123,123

電子信息產(chǎn)業(yè)鏈競爭力三種模式比較研究

產(chǎn)業(yè)分工的不斷細(xì)化和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，催生了電子信息產(chǎn)業(yè)鏈競爭力三種模式的出現(xiàn)，即電子信息全產(chǎn)業(yè)鏈競爭力模式、電子信息平臺(tái)產(chǎn)業(yè)鏈競爭力模式和電子信息聯(lián)盟產(chǎn)業(yè)鏈競爭力模式。三種模式在組織形式、形成機(jī)理、價(jià)值基礎(chǔ)和一般模型等方面表現(xiàn)出明顯的區(qū)別和特點(diǎn)。

發(fā)表于：2015/8/13

PMC推高性能PCIe3.0交換器以及第二代NVMe控制器

PMC推高性能PCIe3.0交換器以及第二代NVMe控制器，促進(jìn)下一代閃存部署

發(fā)表于：2015/8/13

Simics環(huán)境下故障注入的研究與實(shí)現(xiàn)

主要論述了在Simics全系統(tǒng)仿真環(huán)境下，對(duì)VxWorks嵌入式操作系統(tǒng)的串口故障注入以及網(wǎng)絡(luò)故障注入的相關(guān)研究。Simics允許開發(fā)者根據(jù)需求自定義處理器、存儲(chǔ)器、板級(jí)硬件和復(fù)雜網(wǎng)絡(luò)系統(tǒng)等任意規(guī)模的硬件目標(biāo)設(shè)備模型。運(yùn)行在真實(shí)硬件目標(biāo)設(shè)備上的底層軟件、中間層軟件和上層軟件完全不用修改即可運(yùn)行在自定義的Simics硬件目標(biāo)設(shè)備模型上。因此，Simics不僅能夠進(jìn)行仿真硬件級(jí)的故障注入，同時(shí)還可以全面地檢測軟件的運(yùn)行狀態(tài)。

發(fā)表于：2015/8/12

基于CoAP協(xié)議的數(shù)據(jù)采集網(wǎng)關(guān)設(shè)計(jì)

針對(duì)呼倫湖流域環(huán)境大數(shù)據(jù)采集的需求，同時(shí)為了解決不同廠商協(xié)議標(biāo)準(zhǔn)的不兼容性，設(shè)計(jì)了一種基于CoAP協(xié)議的數(shù)據(jù)采集網(wǎng)關(guān)。詳細(xì)討論了CoAP協(xié)議的基本原理和實(shí)現(xiàn)方法，并在開源系統(tǒng)RT-Thread和微控制器STM32的軟硬件平臺(tái)上實(shí)現(xiàn)。給出了系統(tǒng)整體設(shè)計(jì)以及各部分軟硬件設(shè)計(jì)，實(shí)驗(yàn)結(jié)果表明，該設(shè)計(jì)方案可行，具有傳輸效率高、兼容性較好的特點(diǎn)。

發(fā)表于：2015/8/12

詳解大數(shù)據(jù)時(shí)代下的三種存儲(chǔ)架構(gòu)

大數(shù)據(jù)時(shí)代，移動(dòng)互聯(lián)、社交網(wǎng)絡(luò)、數(shù)據(jù)分析、云服務(wù)等應(yīng)用的迅速普及，對(duì)數(shù)據(jù)中心提出革命性的需求，存儲(chǔ)基礎(chǔ)架構(gòu)已經(jīng)成為IT核心之一。政府、軍隊(duì)軍工、科研院所、航空航天、大型商業(yè)連鎖、醫(yī)療、金融、新媒體、廣電等各個(gè)領(lǐng)域新興應(yīng)用層出不窮。數(shù)據(jù)的價(jià)值日益凸顯，數(shù)據(jù)已經(jīng)成為不可或缺的資產(chǎn)。作為數(shù)據(jù)載體和驅(qū)動(dòng)力量，存儲(chǔ)系統(tǒng)成為大數(shù)據(jù)基礎(chǔ)架構(gòu)中最為關(guān)鍵的核心。

