旋转模型转换中的轴线恢复分析

针对目前协同设计系统跨平台性差,实时性不高的缺点,本文提出将VRML应用到协同设计中的构想.并提出一个算法来解决把VRML应用到协同设计的关键问题.这个算法在恢复CAD模型转换到VRML中的参数信息起到关键作用.     

对河南省科技发展方向与任务的研究与探索

要加快我省社会发展的步伐,建设和谐河南,必须根据我省的实际情况,就事关国计民生的各个领域进行重点研究,着力解决经济社会发展中关键、共性技术和制约发展的重大瓶颈问题,为全面建设小康社会提供强有力的科技支撑。     

协作过滤信息推荐技术研究

随着网络技术的发展、网络上信息量的不断增多以及电子商务的普及,协作过滤得到了广泛的应用。在对协作过滤信息推荐技术基本思想、算法分类等相关内容概述的基础上,总结了其当前存在的3个方面的主要问题：冷启动、数据高维稀疏、以及算法的可伸缩性,同时分析了当前国际、国内的研究进展情况,对主要的方法、技术等进行了扼要的概述与总结。对推荐算法中相似性度量方法、预测评分的策略、推荐质量的度量标准、未来可能的研究方向等分别进行了论述。     

思维脑电信号的关联维数分析

采用G-P算法计算了5种不同心理作业下的思维脑电信号的关联维数。计算结果表明:对同一个电极上的脑电数据而言,心算乘法和想象几何图形旋转这两种心理作业下平均关联维数的值比较大。这说明当大脑进行心算乘法和想象几何图形旋转时,大脑皮层神经元的活动加剧,导致脑电信号变的复杂。此外,每种心理实验作业下电极01、02处脑电信号关联维数值均较大,表明枕区皮层神经元相对于大脑皮层其他部位的神经元始终处于比较活跃的状态。     

论协同治理的价值及其在创新农村社会治理中的运用

创新农村社会治理是创新社会治理体制和推进治理现代化的内在要求。当前,农村基层治理中存在城镇化进程加快下的民主管理被“虚置”、乡镇政府职能转变“错位”下的治理机制不完善、乡村治理资源“碎片化”下的治理功效不明显等问题。以协同治理有助于无缝隙服务政府的构建、有助于农村基层治理结构的优化、有助于激发农村治理活力、实现农村治理资源优化配置的价值特性入手分析,探索了实现农村社会治理创新的有效路径：再造公共服务流程,打造无缝隙服务政府,推进农村治理现代化;构建“一核为主、多元共治”的农村治理机制;激发治理主体活力,完善治理资源配置体系。     

网格计算环境下基于任务池的任务调度方法

任务调度是网格计算的关键技术之一。对网格计算任务调度特点及典型的任务调度策略进行了分析,提出了一种基于任务池模型的分级调度方法,该方法通过在网格系统中建立相对稳定的计算资源视图,在不同规模、级别上实现局部自治系统之间的协同工作,通过建立并维护任务池和资源池,对网格环境中动态变化的资源和任务进行管理,来保持系统资源之间的共享关系和高度可控性。实验结果表明,本调度方法具有较高的执行效率和加速比。     

IIS环境下Web站点文件安全远程监测系统的设计

IIS Web站点的文件安全是一个令人难以放心的问题.利用微软提供的FSO（File System Object）可编写基于Web的远程文件管理程序,但是由于它的开放性也为安全带来隐患.通过调用自主研制的组件来检测站点文件的变化,并给予报警和处理,可实现Web站点文件状况的远程监控.同时,系统还支持定时检测处理.     

基于非负稀疏协作模型的目标跟踪算法

目标跟踪是计算机视觉研究领域中一个最基本的问题.为解决在复杂场景下目标跟踪效果不佳的问题,作者搭建了一个基于非负稀疏的协作模型,该模型将非负稀疏表示的产生式模型与全局模板判别式模型相结合,并提出了基于非负稀疏协作模型的目标跟踪算法.首先对每一帧图像使用粒子滤波得到若干个候选框,然后再利用非负稀疏协作模型对每一个候选跟踪框进行评分,根据得分最高判为是跟踪目标的候选框.在多个视频序列上的实验结果表明,所提出的方法可以有效地提高目标跟踪的性能.     

《光纤通信》实验教学的探索与实践

为了更好地培养通信工程专业和光电信息工程专业学生的实践动手能力和创新能力,结合课堂理论知识,探索了驱动任务的实验教学方法。针对以前《光纤通信》实验教学中存在的问题,从《光纤通信》实验课教学内容的选择、课程的安排、调动学生积极参与实验的具体做法、保证实验效果的具体措施等方面对实验教学进行了探讨。     

一种面向个性化网络学习的协同学习任务生成方法

提出了一种面向个性化网络学习的协同学习任务自动生成方法.该方法以学习目标与学习小组中学习者的个性特征为输入,通过基于学习者认知水平的协作成员分组和基于耦合度的协同学习模式分配,生成符合学习者群体个性特征的协同学习任务,从而有效地解决了网络学习中个性化学习与协同学习相结合的问题.该方法已在实时教学系统中进行了测试,结果表明,相对无指导的协同学习,根据此方法所生成的学习任务的协同学习可有效提高学习效率.