Visual Basic与Matlab的接口技术

阐述了从VB程序调用Matlab的方法：Shell函数、动态链接库(DLL)技术，动态数据交换(DDE)技术，ActiveX技术，分析了各种方法的优缺点与使用范围，对于其中最为常用的DDE和ActiveX技术，给出了有关使用的主要代码。     

基于Windows环境的实时串行通讯

提出了一种在Ｗｉｎｄｏｗｓ下响应硬件中断的实时串行通讯的模式,针对不同编程语言的特点,用ＢｏｒｌａｎｄＣ＋＋编制程序对口直接操作,并响应执行硬件中继程序接收数据,利用ＤＤＥ将数据传送用Ｄｅｌｐｈｉ编制的程序进行管理。     

动态数据系统(DDS)方法及其在火控系统中的应用

本文简述了DDS方法的建模过程。对一组工程数据,在用FFT分析了频谱的基础上,重新采样并用DDS方法处理了这组数据。由于对同一序列的各样本建模结果不一致,提出了用多样本统一建模的方法。所建的统一模型效果比较好,方位角和高低角量测误差的方差可以用此模型滤波后分别降低70％和84％。对DDS的这一改进建模方法、同样可以用于其他多样本数据的处理。     

动态数据的存储及处理

本文针对动态数据存储及处理的问题,结合实例,利用数据库技术和面向对象的设计方法,给出解决该问题的算法和程序。     

动态数据自适应控制中的质量控制

动态数据的质量控制是要求其动态数据处理过程中能够自动检测出系统模型中的偏差,并消除这些偏差对估计结果的影响。本文按照统计质量控制方法,以Kalm an滤波作为动态数据处理方法,讨论了含有偏差的动态数据处理模型,基于偏差探测的假设,构造了偏差探测的统计检验量及基本公式,并对偏差识别的过程及统计检验作了分析,最后得到了偏差估计和校正的理论公式。     

基于GIVENS旋转算法的动态数据误差处理

为了提高实时处理动态数据的能力,一种可行的方法是用多ＣＰＵ同时处理一批动态数据,提出了的基于ＧＩＶＥＮＳ旋转算法的动态数据误差处理,易于实现多ＣＰＵ处理动态数据。     

小波变换和时间序列模型相结合的降雨量预测

针对降雨量预测问题大多采用时间序列分析的方法,但是对于准确预测降雨量和降雨变化规律,提高降雨量的预测精度等问题,如果仅采用时间序列的方法误差相对来说比较大.提出一种小波变换和时间序列预测模型(ARMA)相结合的降雨量预测方法.在预测过程中,对降雨量进行归一化处理,利用小波变换对原始降雨量进行降噪,降低其预测中的误差,采...     

基于动态数据的加权频繁项集挖掘算法

为解决在挖掘频繁项集过程中,因忽略不同项目间的重要程度而导致的挖掘有效性低以及忽略数据的动态更新而造成的挖掘效率低的问题,通过引入新的加权规则,从权值与频数两方面去体现项目间的重要性差异,并通过引入树形结构与关系矩阵提高数据动态变化时频繁项集的挖掘效率。创新性地提出基于动态数据的加权频繁项集挖掘算法weighted dynamic date mining (WDDM)。实验结果表明,WDDM算法较以往算法挖掘效率与有效性显著提高,有利于发现更多有研究价值的信息。     

动态数据驱动仿真综述

动态数据驱动仿真是一种“模型和数据相结合”的仿真范式,它将真实系统的观测(数据)持续注入仿真(模型),让数据动态地校正仿真(状态、参数),以此来提高基于仿真的估计和预测能力。由于动态数据驱动仿真融合了模型预测和实时观测两方面的信息,因此它能更准确地估计系统状态并预测状态的未来演化。梳理了动态数据驱动仿真的思想起源和基本概念,延伸介绍了“模型和数据相结合”的思想孕育的一系列仿真范式,并辨析了它们之间的联系和区别;介绍了基于粒子滤波的数据同化方法和identical-twin仿真实验方法;从应用场景、模型和数据、数据同化算法、与新技术的融合等4个维度综述了动态数据驱动仿真的研究现状;从仿真模型、观测数据、数据同化、运行效率、应用领域等5个方面对动态数据驱动仿真未来研究方向进行了展望。     

基于Hash聚合动态数据持有性方案安全性分析

为了防止数据丢失、修改或破坏等,需要对存储在云端的远程数据进行持有性验证。云端动态数据可持有性是当前云数据安全领域的研究热点之一。该文针对已有典型基于Hash聚合动态数据持有性证明方案,分析其验证过程存在的安全问题及其产生原因。结果表明：Hash聚合方法能有效减少由于数据动态操作而增加的数据存储量、计算量、传输量等验证成本,但是如果忽略对于数据块位置与数据块值对应关系的验证则会面临替换攻击,导致严重的安全问题。