基于XML的校园一卡通银校转账系统架构与实现

随着一卡通应用技术的日趋完善,高校内的各个业务系统利用一卡通身份识别与金融消费两大功能,为全校师生提供着智能化、泛在化服务.应用场景的增多,消费总额的扩大,导致原有一卡通人工充值的方式已无法满足用户的实际需要.对高校一卡通系统框架及业务流程进行了分析,借助银行现有的综合业务管理系统,在银、校双方基于异构平台、异构系统、以及互不相同的数据结构与数据标准等多个问题的基础上,利用XML技术,进行实时的数据报文交互,即可满足校内一卡通用户自助圈存的充值需求.最后通过系统上线前后的业务量对比数据,验证了该系统的有效性与实用性.     

基于蓝牙4.0的室内定位及信息服务应用模型研究

分析了目前基于蓝牙4.0的室内定位技术,提出了通用的室内定位应用模型.该通用模型中包含多个模块,数据管理、服务管理、应用管理等内容可以基于室内定位实现,而室内定位依赖于蓝牙4.0来提高准确性和可连接性.针对利用该模型进行信息服务进行了分析研究,提出了利用蓝牙4.0来实现室内定位及信息服务的一种方法.     

二元多项式环上密钥交换协议之密码分析

密钥交换与加密、数字签名一起被公认是现代密码学中的三个密码原语和网络安全服务,但目前抗量子计算的密钥交换协议的研发远未成熟.2010年,Romańczuk和Ustimenko提出了一个公钥基础设施背景下基于有限域上矩阵群和多项式环的两方密钥交换协议.但在2012年,Blackburn,Cid和Mullan对其发起一种存在性攻击.首先分析这种攻击因被动敌手需要使用密码系统的一个秘密参数而无效的原因.其次针对教科书式RU协议缺乏数据源认证的局限性,具体构造了一种中间人攻击.分析结果表明:RU协议对此种在常见网络安全威胁模型下计算上可行的主动攻击是脆弱的.     

三种网络可靠性仿真方法研究及比较

网络可靠性是评估网络性能的重要指标。本文深入研究了网络可靠性三种仿真方法,即蒙特卡罗仿真方法(Monte Carlo Method,简称:MC),模块化抽样(Blocking Sampling Method,简称:BS)和几何抽样(Geomtretic Sampling Metho,简称:GS),并对三种方法的实现结果进行了比较。实验结果表明,BS和GS比较适用于大型网络,易于实现,且效率很高。     

基于振动频率识别的可视化音频简谱输出的设计与实现

分析了音频识别结合艺术创作应用的现状,指出本研究的重要性.介绍了音频分析和处理的关键技术,阐述了将音频转换为可视化简谱输出的方法,设计与实现了对振动频率的精确识别及可视化简谱的输出,解决了人们因为没有足够的乐理知识、时间、精力等,音乐创作受到限制的问题.提出的音频识别及转化输出方法,可应用于语音输入、多样化可视化显示等方面.     

网络可靠性计算方法研究

网络可靠性是评估网络性能的重要指标．本文研究了网络可靠性分析方法及标准,研究了网络系统一种随机性可靠性指标——全端可靠性的计算问题．本文研究了可靠性评价指标中的全端可靠性的准确计算方法因子定理和上界值法．首先给出了适用于小型网络的准确计算全端可靠性的计算方法．在此基础上,通过分析网络连通子网数与网络割集数的关系,应用可靠性多项式给出一种计算全端可靠性界的公式．     

基于Zxing下移动端与PC端交互的新型购物系统开发

分析介绍了基于Zxing下移动端与PC端交互的新型购物系统.意在弥补国内外购物模式单一的现状,在移动互联的时代,这种新型购物模式是线上和线下的有机组合,既可以满足消费者对传统购物"看得见,摸得着"的购物体验,又避免了笨重的购物车和繁琐的排队付款.也大大降低了商家在货架上摆放重复货物上的成本.新型购物系统由服务器模块、移动模块、PC模块三大部分组成,产品实物包括用户手机APP和商家电脑端.     

一类最小二乘的机会约束问题的凸逼近

CVaR方法是目前对机会约束最紧的凸逼近.通过CVaR方法,在给出了部分矩信息与支持集的情况下,首先得到一类最坏情况下的最小二乘的单个机会约束问题可以近似的看成一个凸规划问题,从而得到该问题的逼近解.利用本方法的特殊性,将联合机会约束问题转化一个单个机会约束问题,从而得到了联合机会约束的逼近解.     

基于神经网络的数据挖掘方法评述

简要叙述了数据挖掘的概念及几种主要的基于神经网络的数据挖掘方法,并对这些方法的研究现状进行了评述,指出其存在的问题.展望神经网络在数据挖掘中的发展潜力.     

推荐系统及其相关技术研究

在介绍推荐系统的定义和分类的基础上,深入讨论现有推荐系统普遍存在的问题,并提出了相应的改进策略:结合上下文信息;支持基于多标准推荐算法;在保证推荐精度的同时兼顾推荐的多样性;加强交互界面设计,提高系统逻辑的透明度;支持包括推荐包在内的多种推荐模式.我们相信这些策略有助于提高推荐质量,激发用户的参与度,从而增强推荐系统的实际可用性.