摘要：电子商务要求对处于这些分布环境中的各种计算机系统进行交流协调,随着电子商务技术的发展越来越不能忽视数据访问的重要性。本文从电子商务交换平台中的数据访问这个角度,对数据访问中间件进行探讨,提出了一种简单可行的数据访问中间件设计,能适应异构环境,提高交换效率。

摘要：基于数据手套的手势交互是人机交互技术的重要实现方式,手势识别和空间定位效率对虚拟交互任务中的沉浸感和体验感有重要影响.目前主要的数据手套产品的复杂结构导致相应建模及手势识别算法设计复杂度高,难以兼顾成本和效率.面向应用需求,完成了一种融合视觉信息的数据手套应用系统方案设计.首先,在手势识别上,通过将3指弯曲度数据和视觉采集模型相结合的方法,有效简化了手势的建模和匹配过程,实现对特定手势的快速识别.其次,在空间位置定位上,提出了一种高效的基于特征校验的霍夫变换算法:通过摄像头捕获发光球的圆形轮廓以计算其三维空间位置;使用基于直径方程的改进型霍夫梯度算法降低圆形检测识别复杂度;对于连续帧图像,采用了基于可信度的特征校验法则进行快速处理,进一步提高算法整体效率.最后,该方案在沉浸式中学虚拟实验系统中应用,系统运行稳定,具有良好的交互体验.

摘要：提高教学质量一直是高校的中心问题,对教学资源进行综合管理是提高教学质量的一个重要环节,也是我们教学改革的一个重要内容。教学资源主要包括课件、讲稿、试题、参考资料、教学文件,优秀的学生作业、作品和毕业设计。基于Web方式的教学资源综合管理主要包括两方面的内容:课程组教学资源建设(收集和整理)和课程组教学资源管理平台建设。面向课程组的教学资源管理平台建设主要利用计算机和Web系统。

摘要：提出一种置信度模型,量化判别三元组的准确度。该模型包含3个方面:知识表示中的实体强度关联计算;语义识别中的长尾特征计算;实体环境结构评估的置信度计算。最终目标是利用置信度检测知识图中存在的长尾噪声。在真实世界数据集FB15K上,实验验证了噪音数据集构造的合理性。长尾噪音检测实验中,验证了该模型的优越性。在阈值实验中,其噪音识别准确率稳定在90%以上。实验结果表明,与其它模型相比,该模型取得了显著且一致的改进。

摘要：网络学习正在日益兴起,在多样化的教与学过程中充分利用网络上日益丰富的学习资源,满足不同层次求学者的需要。对网络学习中学习者的各项学习行为进行分析,从中找出学习者群体的特征和个体的特点,从而帮助教育者促进网络教与学的建设是目前迫切学要解决的问题。本文结合当前主流的学习行为数据采集和分析的方法的优点和不足,提出了一种基于数据流获取的网络学习行为数据采集与分析的方案,详细介绍了数据采集和数据分析的方法,并探讨了实现这套方案的软件系统设计。该软件系统具有较强的灵活性和实用性,能够帮助学习者和教育者进行更加有效网络教与学。

摘要：针对目前智能家居领域智能设备互操作性差,服务模式单一现状,本文基于面向服务的架构(Service-Oriented Architecture,SOA)提出一种家居服务化架构(Serviced Architecture in Home,SAH),借助中间件以及服务化的方式提升不同协议设备之间的互操作性及可扩展性,同时采用表述性状态传递(Representational State Transfer,REST)实现架构,将设备抽象为资源,资源组成元服务,通过若干元服务间的组合满足纷繁多变的服务需求.论文给出了SAH的体系架构并通过实验验证了本文的方法.结果表明,与传统方式实现的智能家居平台相比,SAH针对不同协议的设备有着良好的互操作性及可扩展性,降低智能设备开发商和家居供应商间数据交互的难度,对即将普及的智能家居设备及平台提供了可供参考的依据.

摘要：分析了传统考试和现有考试系统的各种缺点,提出了在Web环境下通用考试系统的设计原理、关键问题以及实现技术,并指出了系统特点。

摘要：在神经科学和计算机科学等领域,研究人员通过统计模型和深度学习等方法探索不同状态间功能性脑网络工作机制的差别;但现有的功能性脑网络研究工具多用于寻找支持某种假设的证据或传达科学发现,存在功能单一的缺点;针对上述问题,文章设计并实现了一个用于功能性核磁共振数据的交互式可视分析系统BrainDVis,帮助研究人员寻找不同状态间功能性脑网络的多方面差异;BrainDVis将功能性脑网络差异分析功能、网络特征参数分析功能、模块化结构分析功能、功能性连接分析功能相关联,提供多视图协同交互的方法帮助研究人员自主探索,寻找差异;最后使用公开数据集进行实验,验证了系统的可行性和有效性。

摘要：可视化推荐与自动生成可视化可以帮助无数据可视化背景的用户快速创建有效的数据可视化。针对基于规则和机器学习的方法中工作量大和可解释性差的问题,提出一种基于知识图谱嵌入模型的方法,采用缓存自对抗负采样学习实体和关系的嵌入,构建知识图谱推理可视化设计。首先,使用基于规则的方法从数据集中抽取特征,构建知识图谱;其次,采用改进的TransH(即sTransH)模型来学习实体与关系的嵌入,解决一对多/多对一的状况;最后,根据实体的嵌入投影和平移向量来推理可视化设计选择。实验结果表明,sTransH模型在精度、平均排名(MR)、排名比例(Hit@2)等指标评估中均优于现有的TransE、TransH、RotatE和TransE-adv基线方法,验证了该模型在可视化推荐方面的有效性。

摘要：对拉美一体化发展特征分析的关键在于探索各国间的属性信息,但评估国家发展的因素众多且存在大量对结果无关因素的干扰。针对拉美国家数据的高维多元特征,提出一种利用层次数据划分和子空间分析相结合的可视分析模型,可同时分析属性相关性和局部子空间下国家的降维结果,再结合视觉隐喻等多种可视化手段和交互联动视图,设计了一个基于拉美国家数据的高维多元可视分析系统,支持对多个国家的关联对比和多属性的时变演化规律分析。对拉美国家数据从整体到个体、从宏观到特征事件进行筛选和探索,有助于认识拉美一体化发展的特征从而制定精准的扶贫计划。结合领域专家的需求进行了系统建模和案例分析,验证了本系统的有效性和适用性。