随着语义Web应用程序的广泛应用,市场上对语义Web用户界面的需求也越来越大,带注释的用户界面的设计和实现的工作变得越来越复杂。针对该问题提出了一种基于交互流建模语言(IFML)的语义Web用户界面模型驱动开发方法。首先利用对象管理组织(OMG)最近采用的新的用户界面建模标准IFML,完成应用程序需求分析的建模设计;然后,分别设计了转换规则,将IFML模型转换到HTML5平台,UML模型转换到ODM模型,并通过转换工具ATL实现规则转换。最后,结合HTML5模型和ODM模型,作为Acceleo工具的输入,生成带注释的语义Web应用。

目前Kubernetes集群所采用缩容方法是一种基于Pod创建时间,重启次数等基本规则对当前数量的Pod进行优先级排序的机制,根据优先级确定当资源使用率下降后需要删除的Pod,此种缩容策略只考虑了Kubernetes集群中Pod的基本资源信息而忽略了节点的实时资源数据,所以在有些情况下默认缩容策略确定要删除的Pod,从集群角度看,并不是最优解。与此同时没有将Pod对资源的利用是不均衡的情况纳入考虑,如果删除Pod不当容易引起其他资源利用率高而某一资源的大量冗余,形成巨石节点。针对上述问题,本文提出一种动态缩容算法,在缩容过程中根据某一服务在不同节点上分布的Pod实际资源使用情况,计算出该节点删除Pod后的CPU/内存资源均衡度,最后选择造成资源均衡度最小的节点的进行删除。实验结果表明本方法比默认的缩容方法可以使节点具有更好的资源均衡度。

针对目前基于BP神经网络的电影票房预测算法中存在预测精度不高的问题,本文提出一种基于LSTM模型的电影票房算法。首先,分析电影票房的影响因素,对票房影响因子进行定量分析和归一化处理,其次根据影响因素的输入和输出变量确定网络拓扑图及神经元数量,建立神经网络结构后进行改进为深度学习,并增加"记忆"功能,建立LSTM票房预测模型,最后用亿恩电影智库上的电影票房数据分别用LSTM模型和BP神经网络模型进行预测对比。实验结果表明,LSTM模型在对实验中的4712数据预测的平均相对误差比BP神经网络预测低36%左右,在长期预测和短期预测中低BP神经网络约10%左右,预测结果相对比较准确,能够为电影的投资和放映提供有价值的参考,具有实际意义。

手势识别在非语言交流和人机交互中有着十分重要作用,为了实现手势识别的准确率与鲁棒性。本文提出用YCbCr色彩空间检测肤色对输入的图像分割出感兴趣的手势区域,然后再通过深度学习的方法训练出手势识别的模型。该方法针对五种特定手(stop、ok、punch、yes、good)进行自动手势识别。使用Kears框架实现卷积神经网络。通过实验证明,该方法对输入的五种手势识别准确率达到94.6%,并且具有一定的鲁棒性。

人们生活水平随着社会多元化发展蒸蒸日上,无论是哪个方面人们都有了更高的要求,尤其是对汽车方面的要求更是十分苛刻,如:汽车的安全性、舒适感、燃油是否经济实惠、尾气排放是否环保等。在这些苛刻的要求下,促使传感器、导线的数量越来越多,呈上升趋势增长,同时也使得信息交换传递越来越密集,导致汽车上的电子设备越来越多、越来越繁琐。如果采用传统陈旧的通信方式,不仅会使布线系统繁琐、庞大,还会造成发生故障后的维修困难、成本高等一系列问题。文章简单介绍了车载网络的定义,数据总线的结构、组成,并以丰田凯美瑞轿车的车载网络为例,对其系统故障进行了分析、检测。希望为以后同行的研究提供一定的借鉴、参考依据。