發(fā)表于：2015/8/11

物聯(lián)網(wǎng)成功？先跨過數(shù)據(jù)分析這一關(guān)再說

物聯(lián)網(wǎng)(IoT)概念相當(dāng)龐大，并非萬物皆可連網(wǎng)就可以解釋物聯(lián)網(wǎng)的“精髓”。試想，萬物皆可聯(lián)網(wǎng)所收集的巨量資料(Big Data)，若只是單純的儲(chǔ)存在伺服器中，也只是“大而無用”且占伺服器儲(chǔ)存空間的“紀(jì)錄”。若是龐大的資料可進(jìn)一步分析并透過網(wǎng)路或云端做出適當(dāng)反應(yīng)，物聯(lián)網(wǎng)的建構(gòu)才真正有意義。

發(fā)表于：2015/8/11

基于粗糙集約簡并加權(quán)的SVM分類算法

針對(duì)Web中文文本分類中現(xiàn)有權(quán)重計(jì)算方法的不足和SVM算法對(duì)大數(shù)據(jù)量模式分類的低效性，提出了基于粗糙集約簡并且加權(quán)的SVM分類方法。粗糙集作為SVM分類的前期預(yù)處理器，應(yīng)用粗糙集的約簡理論和基于Web中文文本的可變精度粗糙集加權(quán)方法對(duì)分類前的數(shù)據(jù)分別進(jìn)行簡化并計(jì)算權(quán)重，從而提高SVM后期分類的效率和精度。實(shí)驗(yàn)結(jié)果表明，SVM對(duì)約簡并加權(quán)后的數(shù)據(jù)進(jìn)行分類，分類性能得到了進(jìn)一步保證。

發(fā)表于：2015/8/10

基于一種大數(shù)據(jù)應(yīng)用架構(gòu)的消費(fèi)者行為分析

研究了一種大數(shù)據(jù)的應(yīng)用程序框架，通過使用拓?fù)鋽?shù)據(jù)結(jié)構(gòu)、共生技術(shù)分析和馬爾科夫鏈理論來分析消費(fèi)者的購買行為。首先將與消費(fèi)者相關(guān)的數(shù)據(jù)轉(zhuǎn)換成一種拓?fù)鋽?shù)據(jù)結(jié)構(gòu)；然后使用拓?fù)潢P(guān)系、一種共生矩陣對(duì)消費(fèi)者行為進(jìn)行分析，推斷出馬爾柯夫鏈模型。仿真結(jié)果證實(shí)了該理論框架的有效性。

發(fā)表于：2015/8/10

樹型編譯系統(tǒng)設(shè)計(jì)

從編譯系統(tǒng)的用戶界面出發(fā)，探討了不同類型用戶界面的優(yōu)缺點(diǎn)。提出了語句模塊預(yù)處理-編譯器的設(shè)計(jì)思路，闡述了此設(shè)計(jì)方法基于樹型界面實(shí)現(xiàn)可視化編譯系統(tǒng)的具體實(shí)現(xiàn)步驟，重點(diǎn)討論了樹型系統(tǒng)部分的實(shí)現(xiàn)方法。

發(fā)表于：2015/8/10

應(yīng)急預(yù)案流程的Petri網(wǎng)建模方法研究

為了提高應(yīng)急信息系統(tǒng)模型的語義基礎(chǔ)，提出了一種基于Petri網(wǎng)的應(yīng)急預(yù)案流程的建模方法。以ABC模型為上位本體建立了應(yīng)急預(yù)案流程本體，提出了應(yīng)急預(yù)案流程的Petri網(wǎng)建模過程，并定義了應(yīng)急預(yù)案流程中本體和層次Petri網(wǎng)的映射規(guī)則。使用該方法對(duì)某公路橋梁搶修應(yīng)急預(yù)案流程進(jìn)行Petri網(wǎng)建模，并通過仿真分析驗(yàn)證了建模方法的有效性。

