利用主动网络技术实现VPN

主动网络是一种新型的网络体系结构,利用主动网络技术实现VPN具有传统网络所没有的优势, 它允许用户向报文内嵌入主动代码来定制网络服务。介绍了一种利用主动网络技术实现VPN的实验方 案,并提出了以模块化的方式建立和动态配置VPN的具体模型,为主动网络技术与VPN技术的有效结合 提供了参考作用。     

基于 Magician平台的网络节点资源获取

在分析主动网络平台Magician的体系结构和传输与执行Smart包原理的基础上,通过自行定制Smart 包,获取网络节点资源,并结合实例给出其传输及执行过程.与传统方法相比,该方法能灵活、快速、主动地获取节点资源,为主动预测网络故障,及其他基于主动网络的研究做了准备.     

2013年白银市食源性疾病监测分析

根据白银市食源性疾病哨点医院主动监测结果分析,了解食源性疾病的现状和发生规律。收集食源性疾病哨点医院主动监测的发病数据,进行统计分析。白银市5~8月为食源性疾病高发期;临床表现中15.19%的患者出现发热症状,24.84%的患者有恶心、呕吐症状,出现腹痛腹泻的病例61.87%;原因食品分布中,肉与肉制品引起的食源性疾病占18.61%,水果引起的占16.56%;发患群中,男性占62.38%,女性占37.78%;从就诊年龄分析,10岁以下儿童为高发人群;应进一步加强食源性疾病主动监测工作,提高公众卫生防病意识,防止食源性疾病的发生。     

基于纵向避撞时间的预警/制动算法

针对汽车纵向避撞系统的要求,提出了一种基于纵向避撞时间的纵向碰撞预警/避撞(FCW/FCA)算法。通过分析纵向避撞时间与驾驶员反应时间之间的关系,建立了前车不同行驶工况条件下的安全车距模型,并在3种不同行驶工况下,与Berkeley模型进行制动/预警距离的对比。研究结果表明:该算法确定的制动距离与Berkeley模型确定的距离相差很小,并且考虑了前车的运行工况;该算法还能够根据前车行驶工况的不同,确定出合理的预警距离。对比分析结果验证了该算法的有效性和可行性,能够提高车辆行驶的安全性。     

一种基于自适应采样的网络丢包率测量方法

丢包率是基本的网络性能指标之一,现有测量方法在测量精度和探测量开销之间存在冲突.本文提出一种基于自适应采样的丢包率测量方法,利用时延-丢包相关及丢包-丢包相关的特性,根据测量过程中大时延测量样本和丢包事件对网络突发丢包的指示作用,自适应地动态调整探测周期,从而在不大幅提高探测量的前提下,提高了测量准确性.仿真实验结果表明,该方法在测量精度和探测量开销上有较好的折中.与ping相比,该方法测量误差降低较多,而探测量开销则增加不多;与较为准确的BADABING相比,测量误差相差不大,但探测量开销明显减少.     

煤矿险兆事件主动上报意愿影响因素研究

煤矿事故发生之前都会出现多次险兆事件,虽未造成伤亡或损失,但表明煤矿系统存在诸多安全隐患。对险兆事件进行管理必须依靠主动上报,如果对发现的险兆事件视而不见,或者管理层对上报的险兆事件不予处理,就会导致煤矿险兆事件管理的初始环节不能顺利展开,进而严重影响安全管理效果。为了研究提高煤矿险兆事件主动上报水平的措施,进一步提高煤矿风险预控管理效果,应用现场访谈和文献调研方法,对上报意愿影响因素进行归纳,梳理出了8个影响矿工不主动上报险兆事件的因素;然后通过编制调查问卷,利用SPSS17.0和探索性因子分析对问卷数据进行处理和分析,建立煤矿险兆事件主动上报意愿影响因素三级指标体系,通过G1赋权法确定了各层次指标权重,对影响险兆事件主动上报因素的三级指标进行了重要度分析,针对各个影响因素提出了可操作性的对策和建议。研究表明:矿工险兆事件主动上报水平事关煤矿事故防控水平,煤矿应该探明影响矿工险兆事件主动上报水平的因素,采取加强险兆事件方面教育或培训等措施,使管理者和矿工深刻了解险兆事件的概念、潜在危险性以及险兆事件管控的重要意义,以提升煤矿风险预控水平。     

初中数学分层教学的实践与思考

分层教学是落实素质教育的重要手段,本着因材施教的原则,让每个学生都得到适合自己的教学方式,在"最近发展区"都有所提升。在分层教学的实施过程中,尊重学生,平等对待每一个学生,让他们在教师讲课、回答问题、练习作业,获得教师的辅导,参加学习评价等方面感受到分层教学给自己带来的成就感和认同感,在学习的同时培养良好的习惯和健全的人格。     

可变助力转向系统在汽车主动安全领域的应用

该文针对因驾驶员规避障碍过晚而可能发生碰撞的情况,分析了驾驶员的行为特征,提出将可变助力系统应用于汽车主动安全领域的思路,最终达到提高行车安全的目的。     

文本分类中的主动多域学习

现有主动学习主要着眼于对单个域训练方法的研究,不同域有不同的特征,同时也存在一些隐含的共性.如何从多个域中选择合适数据样本成为多域学习中减少人工标注工作量的关键.本文提出了一个新颖的主动多域学习框架,该框架充分考虑了重复信息,并可从多个域中选择合适的数据样本.该框架首先找到一个包含不同域间隐含共性的共享子空间,然后将所有数据样本分解为公共域部分和个性域部分,其中公共域部分可视为域间的重复信息,该部分在查询时需要被考虑到.最后,将主动多域学习方法与最新的主动学习方法的性能进行了比对,实验结果表明,本文提出的主动多域学习方法在减少人工标注工作量方面有显著作用.