OPC技术在船舶机舱实时监视系统中的应用

为解决目前船舶机舱监视系统软件存在的问题,提出以OPC接口标准为基础来搭建船舶机舱实时监视系统的设计思想.分析了国内外船舶机舱实时监视系统软件的发展及现状,结合船舶机舱实时监视系统的特点,给出基于OPC技术的整个系统框架方案及系统设计,论述了客户端对OPC服务器对象的调用方法,实现了趋势分析等主要功能.本文的设计思想具有开放性高、易扩展、易维护等优点,可实现即插即用.     

网页制作及上传方法研究

讨论了一种网页制作及上传服务器方法,采用微软办公软件Office制作完整的网页,网页可以包含文字、表格、图片等多种对象．采用多文件上传方法上传网页文件及其所插入的图片等对象．在实际应用中具有更大的灵活性．     

《仓央嘉措情歌》的用词风格统计研究

文章基于语料库的统计方法,以仓央嘉措的124首情歌为研究对象,确定词汇切分原则,建立了情歌语料库以及藏汉对照分词库,从诗篇包含的词条数量分布、诗句包含的词条数量分布和词汇的频度和频率三方面对《情歌》在语言艺术方面的成就进行了量化研究,也为藏族文学研究提供了一种新的研究方法和手段.     

p-群二元生成子群的Frattini正规嵌入

研究了p-群二元生成子群的Frattin i正规嵌入问题,证明了：设G是p-群,N是非交换的p-群,N—G,N≤Φ（G）.若d（N）=2,则N为亚循环群.     

时延法相空间重构双参数联合估计方法研究

重构相空间对于研究混沌时间序列有着重要的理论与现实意义,目前采用的分别估计嵌入时延和最小嵌入维数的技术路线,割裂了这两个参数所具有的天然联系.为此提出时延法重构相空间的双重构参数联合估计方法,根据两个重构参数的取值标准,利用迭代的方法,同步估计出时延法重构相空间双参数.应用所提出的方法,分别对高斯白噪声和Lorenz系统两个时间序列进行了数值验证,分析表明计算结果是可信的,可以应用于时间序列的相空间重构.     

基于整数变换的加密图像可逆信息隐藏算法

兼顾嵌入容量和算法安全性,提出了一种基于整数变换的加密图像可逆信息隐藏算法。内容所有者利用变换密钥,选取相应的两相邻像素为一组进行整数变换。变换后的像素组受该整数变换特性的约束,使得其中任意一个最低有效位(LSB Least Significant Bit)被替换后,仍能恢复出原始像素组。因此,信息隐藏者可根据相同的密钥找到加密图像中已进行变换的像素组,利用嵌入密钥替换对应像素的LSB完成隐秘信息可逆嵌入。只有同时拥有变换密钥和嵌入密钥,才能正确提取嵌入信息;只有同时拥有变换密钥及加密密钥,才能恢复出原图像,所以算法安全性较高。实验结果表明,该算法能够有效地在加密域中直接进行信息的嵌入及提取,并在解密后无损地恢复出原图像;而且该算法的嵌入率可高达0.47 bpp(bit per pixel)。     

采用稀疏表示和小波变换的超分辨率重建算法

为了提高超分辨率重建图像的质量,提出一种基于稀疏表示和小波变换的超分辨率重建算法.首先,将小波变换的多尺度性、多方向性与稀疏表示的灵活性相结合,构建一种双稀疏编码(DSC)模型,提高稀疏系数的精度.然后,在双稀疏编码模型中引入局部线性嵌入正则化项(LLER),以更好地保留图像的结构;在重建过程中,对输入的低分辨率图像进行小波分解,得到3幅不同方向的高频子图,并采用提出的模型对其进行重建.最后,利用逆小波得到最终的高分辨率图像.实验结果表明:与多种主流的超分辨率算法相比,文中算法无论在主观视觉效果还是在峰值信噪比和结构相似度两个客观评价指标上,都取得了更好的效果.     

基于SSA的弹头激波信号处理方法研究

针对弹头激波信号混杂其他噪声干扰无法分离时延特征参数问题,利用奇异谱分析(SSA)的自适应滤波特性进行处理,并对嵌入维数和重构主分量数目对分离效果的影响进行了讨论,建立性能评价函数和选择准则来进行优化。仿真结果表明,采用最优参数时SSA能有效提取出噪声条件下激波信号特征。     

融合知识图谱的多通道中医辨证模型

中医辨证是中医临床立法、处方、用药的基础和前提。中医电子病历高质量语料缺乏，模型训练容易欠拟合，且四诊信息的症状表达形式存在较大差异，限制了网络模型对复杂症状的识别能力。针对上述问题，通过对四诊信息多通道的分开处理，以及人工构建的小规模知识图谱对模型训练进行知识的增强，提出了融合知识图谱的多通道中医辨证模型。实验结果表明，基于中医电子病历数据集，提出的模型在P@1指标、P@3指标、P@5指标上相比基线模型分别提高3.51%、3.38%、3.32%，相比其他网络结构模型也有不同程度的提高，验证了所提模型对中医辨证具有显著效果。     

基于词嵌入特性聚类的文本主题挖掘

数据聚类是常用的无监督学习方法,通过词嵌入聚类能够挖掘文本主题,但现有研究大多数采用常规聚类算法挖掘词嵌入的簇类,缺少基于词嵌入特性设计实现词嵌入聚类的主题挖掘算法.该文从语言模型通过建模词间相关信息来使相关及语义相似词的嵌入表示聚集在一起的特点出发,设计词嵌入聚类算法.该算法首先计算中心词的簇类号,然后使该簇中心嵌入和相邻词嵌入的相似性增强,同时使其与负样本词嵌入远离,学习文本集词嵌入的簇类结构,并将其应用于文本主题挖掘.在3种公开数据集上的实验表明:该算法在一些模型的词嵌入结果上能够挖掘出一致性和多样性更好的主题结果.