發(fā)表于：2015/8/10

美高森美推出專為關(guān)鍵任務(wù)應(yīng)用而設(shè)的基于SLC的最高容量安全固態(tài)硬盤

致力于在電源、安全、可靠和性能方面提供差異化半導(dǎo)體技術(shù)方案的領(lǐng)先供應(yīng)商美高森美公司(Microsemi Corporation，紐約納斯達(dá)克交易所代號(hào)：MSCC) 發(fā)布用于國防、情報(bào)、無人機(jī)(unmanned aerial vehicle, UAV)和其它國防相關(guān)網(wǎng)絡(luò)區(qū)域存儲(chǔ)(NAS)應(yīng)用，并具備最高安全性和容量水平的串行先進(jìn)技術(shù)附著(SATA)固態(tài)硬盤(SSD) 。隨著高分辨率傳感器的使用增加，數(shù)據(jù)存儲(chǔ)方式也在改變，推動(dòng)了對(duì)更高密度SSD的需求。美高森美在緊湊型2.5吋、9.5毫米的外形尺寸中充分運(yùn)用微型化技術(shù)來滿足這個(gè)市場需求。

發(fā)表于：2015/8/9

人員身份識(shí)別系統(tǒng)在發(fā)電企業(yè)的應(yīng)用實(shí)踐

介紹了發(fā)電企業(yè)人員身份識(shí)別業(yè)務(wù)需求背景，闡述了建立人員身份識(shí)別系統(tǒng)的必要性和可行性，重點(diǎn)介紹了系統(tǒng)建設(shè)目標(biāo)、系統(tǒng)設(shè)計(jì)總體思路和設(shè)計(jì)原則，就系統(tǒng)軟件架構(gòu)設(shè)計(jì)及主要業(yè)務(wù)功能進(jìn)行了詳細(xì)論述，并根據(jù)在發(fā)電企業(yè)的實(shí)際使用情況總結(jié)了系統(tǒng)的應(yīng)用效果。

發(fā)表于：2015/8/9

基于邊緣檢測的雙樹復(fù)小波圖像融合算法

提出了一種新的圖像融合算法——基于邊緣檢測的雙樹復(fù)小波圖像融合算法。多聚焦圖像經(jīng)過雙樹復(fù)小波變換較好地克服了傳統(tǒng)小波變換的平移敏感性等缺點(diǎn)；低頻系數(shù)利用邊緣信息進(jìn)行融合，較好地保留了圖像的細(xì)節(jié)信息，提高了融合圖像的質(zhì)量；高頻系數(shù)則采用常見的基于區(qū)域特征的融合規(guī)則。實(shí)驗(yàn)結(jié)果證明，該算法能夠有效地提高融合圖像的清晰度，細(xì)節(jié)更為豐富。

發(fā)表于：2015/8/8

基于vxWorks的ADS-B地面站熱備份設(shè)計(jì)與實(shí)現(xiàn)

在vxWorks嵌入式實(shí)時(shí)操作系統(tǒng)下，硬件采用PC104，實(shí)現(xiàn)了網(wǎng)絡(luò)和串口的主備份ADS-B地面站之間進(jìn)行信息交互，通過主、備份機(jī)器之間的心跳計(jì)數(shù)器完成主、備份機(jī)器之間的自動(dòng)切換，使得ADS-B地面站給監(jiān)視終端的數(shù)據(jù)保持連續(xù)，保證了管制員對(duì)目標(biāo)的全天候?qū)崟r(shí)監(jiān)控，確?？罩薪煌ǖ陌踩?。同時(shí)提供命令接口供用戶強(qiáng)制實(shí)現(xiàn)主、備機(jī)器的切換，解決了空管設(shè)備的雙機(jī)熱備份之間的自動(dòng)切換。

發(fā)表于：2015/8/8

基于d-AIFCM的Web用戶聚類分析

傳統(tǒng)FCM聚類算法存在初始聚類中心較為敏感的問題，易陷入局部最優(yōu)。針對(duì)此問題，提出了基于密度權(quán)值和自適應(yīng)免疫系統(tǒng)的FCM算法（d-AIFCM）。算法在對(duì)Web用戶進(jìn)行聚類分析的過程中，基于用戶群體之間的相似性，引入密度權(quán)值生成候選初始聚類中心，采用自適應(yīng)免疫系統(tǒng)的原理確定初始聚類中心，自動(dòng)生成最佳分類，解決傳統(tǒng)FCM算法對(duì)初始聚類中心敏感的問題。實(shí)驗(yàn)結(jié)果表明，d-AIFCM算法在收斂次數(shù)和聚類效果方面較其他同類算法有所提升。

發(fā)表于：2015/8/7