基于RBAC的权限控制在军事训练管理系统中的应用

RBAC是一种将权限和角色相联系的存取控制策略,能灵活的实现安全管理。本文以RBAC授权模型为理论基础,结合"军事训练管理系统"中权限管理模块的实例,详细分析了具体的实现过程,该方案实现了3级访问控制,并且能够适应特殊情况,具有很强的灵活性。     

"人在回路"合成训练仿真总体设计及关键技术研究

针对"人在回路"合成训练仿真规模大、实体多、部署分散、异构系统多等难点问题,研究梳理美国陆军合成训练环境建设情况,设计了基于TISA中间件的可持续演进的分布式合成训练仿真云服务架构,提出了可组合多层级合成训练仿真应用模式,解决了分布式训练仿真实时互联互通互操作、战场环境一致性、模型可组合可重用、仿真即服务等技术问题,为...     

计算机监控的高压试验用大功率变频电源

针对当前电力系统中现场高压测试所面临的试验电源问题,提出了一种新型的高压试验用大功率变频电源的工作原理和设计方法,并在此基础上开发了其计算机监控系统,提高了该设备在使用过程中的安全性和自动化程度,现场试验和在实际中的应用证明该设备可靠性高、安全性好、实用性强。     

金佛山药用鱼类资源调查研究

经调查，金佛山有药用鱼类83种。本文对物种组成、个体分布及区系特征进行了分析，并与相邻山体的药用鱼类资源进行了比较，对该山的药用鱼类资源作了初步评价。     

金佛山药用脊椎动物资源调查初报

经调查，金佛山已知药用脊椎动物368种，占该山药用动物总种数（491种）的74.95%。其中鱼类83种，两栖类31种，爬行类41种，鸟类129种，哺乳类84种。属国家一级重点保护的有7种，国家二级重点保护的26种。本文对金佛山的药用脊椎动物资源种类进行了综合分析评价，并提出了加强野生动物资源的保护方案和合理的开发利用的三点建议。     

关于Green定理的向量形式

通过引入梯度、旋度和散度,得到Green定理的向量形式.     

英汉语中“尖”的概念隐喻对比研究

触觉是人类对客观世界感知和理解最重要的方式之一,它在构建我们的抽象概念过程中起着举足轻重的作用。＂尖＂的概念不仅能投射到＂智能、情感、态度＂方面,还能投射到视觉、听觉、嗅觉及味觉域;这一发现从一个方面说明了Sweetser对触觉隐喻投射的归纳不够准确、全面;与英语民族相比,汉民族更充分地利用＂尖＂这一具体概念来理解并扩展出更多的抽象概念。     

机车新型闪烁灯光示警系统的性能实验研究

光信号示警受自然环境、气候、地段等的影响较小,尤其是在夜晚,示警效果高于声信号．新型闪烁示警灯光系统由头灯、一对具有闪烁功能的辅助照明灯组成“三角形”示警形状,并确定了灯碗散角、安装高度和间距等参数．通过实验,对灯光系统的性能进行研究,包括有效性验证、闪烁对司机眼疲劳的影响．结果表明,新型闪烁示警灯光系统的性能良好,兼顾了照明和示警的双重要求．     

转基因食物:美国人究竟吃不吃

近年来,国内舆论一直被一个问题所困惑,作为转基因作物种植第一大国,美国的公众到底吃不吃转基因食品?围绕着这一问题的各种说辞,让消费者无所适从。《科学新闻》经过广泛搜集资料和采访,发现美国人的确在大量食用转基因食品,对于大多数人而言,人们一般也意识不到转基因食物有何特     

An Average Edge Distance Contribution Method for Identifying Influential Nodes in Complex Networks

How to accurately and effectively identify the influential nodes in networks has always been a core issue. In order to evaluate the importance of the nodes, some famous centrality measures have been proposed and widely used. However, the existing methods still exist some shortcomings. In this work, a novel method named average edge distance contribution (AEDC) is proposed to effectively find the influential nodes, which measures the average contribution of each edge to the sum of distances of all node pairs in the network. For each node, we utilize the relative change of AEDC by removing it from the network to determine its influence. For verifying the effectiveness and feasibility of the AEDC method, we simulate the process of disease spreading in four real complex networks with the Susceptible Infected Recovered (SIR) model. The experimental results show that our proposed method is more accurate than several benchmark centrality measures in terms of identifying the influential nodes.