常见的php-webshell检测方法主要有静态检测方法和动态检测方法两类,相较于动态检测方法,静态检测方法以其占用资源少,检测周期短,效率高的优点,获得了更为广泛的应用,但是传统的基于正则匹配的静态检测方法,不能有效识别混淆后的php-webshell脚本,也不能有效识别从未出现过的php-webshell脚本,新兴的使用机器学习算法的静态检测方法又有着特征普适性差的缺点。针对以上问题,提出了一种基于文本向量的php-webshell检测方法,使用n-gram算法和TF-IDF算法将php脚本执行过程中产生的操作码序列转化为文本向量,以文本向量作为输入特征,使用极限梯度提升算法XGBoost对php脚本分类,通过判断分类结果,实现phpwebshell检测,实验结果表明,所提方法能有效地检测php-webshell,提高了php-webshell静态检测方法的准确率。

本文主要研究了初始聚类中心选取对于K-means算法性能的影响,并通过更好的初始化技术来增强算法性能。研究发现,在进行K-means聚类时,通过使用加权距离密度计算方法,对数据集的密度计算,使得在传统K-means聚类算法过程局部最优、簇内方差较大所带来的聚类结果不佳的缺陷得到了显著改善。实验结果表明,在使用本改进方法进行聚类时,聚类结果的簇内方差较传统方法降低了15%左右,对聚类中心的聚集性更加紧密,使算法性能得到了较好的提升。

虚拟机迁移技术能够使云平台上的服务器资源得到更合理地分配和管理,在负载均衡,服务器故障、维护或整合等方面起到了重要的作用。预拷贝算法以其稳定性优势成为目前主流的虚拟机内存迁移方法,但是对于工作负载较高的场景,内存产生脏页的频率较高,需要不断传输重复的脏页,所以难以达到迭代的终止条件,使预拷贝的迭代时间变长,直接影响了迁移时间。本文提出了一种自适应脏页频率的内存预拷贝算法,使用时间间隔划分迭代轮次,在每轮迭代前计算上一轮中的脏页频率,根据脏页频率高低动态地调整时间间隔,当所有非脏内存页传输完成时停止迭代。通过实验表明,该方法能在并发高负载场景下有效提高虚拟机实时迁移的迁移时间和停机时间性能。

本文介绍了大规模天线系统中Massive MIMO无线传输理论与技术方面在当前自身无线环境下的最新分析研究:首先介绍了Massive MIMO的概念、原理和关键技术;然后介绍了Massive MIMO的关键技术波束赋形的管理和特性;并结合实际测试情况进行波束赋形应用场景的分析研究,有助于后续Massive MIMO技术的应用。

线路当中的非线性负荷的存在会导致线路的电压发生畸变,并且台区间的电压畸变存在一些特征。针对目前混合台区存在的台区误判或漏判问题,提供一种依据畸变特性进行台区所属的划分。

高斯新分布是在正态分布的基础上扩展延伸而来,它的主要作用在于针对客观存在的不对称高斯分布进行充分拟合,精确表达出以期望值描述随机变量的频数分布在单峰条件下的误差和概率分布。基于高斯新分布的的软件可靠性增长模型的提出有助于人们在软件过程中所产生的错误误差进行分析,减少了在软件过程中人为主观因素是造成的不确定性。本文最后通过两个实验数据集,说明了基于高斯新分布的SRGM能更好地拟合和预测数据。

法定身份证件作为公民日常生活中身份信任的根,是最重要的社会诚信基础设施。本文简要讨论了法定身份证件的概念及作用,研究了国际国内两方面的法定身份证件的情况,分析了法定身份证件的内涵,并展望了法定身份证件未来的发展趋势。

太阳能发电系统在实际应用中会受到温度以及光照强度的因素,其输出特性会受到影响。由此,需要使用最大功率点跟踪(MPPT)算法提高太阳能电池的输出功率。为了更好地分析太阳能电池,本文搭建太阳能电池的仿真模型,可以对不同的温度以及光强下的光伏输出曲线特性进行分析。并在传统的扰动观察法的基础上,提出一种分区变步长的改进型扰动观察法,一定程度上响应速度与稳定性上做到较好的折中,以及解决了在外界环境发生剧烈变化时系统发生误判的情况。希望本文的理论和实验能够给MPPT算法的研究能提供一点参考和依据。

