型冠心病患者细胞黏附分子含量的变化.探讨细胞黏附分子在冠心病维吾尔医学异常体液分型中的临床意义.结果显示,305例维吾尔族冠心病患者中,异常黑胆质型冠心病70例、异常血液质型冠心病126例、异常胆液质型冠心病28例、异常黏液质型冠心病81例.与健康对照组比较.各组冠心病患者slCAM-1.sVCAM-1含量均有明显增加(P<0.01);在异常血液质组、异常胆液质组、异常黏液质组3组之间两两比较.均无显著性差异(p>0.05);但与其他3组进行两两比较.异常黑胆质组slCAM-1.sVCAM-1含量均高于其他各组(P<0.05).这表明.不同异常体液型冠心病患者细胞黏附分子含量均发生异常变化.异常黑胆质型冠心病患者细胞黏附分子含量的异常变化较其他异常体液型冠心病患者更为严重.     

浅析JAVA异常处理机制

异常处理是Java语言的重要机制,正确、合理地处理异常对系统的健壮性和稳定性提供了强有力的支持。异常的处理主要包括捕捉异常、程序流程的跳转和异常处理语句块的定义等。     

基于主元分析法的虚拟机异常监控研究

面临云平台中虚拟机使用异常的监控系统缺乏问题,以现有的IaaS开源云平台Eucalyptus和基于Linux内核的Xen虚拟机为基础,研究基于主元分析法(primary component analysis,PCA)的虚拟机异常监控方法,并在此基础上设计在云环境中基于Xen虚拟机异常使用的监控系统.该系统可以对采集到的数据进行分析,判断虚拟机是否出现使用异常并定位异常.实验结果表明,采用基于主元分析法的虚拟机异常监控系统对云环境中的虚拟机产生的异常检测准确度较高,在定位异常方面也有较好的准确度.该研究成果为云环境下虚拟机异常监控提供了有效的理论研究依据和应用实践价值.