首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   10篇
  免费   0篇
综合类   10篇
  2023年   1篇
  2022年   1篇
  2020年   1篇
  2018年   2篇
  2014年   2篇
  2013年   1篇
  2007年   1篇
  2004年   1篇
排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
结合核心路由器分析了Web—Based Embed NMS的缺点,提出三层Client/Server结构模型并进一步比较了该模型的两种实现模式:HTTP/CGI方式和Corba/Java方式。  相似文献   
2.
在“互联网+”时代,我国校园信息化建设速度也在不断加速,异构数据库集成技术在校园内的应用价值也得到认同.针对“互联网+”时代,在设计建设教学资源数据库中,如何将数据库内的异构数据源数据进行转化,不仅关系到异构数据是否能够在数据库内得到融合共享,也关系到教学资源库是否满足实际应用需求.在“互联网+”时代,基于可扩展标记语言(Extensible Markup Language,XML)数据转换设计实例,研究其异构数据源的数据转换方法,分析异构数据源的数据转换过程,确保能够将教学资源库中的异构数据源数据进行转换,实现基于异构数据源的XML数据转换方法.  相似文献   
3.
在"互联网+"时代,我国校园信息化建设速度也在不断加速,异构数据库集成技术在校园内的应用价值也得到认同.针对"互联网+"时代,在设计建设教学资源数据库中,如何将数据库内的异构数据源数据进行转化,不仅关系到异构数据是否能够在数据库内得到融合共享,也关系到教学资源库是否满足实际应用需求.在"互联网+"时代,基于可扩展标记语言(Extensible Markup Language,XML)数据转换设计实例,研究其异构数据源的数据转换方法,分析异构数据源的数据转换过程,确保能够将教学资源库中的异构数据源数据进行转换,实现基于异构数据源的XML数据转换方法.  相似文献   
4.
网络环境下的计算机辅助教学是时代发展的产物,是现代化教学的需要。计算机网络具有强大的交互性和联系性的特点,它在很大程度上为我们的教学工作提供了可行性,也利于我们创造出新型的、更高效的教学模式。  相似文献   
5.
基于压缩感知的高分辨距离像散射中心参数估计   总被引:1,自引:1,他引:0  
提出利用压缩感知理论实现高分辨距离像散射中心参数估计。该方法首先将散射中心参数估计转化为信号的稀疏表示,然后重点研究测量矩阵的设计和稀疏参数的选取。为了提高解的鲁棒性,在构造字典矩阵时将采用位置错开以降低测量矩阵原子之间的互相关性。在算法求解过程中,采用贝叶斯信息准则确定模型阶次和稀疏参数。数据实验表明,算法能够稳定精确地估计散射中心参数。  相似文献   
6.
为了提高人力资源推荐系统的效率,提出一种基于Spark平台的K均值聚类算法来完成人力资源推荐;Spark平台在分布式系统所有节点的内存弹性分布式数据集中完成聚类迭代运算,以加快聚类速度;将K均值聚类算法与聚类簇思想相结合,以提高大规模数据样本聚类的效率,得到聚类结果后,采用动态推荐算法实现人力资源实时推荐。结果表明,Spark平台相比于单机在聚类计算效率方面更有优势,且所提出的算法比单机的K均值聚类算法的聚类速度和准确率均更优,在动态推荐性能方面也优于常用推荐算法。  相似文献   
7.
云计算环境下高校数字化教育资源的共享机制   总被引:1,自引:0,他引:1  
教育云是云计算在教育领域中的具体应用,能够有效地解决当前高校教育资源共享程度低、硬件设备及维护资金投入巨大等问题。通过分析制约数字化教育资源共享的因素,指出教育云在资源共享中的优势,并对云计算环境下数字化教育资源的共享模型进行了探讨。  相似文献   
8.
结合应用软件的现状分析了面向服务架构模型,提出了实现该模型的基本方法——服务,并对服务之间的耦合关系进行了阐述.  相似文献   
9.
近几年来,智能语言处理在语言学习方面已经得到了广泛的应用,但是由于在处理语言中往往会存在网络模型优化困难、强制对其的标记数据会出现精度偏差,与以往大多数使用判别模型结合HMM混合模型进行声学模型训练的系统相比,本文提出了一种基于循环生成对抗网络的机器翻译方法,该方法主要结合生成对抗网络来训练机器翻译模型.首先,将一段语音输入神经机器翻译模块进行离散,预先变换得到MFCC特征;然后,将经过预处理的语音输入到特征提取模块并结合长时短时记忆网络循环提取语音特征;最后,将网络模型输出的语音与人工翻译的语音进行对比,并判别网络模型输出的语音特征与人工翻译的语音是否匹配,如果不匹配则继续优化生成网络.实验结果表明,我们的网络与传统的高斯核混合模型相比有明显的提升.本文方法在CSDN口令集、Rockyou口令集、Tianya口令集和Yahoo口令集中均取得了优越的结果,其中在Yahoo口令集中单词错误率降至19.5%.  相似文献   
10.
该文将量子人工蜂群(Quantum artificial bee colony, QABC)算法用于K均值(K-means)聚类的类别中心点选择,优化K均值聚类算法,可有效解决因随机设置K均值中心点而导致聚类准确度不高的问题。该文设置K均值聚类类别数,并随机设置若干类别中心,采用人工蜂群(Artificial bee colony, ABC)算法优化类别中心点,根据待聚类样本点构建蜜蜂种群,并对蜂群个体位置采用量子比特表示。以样本点和中心点的距离的倒数作为ABC算法适应度,并将适应度值较高个体定义为蜜源。通过引领蜂在运动范围内的粗粒度遍历和跟随蜂的细粒度探索,不断搜寻适应度较高个体,并且更新蜜源,直至ABC算法稳定后确定较优蜜源位置为聚类中心。采用ABC优化得到的聚类中心进行K均值聚类。试验结果表明,通过合理设置ABC搜索边界,并引入蜂群位置的量子表示,可有效增强ABC对聚类中心的搜索精度。相比于常用聚类算法,QABC+K均值算法的聚类性能更优。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号