分形塔分抗逼近电路——标度拓展与优化设计原理

分析B型分形塔分抗逼近电路的特征,该电路只具有负半阶运算性能.结合标度拓展理论,获得具有任意实数阶微积算子的分抗逼近电路——标度分形塔分抗逼近电路,并用非正则双重标度方程进行描述.分析该分抗逼近电路的运算性能和逼近性能.运用典型的数值求解算法分析频域特征及运算特征,对比不同初始阻抗值对零极点分布及频域曲线的影响.结合运算特征曲线与标度特征参量的不同取值情形,理论分析标度分形塔分抗逼近电路的优化原理并给出具体优化方法.对比分析标度分形塔分抗优化前后的逼近性能,定量分析运算振荡现象.介绍标度分形塔分抗的实际电路设计方案并给出实例,使用电阻电容与有源器件将该分抗的运算阶由-1μ0推广为0|μ|2.标度分形塔分抗逼近电路及其优化电路为分抗的构造与应用提供新思路.     

红外光谱法检验香烟过滤纤维的研究

目的建立一种灵敏、准确、无损的检验香烟过滤嘴的方法。方法利用傅立叶变换红外光谱仪,采用Smart Performer采样器,对120个不同品牌、同一品牌不同档次和同一品牌同一档次不同系列的香烟过滤嘴样本进行分析检验,并考查各种影响因素。结果依据红外光谱图中吸收峰的不同,可以将香烟过滤嘴样本加以区分。结论该检验方法不破坏检材,重现性好,可用于鉴定香烟物证。     

一种资源与服务性能关系的建模方法

获取资源与服务性能的关系模型是在云环境中为服务合理分配虚拟资源的关键.然而,训练数据的规模往往显著影响这种非线性关系模型的准确率.针对现有方法不足,提出了将协同过滤推荐(CFR)和支持向量回归(SVR)相结合的服务性能动态建模方法(CSDM).该方法在服务部署与运行时同时训练两种模型,并选择二者中MAE占优的性能模型预测给定资源状态下的服务性能,从而保证预测精度.同时,CSDM引入择优阈值以降低模型训练代价.实验表明,CSDM在不同规模的训练数据上均有较高的预测准确率,且择优阈值对预测精度和建模效率具有显著影响.     

逻辑内建自测试双重过滤测试点选取策略

为有效改善逻辑内建自测试(logic built-in self-test,LBIST)因使用伪随机向量发生器生成测试图形,而导致相关应用芯片故障覆盖率指标较低的问题,便于控制、较易调整的测试点插入(test point insertion,TPI)技术被广泛应用。然而,在TPI的测试点选取过程中通常基于"故障覆盖率优先"准则,进而使部分测试点面积开销过高。针对此问题,通过对现有主流选取策略的分析,提出一种应用于LBIST的双重过滤测试点选取策略。该策略首先通过预过滤,获得高故障覆盖率/低面积开销的单一测试点集,以保障TPI整体质量;其次,通过全局测试点滤取,滤除故障覆盖高度重合的单一测试点,完成符合边界条件的TPI。实验表明,该策略与目前较新颖的紧凑型单元感知测试点选取策略相比,故障覆盖率提升4.15%,减少测试面积开销5.72%,充分证明该策略在提高故障覆盖率和减小测试面积上的优势。     

基于XSS框架机制的Web应用程序语境安全性研究

分析了XSS过滤抽象框架提供的安全性和应用程序语境相关性，也分析了Web浏览器的新模式、特点及XSS语境过滤.优化了Web框架模型，Web浏览器详细描述内部组织的模式来解释XSS清除的方法及其内部结构的相互作用.研究了服务器端执行的威胁过滤通过浏览器的内容解析到DOM过程而被有效地撤消的XSS漏洞.提出了非信任性数据需要以不同的方式根据其语境在HTML文档中被过滤，自动清除可以安全地在一个语境中使用的威胁清除功能而在另一个语境中使用是不安全的，自动过滤必须与语境相关的.     

基于模糊关联空间的有效大数据过滤方法

传统的大数据过滤方法,其降噪处理和过滤效果都会对最终结果产生一定影响,导致过滤效率低下。基于此,本文提出基于模糊关联空间的有效大数据过滤方法,利用动态编译实现数据采集过滤,进行分布式离群点检测,通过网闸过滤对数据信息进行过滤。经对比试验,该方法能够实现有效大数据的高效过滤,而基于区域划分的数据过滤方法,无法充分利用试验环境中所有实体的数据信息,因此不可能实现较高的过滤效率,由此证明了本研究所提方法的实用性和有效性。     

在ICT扫描中X射线辐射场均匀性的理论计算

由于工业CT能够真实记录工件内部缺陷的形状、尺寸及其物理方面的大量信息。而广泛应用于工业检测领域。X射线辐射场的均匀性对图像的质量产生重要影响。利用C语言编制计算机程序,其中的参数取自工业CT的技术参数,以探讨靶角、管电压、距离和过滤材料如何影响反射式X射线管辐射场的均匀性。     

基于改进的协同过滤算法的练习测试推荐系统

在传统的协同过滤推荐算法的基础上,设计了一个基于改进的协同过滤算法的练习测试推荐系统。首先,根据学科、试题和学生的特点,有效的解决了矩阵稀疏和"冷启动"的问题;其次,使用机器学习中的K-means聚类算法对用户进行聚类,且初始聚类中心由Prim最小生成树算法确定,增加了聚类的稳定性;然后在每个聚类中搜索用户的最近邻居,缩小了计算用户之间相似度问题的规模;最后,通过实验将改进的算法与传统的算法进行了比较。实验结果表明,改进的算法提高了推荐系统的质量和准确度。     

协同过滤中一种项目综合相似度计算方法

协同过滤算法作为一种成功的个性化推荐技术已经被应用到很多领域,但是由于协同过滤算法所使用的用户-项目评分矩阵一般都非常稀疏,导致该算法推荐效果一直较差。文章在考虑了用户相似喜好、项目平均得分的差异性和方差等因素基础上,提出了一种项目间综合相似度计算方法JAV Weighted Model,通过在MovieLens数据集上的实验表明本文方法在预测精度上与已有方法相比有一定的提高。