摘要：群智感知系统利用智能移动终端上的传感器,可以快速、便捷、低成本地收集到大量的数据.任务分配是群智感知中的关键技术,然而现有研究对用户的可靠性问题考虑不足,所设计出的分配机制难以满足实际系统的需求.针对该问题,文章假设用户所提交的数据可能是不可靠的,且同一个用户完成不同类型任务的可靠性也有差异.所设计的机制迭代进行,每次迭代以实现数据消费者的最大最小公平作为优化目标,贪心地选择一个任务与用户完成匹配,直到所有数据消费者的收益均无法提高为止.在每次任务完成后,所设计机制还会根据用户所提交的数据质量不断更新用户的分类可靠性.最后,通过仿真实验验证了所设计机制的有效性.

摘要：无线传感网络已被广泛应用到水质监测领域中,针对水质监测中对传感器数据高精度的要求,该研究提出一种基于支持度函数的数据融合算法。首先,对各传感器采集的数据进行一致性检测,保证数据的准确性;其次,采用改进的动态时间弯曲距离(Improved Dynamic Time Warping Distance,IDTW)对支持度函数(Support Function,SF)进行优化,实现水质参数时间序列数据间的互支持度计算;最后,通过加权算法完成数据的融合过程,实现错误数据的校正,获得高质量融合数据。该算法在水质监测平台中进行了试验,结果表明,IDTW-SF融合算法的平均绝对误差值为0.2792%,融合精度较其他对比算法更高,且运行速度较快。IDTW-SF支持度融合算法能够有效弥补现有水质监测系统数据采集准确率低、效率低等缺陷,基于此方法的水质监测系统提高了溶解氧数据准确率,在降低水产养殖风险,提高养殖效率等方面发挥重要作用。

摘要：在综述了基于构件的软件开发方法的基础上,该文以教学语料分析软件的实践为例阐明了基于构件软件开发的设计思路和开发过程,对提高软件质量和开发效率的方法进行了有益的研究和探索,具有推广价值。

摘要：针对大型仪器设备共享平台在用户管理、权限控制、过程管理方面的需求,借鉴软件即服务(SaaS)的架构设计了一个支持多租户的轻量级系统框架,并成功应用于中科院天文望远镜共享平台。该框架利用规则引擎实现灵活的权限定义和细粒度的数据访问控制,通过工作流引擎实现具体设备的定制扩展要求,能够快速完成新增设备的集成。该框架全部基于开源技术实现,构建过程简单且实用性强,可方便部署和推广。

摘要：为了实现支持IMAP4协议的移动邮件客户端在智能手机上的应用,在VC++6.0环境下,采用了高通推出的专门为无线设备设计的BREW平台。提出了原子流程的概念,以降低程序间的耦合度,提高代码复用率。经在仿真环境下测试实验,实现了与Internet上多台常用邮件服务器的交互,并且运行稳定,可作为智能手机的一个组件应用于3G网络。

摘要：设计了中频电源能量撞击启动方式的主回路电路原理图、继电器电路原理图和零电压软起动方式的主回路电路原理图,对两种启动方式的起动步骤进行了详细分析,对两种启动方式的特点进行了对比和总结,提出了指导性意见,使读者能够对中频电源的起动方式有一个深入的了解和掌握.两种启动方式的电路简洁明了,所用元件较少,实现容易,有较高的实用价值.

摘要：为了在有限的时间窗口内完成大批量报表的生成,提出ROLAP&SQL、共享扫描、Hadoop以及MOLAP&Cube Sharding等4个技术方案,其中的共享扫描技术方案通过所设计的算法实现.实验结果显示:除ROLAP&SQL技术方案不能满足时间窗口要求外,其他3种技术方案都能满足,其中Hadoop技术方案以高度的扩展性体现出很好的应用前景.综合考虑技术成熟度和性能,选择MOLAP&Cube Sharding技术方案应用于项目实践中.

摘要：智能物联与泛在接入技术改变着学习方式,传统的手机辅助教学模式只是将课堂教学中部分内容简单地移植到互联网终端,没有充分发挥移动智能终端的灵活性和趣味性。基于学习内容碎片化和移动通信技术创新,提出了面向辅助教学的泛在学习理论,充分利用碎片时间与移动学习的优势,使得碎片化学习成为可能。然后,论证了游戏辅助教学的可行性,包括协同学习网络、情境认知理论、泛在学习方式3个部分。进一步提出了以学习者为中心的游戏辅助教学模型,由游戏辅助教学策略、学习者和教学设计模型构成,更关注预期教学目标实现和学习粘性保持。最后,通过两门课程的手机辅助教学实验结果验证了泛在学习理论的可行性和有效性,并使得手机游戏辅助教学成为传统课堂教学的有益补充。

摘要：针对现有应用层组播协议易产生IP层低效路由的问题，根据权威的WHOIS信息库，结合与网络结构紧密相关的IP地址分配机制，设计了一种基于网络结构的应用层组播组网协议CAM。CAM可以利用其网络序号对节点在IP层进行准确、高效的定位，并通过在CERNET中的一个实例对其进行分析。最后通过模拟实验表明CAM能有效提高组播系统在IP层的路由效率。

摘要：针对旅游推荐系统中序列挖掘的推荐方法忽略了景点序列中复杂序列语义信息的问题,提出一种融合图表示学习和序列挖掘(graph representation learning and sequence mining,GRL-SM)的旅游景点推荐方法。利用图神经网络的方法,捕捉景点之间复杂的序列语义信息;考虑游客旅游过程中偏好会随时间变化的特点,利用注意力机制获取景点序列中蕴含的游客长短期偏好,实现个性化旅游景点推荐。真实数据集上的实验结果表明,该方法的推荐性能明显优于其它基线方法,验证了其有效性。