企业多源异构数据库数据访问技术的研究

阐述针对企业中不同数据库的产品,在c/s体系结构下,给出了不同数据库之间的连接方法;并对它们进行动态的访问,以实现异构数据库之间数据处理及共享.     

基于Web数据库访问技术的探讨

主要探讨了基于Web数据库访问技术的实现过程 ,为数据库信息存取的全球化提供了手段 ,数据库提供了存储信息和管理信息的方法 ,能在最大限度内共享这些信息     

用ASP技术访问Web数据库

首先介绍了ASP技术的特点，指出该技术是构成动态的、交互式网站的主要技术之一，以及服务器端数据库的选择；着重讨论了用ASP技术访问Web数据库的2种方法与特点，同时给出相关的实例。     

基于Web日志的因特网协作推荐系统的研究

针对当前推荐系统研究中存在的问题，提出了一个基于Web日志的Internet协作推荐系统。它在用户浏览兴趣度量时综合考虑了页面访问次数、浏览时间的长度和页面的大小，然后将具有相似用户浏览兴趣的页面进行推荐。算法过程如下：先对Web日志进行预处理后得到用户事务，然后对这些用户事务进行各个页面的浏览兴趣矢量表示，最后通过推荐引擎生成实时推荐。经实验表明，该系统比其他方法推荐的网页点击率高。     

分布式对象技术的研究

介绍分布式对象技术的产生，讨论和分析目前流行的几种分布式对象技术，并对分布式对象技术的发展趋势及其应用进行探讨。     

随机多址访问协议中最优帧模式的混合遗传算法

在随机接入协议中 ,竞争时隙与预约时隙在一帧中的相对位置 (帧模式 )对系统的吞吐量有很大的影响 .利用混合遗传算法搜索出不同业务量下的最优帧模式 ,提高了系统的吞吐量 .     

自管理机密网络的分布式匿名路由协议

针对数据传输时所需通信分析暴露通信者身份及相互关系的问题,采用混淆网络和洋葱路由来掩饰其真实通信,通过建立匿名路径来防止通信中的流分析,但所有路由器需要通过交换路由信息了解整个网络的拓扑结构.提出一种分布式匿名路由协议.该协议不需要任何节点收集和存储网络拓扑信息.模拟结果表明该协议具有较好的可扩展性.     

《解放军理工大学学报(自然科学版)》征稿简则

《解放军理工大学学报(自然科学版)》是由解放军理工大学主办的自然科学综合性学术期刊。主要刊登军事通信工程、指挥自动化工程、防护工程、作战工程保障、军事气象水文和基础科学技术领域中的优秀论文、技术报告和科技简讯。除被国内主要数据库及文摘收录外，还被俄罗斯《文摘杂志》、英国《科学文摘》、美国《剑桥科学文摘》和德国《数学文摘》等国际检索机构收录。本刊欢迎校外作者来稿，对于属国家、省部级和军队基金项目论文，院士及著名专家的论文，将优先发表。1投稿要求与注意事项1．1论文必须具有创新性、学术性、科学性、准确性…     

基于VB的数据库访问技术实现研究

本文对VB数据库访问技术的发展进行了论述,并就基于VB6.0的数据库访问技术展开了对比分析,同时分析了VB数据库编程及网格控件的选用。     

A Deep Web Query Interfaces Classification Method Based on RBF Neural Network

This paper proposes a new approach for classification for query interfaces of Deep Web, which extracts features from the form＇s text data on the query interfaces, assisted with the synonym library, and uses radial basic function neural network （RBFNN） algorithm to classify the query interfaces. The applied RBFNN is a kind of effective feed-forward artificial neural network, which has a simple networking structure but features with strength of excellent nonlinear approximation, fast convergence and global convergence. A TEL_8 query interfaces＇ data set from UIUC on-line database is used in our experiments, which consists of 477 query interfaces in 8 typical domains. Experimental results proved that the proposed approach can efficiently classify the query interfaces with an accuracy of 95.67%.