摘要：对用户的认证是系统安全的核心组成部分之一。基于口令的认证是一种最常用的对用户的认证方法。人们往往选取容易记忆的简单口令,但是它们也容易被攻击。有些图形口令免去了人们记忆口令的烦恼,但是它们要求对用户的培训必须秘密进行,这使得用户设置和修改口令比较困难。提出了一种新的图形口令方案,它利用人们随身携带的普通钥匙作为图形口令,用户通过看看屏幕就可以输入口令,试验表明它简单、易于实现,用户使用起来也十分方便。

摘要：介绍了船舶制造三维设计系统 SB3DS的开发内容。

摘要：随着数据资产价值受到广泛关注,数据资产评估作为数据融合应用、开放共享、交易流通的基础保障,成为数据资产价值发挥的“生命线”。组织迫切需要科学合规地开展数据资产评估工作来支撑数据运营管理水平的提高。介绍国内外相关组织的数据资产评估标准研究、理论研究成果和实践现状,提出一种数据资产评估的CIME模型,包括评估要素和评估方法。设计并实现了基于CIME模型的数据资产评估工具,为数据资产评估的体系构建和落地实施提供参考。

摘要：随着大数据时代的来临,用户查询需求也越来越复杂,对数据库的可扩展性和SQL查询效率都提出了很高的要求.OceanBase是Alibaba研发的适应互联网规模的关系型分布式数据库,能够做到可扩展、低成本、高可用,并能应用到很多业务场景,包括OLTP和OLAP.然而,当前发布的最新OceanBase只支持主键索引,还不能支持二级索引.其次,OceanBase在连接上没有并行处理,使得查询效率较低.因此,为了能够使用主键索引及减少连接来加快查询速率,OceanBase模式设计是必要的.本文主要以TPC-H的22个查询为OLAP的研究案例,分析传统数据库的模式设计,并提出OceanBase分布式数据库下的模式设计规则,最后将会通过实验来验证这套模式设计规则的有效性.

摘要：公交信息发布系统是城市公交系统的重要组成部分,它为人们的日常出行提供导乘服务。但是与日俱增的公交线路和车辆、班次的临时延误和线路的临时调整等公交信息的频繁变化,严重制约了公交系统的服务水平,给乘客出行带来诸多不便。智能手机的普及为该问题的解决提供了新的思路。基于Android操作系统设计并开发一套手机终端公交信息发布软件,该软件提供基于公交车实时的进出站数据,方便用户查询了解公交车的最新动态,从而进一步提高公交系统人性化服务水平和服务质量。该系统应用在上海市杨浦区,运行结果表明了该设计是有效、可行的。

摘要：分析现有计算机网络课程教学中存在的问题,面向新工科教学改革的需要,提出一种基于“学习—应用—创造”三阶段教学模型的计算机网络实验总体设计,介绍渐进式实验设计具体过程和实验要求,最后说明教学效果。

摘要：构件对象模型(COM)所支持的构件包容和聚合两种复用模式都是基于构件消费者的立场,不利于构件自身的演化和关注点分离。提出了一种新的构件复用方法:为了便于构件自身的演化,派生类直接复用基类中的接口和事件,重载基类虚接口中的方法,在此基础上定义新的接口和事件;将终端用户可见的领域特征分离出来封装为良定义的构件,以便编译或运行时被绑定到其他的构件对象中。给出了在中间件平台上的设计和实现方法。手机软件项目实践表明新方法提高了软件产品质量和开发效率。

摘要：计算机工程实现其自身价值的方式是软件系统的运行使用。对软件系统的运行维护是保障计算机系统不断创造价值的过程。软件维护是软件生命周期中时间最长、费用最大的最后阶段。做好软件系统的运行维护工作,可以延长软件的使用寿命,降低运行成本。该文从管理的角度,借鉴了IT服务管理的方法论ITIL,在企业的业务系统中,设计并实现其中的变更管理流程,实现了对应用系统的有效维护。

摘要：SHIDS是中国船舶科学研究中心开发的船舶水动力性能集成设计系统,在船舶总体设计的前期阶段起着非常重要的作用。基于PDM平台和ANSYS Workbench框架,集成SHIDS系统,提供船舶初步设计的解决方案,具有重要的应用价值。介绍Work-bench框架及其二次开发方法,分析PDM平台与SHIDS系统数据交互接口,研究并阐述Workbench中集成SHIDS系统的设计框架与关键技术。

摘要：在目标检测任务中,传统的边界框回归损失函数所回归的内容与评价标准IoU(Intersection over Union)之间存在不相关性,并且对于边界框的回归属性存在一定不合理性,使得回归属性不完整,降低了检测精度和收敛速度,甚至还会造成回归阻碍的情况。并且在回归任务中也存在样本不均衡的情况,大量的低质量样本影响了损失收敛。为了提高检测精度和回归收敛速度提出了一种新的边界框回归损失函数。首先确定设计思想并设计IoU系列损失函数的范式;其次在IoU损失的基础上引入两中心点形成矩形的周长和两框形成的最小闭包矩形周长的比值作为边界框中心点距离惩罚项,并且将改进的IoU损失应用到非极大值抑制(Non-Maximum Suppression,NMS)处理中。接着引入两框的宽高误差和最小外包框的宽高平方作为宽高惩罚项,确定CRIoU(Complete Relativity IoU,CRIoU)损失函数。最后在CRIoU的基础上加入自适应加权因子,对高质量样本的回归损失加权,定义了自适应聚焦CRIoU(Adaptive focal CRIoU,AF-CRIoU)。实验结果表明,使用AF-CRIoU损失函数对比传统非IoU系列损失的检测精度最高相对提升了8.52%,对比CIoU系列损失的检测精度最高相对提升了2.69%,使用A-CRIoU-NMS(Around CRIoU NMS)方法对比原NMS方法的检测精度提升0.14%。将AF-CRIoU损失应用到安全帽检测中,也达到了很好的检测效果。