摘要：保证在线系统的安全是网络持续发展的关键。介绍了基于JSP的在线评估系统的安全机制,对其系统管理、身份认证(包括登录的身份认证和内部页面的身份认证)和专家评估的安全机制等进行了详细的分析,并给出了解决这些问题的方法。

摘要：为将文献 [1]中结果推广到具有一般不确定性的系统并降低在过渡阶段所需要的控制量 ,通过引入新的正则信号和一些正光滑设计函数来处理状态估计误差和不确定性 ,设计了鲁棒输出反馈控制器 .它能保证闭环系统信号的全局有界性 ,并使输出跟踪误差任意小 .仿真说明 ,应用本文控制器 ,获得的性能要好 ,所需控制量要小 .

摘要：针对《软件工程》教与学过程存在的问题,提出了"学科知识的进化、应用能力的强化、人才素质的优化"的教学三段论,结合《软件工程》学科特点,归纳出层次化教学的模式设计。

摘要：边缘计算将计算、存储和带宽等资源分布到了靠近用户的一侧.通过将边缘计算引入车联网,服务提供商能为车载用户提供低延时的服务,从而提高用户出行的服务体验.然而,由于边缘服务器所配备的资源一般是有限的,不能同时支持所有车联网用户的服务需求,因此,如何在边缘服务器资源限制的约束下,确定服务卸载地点,为用户提供低时延的服务,仍然是一个巨大的挑战.针对上述问题,本文提出了一种“端-边-云”协同的5G车联网边缘计算系统模型,并针对该系统模型设计了深度学习和深度强化学习协同的分布式服务卸载方法D-SOAC.首先,通过深度时空残差网络,D-SOAC在中心云预测出潜在的用户服务需求量,协同各边缘服务器获取本地车联网边缘计算环境的系统状态,输入边缘服务器上的本地行动者网络,得到该状态下的服务卸载策略.然后,本地评论家网络基于时序差分误差评价该服务卸载策略的优劣,并指导本地行动者网络进行网络参数的优化.优化一定步数后,边缘服务器将优化过的本地网络参数上传到位于中心云的全局网络,协同中心云进行网络参数的更新.最后,中心云将最新的参数推送回本地网络,从而不断对行动者评论家网络进行调优,获得服务卸载的最优解.基于来自现实世界的车载用户服务需求数据集的实验结果表明,在各种车联网边缘计算环境中,相比于四种现有的服务卸载算法,D-SOAC能够降低0.4%~20.4%的用户平均服务时延.

摘要：基于车流阻塞参数b,设计含绿灯延长和相位选择2个模糊控制器的多相位交通信号控制系统。根据当前路口和下游路口参数,输出当前通行相位绿灯延长时间。若延长时间为0,则进入相位选择模糊控制器,输出下次通行相位。仿真结果表明,该设计方法可有效控制多相位路口的交通信号。

摘要：在建立知识系统过程中,知识的联通分析是一个十分重要的内容。论文首先讨论了概念本体的设计思想以及概念本体的基本性质,然后分析了基于Concept-Ontology的概念联通方法以及基本性质,最后给出了概念联通的联通算法。

摘要：PDM系统客户端用户身份的识别与验证是PDM系统安全的门户,合法用户的权限分配与管理是PDM系统信息安全的关键。从PDM系统权限管理的方面给出了一个设计实现方案:首先借助UML对系统进行分析和建模;然后给出了基于J2EE和W eb结构的系统实现案例。

摘要：服装知识在服装知识查询系统、计算机辅助服装工艺设计和服装智能教学系统等高技术产品中具有重要的作用,因此有必要建立一个健壮、协调、具有良好联通性的服装知识库,以便为用户/服装设计师提供更为便捷和良好的知识服务。为此,论文提出了一种基于知识本体的服装知识获取方法,设计了较为完善的服装概念本体体系。另外,提出了知识联通的方法,以解决不同的知识源之间存在的如下问题一是知识的不一致性,二是知识粒度(Granularity)不同,三是知识的精度不同,以尽可能保证所获取知识的一致性、完备性和精确性。

摘要：光声计算层析成像(PACT)不需要外源性对比剂便可获取厘米级深度的光声图像。然而,来自皮肤的高强度光声信号遮盖了皮下深层组织信息,阻碍了感兴趣区域光声图像的正面显示和分析。因此,笔者提出了融合多尺度感知和残差连接的U型深度学习模型,并采用该模型实现了PACT光声图像中皮肤信号的智能分割。首先,提出以单类皮肤区域标注为基准标签图像的非像素级皮肤区域标注方法,该方法不需要像素级图像标注,能够显著降低数据处理的复杂度;然后,设计了皮肤完整性拟合和皮肤掩膜生成算法,并采用该算法实现了PACT图像中皮肤信号的自动去除。使用PACT成像实验获得的人体腿部外周血管光声图像验证了所提方法在皮肤组织高精度智能提取和去除方面的正确性和有效性。与现有的皮肤去除工作相比,本文所提皮肤去除算法对MAP图像的重建误差下降了50%~70%,峰值信噪比平均提升了约4.5 dB,为深层组织PACT图像的高清晰显示提供了一条有效途径。

摘要：宇宙学模拟是典型的N体问题,是高性能计算中具有代表性和挑战性的问题之一。本研究在神威·太湖之光平台上对天文N体模拟软件PhotoNs-2中的计算主体——快速多极子方法(fast multipole method,FMM)进行移植和性能优化。针对目前研究中存在的计算效率不高、通信开销大问题,结合神威·太湖之光SW26010处理器架构特点,通过数据重整、超越函数计算重构、设计双缓冲和消息传递接口通信时合并发送树进行优化。相较于优化前,优化后的PhotoNs-2在3个不同算例规模下均取得约24倍的加速效果。提出的优化方案可以为其他高性能应用在神威·太湖之光平台上的移植与优化提供参考。