视觉目标跟踪是计算机视觉领域的一个基本问题。目前,采用深度卷积方法的相关滤波器(DCF)在目标跟踪领域取得了优秀的成果。然而,大多数现有的跟踪器仅考虑当前帧的外观特征,几乎不考虑目标运动和帧间信息,不能很好地解决诸如遮挡、阴影和变形等问题。因此,我们将利用连续帧中丰富的运动信息来提高跟踪性能。首先,我们将光流信息,特征提取和相关滤波表示为深度学习网络中的相关特殊层,从而能够进行端对端深度学习网络的训练。然后,提出了一种全新的时空注意力机制,通过时空注意力机制的加权,将预定间隔的历史特征图相融合并与当前的特征图进行自适应聚合。最后,在公共数据进行了大量实验,得到了满意的结果。

微服务架构已在许多信息系统中得到广泛运用,针对微服务架构下微服务应用的部署运维问题,本文以Docker容器引擎和Kubernetes容器编排工具为基础,设计开发了针对微服务架构特点的容器云平台,云平台简化微服务程序部署运维的操作,利用虚拟化集群的方式提高微服务应用的可用性,根据Caa S容器即服务(Container-as-a-Service)的思想完成微服务组件的独立部署运行和业务功能伸缩。

5G核心网的创新驱动力源于5G业务场景需求和新型ICT使能技术,最终目的为构建性能高和灵活的网络,全面提高未来网络运营能力。5G核心网对于总体架构和协议有了新的定义,为了移动宽带提供更好的服务,优化了基础网络内容、用户的接入、会话管理、服务质量、策略控制等,标准化了网络切片、边缘计算等。本文概述了5G核心网的部署方案。

当前,我们正处于信息社会,无时不刻在获取信息。在机电自动控制技术迅速发展的背景下,研发传感器及相关技术,正是一种重要的信息获取途径,因此,对其进行研究显得特别重要。

针对传统LBP特征提取算法没有考虑到区域重要性而造成的特征识别率不理想情况,提出一种基于方差加权的LBP特征提取算法。算法利用区域内的归一化方差作为该区域的权值,对由旋转不变均匀LBP算子生成的特征向量进行加权处理。实验结果表明,该算法在Brodatz纹理库中有91. 83%的特征识别率,较传统LBP算法提升14.89%,分类时间也较传统LBP算法提升36.1%;并且通过在TC14、TC12、TC10等纹理库中验证了本文算法的灰度不变性与旋转不变性,具有不错的鲁棒性。

随着云技术的进步和应用的推广,云计算的基础设施和服务变得日益流行和越来越受欢迎。许多大型企业和小型公司都逐渐接受云计算技术,并愿意依托公共云设施或自己搭设的私有云平台开展服务,以提高工作效率和节省投资。但是,要确保成功使用这种新的服务模式,必须解决云计算特有的安全和管理问题。针对云计算这种新型的分布式计算模式特有的安全问题,本文概述云计算面临的安全挑战,介绍了相关研究工作,并说明了适用于云计算的安全监测和管理工具。

唇部视觉信息作为语音识别的辅助信息一直受到广泛关注,为更好的提取唇部视觉信息,提出一种基于稀疏深度信念网络(Deep Belief Network,DBN)和双向长短期记忆网络(Bidirectional Long Short-Term Memory,Bi LSTM)的视觉语音识别算法。该算法通过在DBN的目标函数后引入混合的l1/2范数和l1范数来实现DBN的稀疏表示,以此稀疏DBN对唇部视觉信息进行稀疏瓶颈特征的提取,再将提取的瓶颈特征送入Bi LSTM进行特征的学习分类。实验表明,该算法能有效的识别唇部视觉信息。