摘要：概述了 Java编译程序技术 ,把 Java编译程序分成 5类 :具有解释技术的编译程序 ;具有及时 (JIT)编译技术的编译程序 ;具有自适应优化技术的编译程序 ;本地编译程序和翻译程序 .详细描述和分析了它们的体系结构和工作原理 .同时也分析了编译程序技术对 Java性能的影响 .

摘要：文中综述了具有代表性的Ｊａｖａ编译系统：以采用的虚拟机技术来划分的三代Ｊａｖａ编译系统，以及为特定平台的服务器端Ｊａｖａ程序设计的编译系统，对它们的结构和工作原理进行了阐述，并分析指出了它们各自的优缺点，进行了一些比较，为实现基于我国国产系统平台ＣＯＳＡ／ＣＯＳＩＸ上的Ｊａｖａ编译系统提供了很好的借鉴．

摘要：介绍ＣＡＤ应用软件的开发过程模型，基于该模型的支持库结构，特征或标准件的通用显示管理，以及用户界面管理系统。在过程模型支持下开发了特征可视化生成环境的实验系统。它是在软件界面和数据箱柔性制造系统思想的基础上扩充对约束及设计方法的可视化处理，以支持用户通过可视化方法生成特征、标准件及相关文档。

摘要：基于线结构光的视觉检测技术广泛应用于工业检测,现场动态采集的激光光条图像通常含有光斑和局部断裂,影响光条中心提取精度进而影响测量精度,因此,需要构建图像修复模型去除光斑修复断裂.现有图像修复模型在RGB数据集上的修复效果显著,但不适用于激光光条灰度图像的修复.因此本文提出面向激光光条图像修复的循环相似度映射网络(Recurrent Similarity Mapping Network,RSM-Net),以循环网络为主体,采用软编码Pconv(Partial convolution)层取代部分原始Pconv层,强化特征学习能力;设计非对称相似度模块,降低图像背景特征对修复的负面影响;设计含有多尺度结构相似性(Multi-Scale Structural SIMilarity,MS-SSIM)损失项的混合损失函数,精确地引导光条结构信息的还原,实现高精度的激光光条图像修复.实验验证RSM-Net在小光斑区域、大光斑区域和断裂区域的修复精度均优于所对比的主流图像修复模型.

摘要：针对先进制造业多模态异构数据并存导致知识抽取和表示困难等问题,命名实体识别方法成为当前的研究热点。综述了工业上常用的命名实体识别方法,首先介绍了传统的命名实体识别方法,然后阐述了已成为命名实体识别领域主流的基于深度学习方法,从分布式输入表示、上下文编码和标签解码器3个步骤分别对常用方法进行了分类和分析。鉴于基于深度学习方法的研究侧重于分布式输入表示和文本上下文编码模型的设计与改进,对分布式输入表示的各种方法进行了对比,指出其优缺点;对文本上下文编码模型从捕获长距离依赖、局部上下文信息、并行性、信息损失程度、可迁移性等方面进行了对比,指出各模型的特点。最后指出未来需要应对的挑战和研究方向。

摘要：指出本地化的缺点 .深入分析了 Java语言的内部编码 ,设计并实现了支持国际化的编译器 ,采用字符编码转换的方案 ,使多语种字符、字符串的操作达到了与英文字符、字符串完全一致的目标 ,并节省了类文件的存储空间 ,也使程序具备了有条件的字符集无关性 ,在一定程度上解决了“万码奔腾”的问题 .采用编译信息和与语境无关的程序代码分离的方案解决了提示信息的国际化问题 .提出了采用小字库方案来解决含有本地字符的程序的真正跨平台问题 .通过在加载类时采用对类名进行字符编码转换的方案解决了 JDK( Java develop-ment kit)所未能解决的含有本地字符的类名的支持问题 ;针对 JDK不同版本间的兼容性问题 ,提出采用根据字符编码特点来选用不同编码转换机制的解决方案 .测试结果证明 ,采用所设计的国际化方案可实现彻底的国际化支持 .

摘要：针对景区手写诗词存在背景纹理复杂、字体尺寸及风格多样等特点导致景区游客难以识别手写诗词的问题,首先,分析研究景区手写诗词的识别场景,设计景区诗词检测网络(detection of poetry in scenic areas-network,DPSA-Net)以提取景区手写诗词不同尺度的特征,并结合手写诗词字符间的链接依赖关系实现景区手写诗词检测;其次,设计了卷积循环聚合网络(convolution recurrent aggregation network,CRA-Net)以对景区手写诗词进行识别,结合卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆网络提取手写诗词图像的序列特征,并通过聚合交叉熵(aggregation cross-entropy,ACE)实现特征向文本的转换;最后,结合景区知识图谱对CRA-Net的输出进行校正,进而提高景区手写诗词的识别准确率。实验结果表明,通过景区手写诗词矫正技术对CRA-Net的识别结果矫正后,识别准确率达到了79.04%,同时,该技术具有较好的抗干扰能力和良好的应用前景。

摘要：短文本分类应用广泛,是当前的研究热点,但受到短文本标注数据稀缺和数据隐私保护不便集中训练的影响,分类效果不佳.针对上述问题,我们提出了基于联邦学习的主动半监督异质图注意力网络模型(Active Semi-Supervised Learning empowered Heterogeneous Graph ATtention network model based on Federated learning,Fed-ASSL-HGAT),通过设计新颖的主动半监督学习(Active Semi-Supervised Learning,ASSL)框架生成高质量标注样本赋能异质图注意力网络(Heterogeneous Graph ATttention network model,HGAT),引入联邦学习对部署在不同节点的模型进行联合训练以满足数据隐私保护需求.所提出的ASSL框架通过将主动学习的多类别标注转化成二元类别标注,可大大降低标注难度;设计基于信息增益的选择策略筛选软、硬标签,以防止信息损失;通过半监督学习选择高准确率、高稳定性的正负样本打伪标签以确保标注质量.实验结果表明,所提出的ASSL-HGAT(S)在AGNews、Snippets、TagMyNews数据集上相比HGAT基线模型F1值分别提升2.45%、8.11%、7.46%.融合联邦学习所进一步提出的Fed-ASSL-HGAT模型可在不泄漏隐私数据的情况下满足性能要求.

摘要：JavaEE框架与程序设计课程是一门技术繁多、难度大、实践性强的课程,文章针对"先理论后实践"教学方式存在的问题,以"Struts模块"的教学设计为例,阐述课程组如何采用案例驱动的教学方式对课程教学进行设计,如何以案例来驱动知识点的学习,指出课程支撑平台的建设为学生获取课程资源提供了便利。

摘要：Ｊａｖａ的安全结构———“沙盒”模型的４个组成部分：内建于Ｊａｖａ虚拟机和语言的安全特性、类的载入结构、类文件校验器、安全管理器和ＪＡＶＡＡＰＩ。