《信息与电脑》本文利用实验室虚拟仪器工程平台(LabVIEW)在PC端设计了温度测量系统。该系统以监控界面为上位机、单片机为下位机。单片机采集温度数据,并将采集到的温度数据通过串口发送给监控界面进行监测和管理。该系统具有低功耗、性能稳定、可靠性高以及电路简单等优点,已广泛应用在很多领域。本文详细介绍了该系统的软硬件设计方法。
对均匀线阵雷达,通过快速傅立叶变换(Fast Fourier Transform,FFT)来实现数字波束形成(Digital Beam Forming,DBF)的快速运算,可以得到同时多波束的效果,根据峰值所在的波束确定目标初始角度。在初始角度附近感兴趣的区间内采用CZT(Chirp-Z Transform)方法来细化频谱,根据细化后谱峰位置确定目标角度。该方法可以在较小FFT点数的情况下有效提高角度计算精度,降低对系统存储资源的需求,适合应用于车载雷达等对系统成本敏感的阵列雷达系统中。随着我国电力网络的不断发展,架空输电线路作为电力传输的主要组成部分,在电力的输送工作中起着重要的作用,电力运输环境的复杂多样性,对架空输电线路的交跨距离提出了较高的要求。因此,本文提出了架空输电线路交跨距离检查方法的研究。首先,针对不同的交叉跨越情况,检测交跨点的定位;其次,测量交跨输电线路导向与被跨越物之间的仰角,基于全站仪测量架空输电线路的净空交跨距离;最后,参数化换算净空交跨距离,获取观测档的导线变化量与导线弧垂变化量参数完成检查。实验证明,该方法检查的结果准确度较高,检查结果的误差率比传统方法更小。笔者提出的卷积神经网络所对应的计算流程具有较高的复杂度,为了突破嵌入式设备资源的限制,现提出一种高效卷积神经网络电力设备检测方法。基于红外图像目标检测相关理论知识,完成对目标检测模型的科学设计。从数据集、硬件环境、结果分析3个方面入手,对卷积神经网络的高效性和可靠性进行实验验证。结果表明,所提出的卷积神经网络电力设备检测算法具有较高的可靠性和有效性,符合嵌入式设备视频处理相关标准和要求。通过这次研究,希望能为相关人员提供借鉴。
随着企业信息化建设的不断发展,服务器需求也不断增高。企业如何监控这些服务器,保障服务器的正常运维与监控,成为了不可忽视的问题。本文使用开源监控软件进行服务器运维管理,可以监视和跟踪各种网络服务、服务器和其他网络硬件的状态,减轻了运维人员的工作压力,将更多精力投入到更需要的地方,提高工作效率。为了提高网络入侵检测水平,笔者在支持向量机(Support Vector Machines,SVM)的基础上进行优化,形成IPSO-SVM算法,并将该算法应用至网络入侵检测中,构建新的网络入侵检测架构。该架构通过样本分类简化入侵检测体系,采取迭代处理选取最优参数,将其作为入侵检测判断依据。实验结果表明,本文提出的入侵检测方案能够全面识别入侵攻击行为,正确率较高,可以作为网络入侵检测工具。
针对风浪影响下的船舶运动预报问题,笔者提出一种基于修正协方差法和神经网络的船舶运动预报方法。该方法根据船舶运动的相关性和周期性特点,首先利用修正协方差法(Modified Covariance Method,MCOV)对船舶运动测量数据进行功率谱分析,将船舶运动分解成若干不同频率的周期运动分量,继而通过神经网络拟合船舶运动方程,实现船舶运动预报。仿真实例比较了该方法与自回归序列(Auto Regressive,AR)、神经网络(Neural Network,NN)、维纳预测(Wiener)等船舶运动预报方法的预报性能,结果表明该方法可以提供较好的船舶运动预报结果,其预报精度优于AR、NN、Wiener等预报方法。协同过滤技术是目前推荐系统中最成功、应用最广泛的技术。本文使用基于项目的协同过滤算法,可以在不使用用户个人信息的情况下推荐音乐。为实现更准确的推荐,利用音乐源的元数据预测用户的偏好,最终推荐排名前N位的高偏好音乐。实验结果表明,与不使用元数据时相比,该方法可提高推荐算法的性能。针对网络入侵检测准确率低的问题,笔者提出一个基于卷积神经网络和长短期记忆网络的深度分层网络模型,并在UNSW-NB15数据集和CICIDS2017数据集上进行二分类实验。首先,基于卷积神经网络和长短期记忆网络提取局部特征和长距离依赖特征;其次,引入自注意力机制计算各属性特征的重要性;最后,使用sigmoid分类器对特征数据进行二分类。实验结果表明,与其他检测模型相比,该模型的网络入侵检测效果较好。
为实现重要信息系统的风险评估,笔者提出一种基于深度学习策略的评估策略,在基于层次分析法的评估基础上,以熵权值法和生成对抗网络算法对已有的策略进行优化。首先构建了判断矩阵,并分析了问题所在;其次通过熵权值法优化矩阵的元素,保证矩阵的一致性;最后借助生成对抗网络算法和已有的数据对层次间的权值进行优化。根据以上两种算法的优点分析,发现在熵权值和生成对抗网络算法的深度学习策略下,可以提升信息系统的风险评估性能。为了解决云端单一应用系统向云端应用迁移过程中出现云端应用由多种不同服务组成的数据结构或关系发生变化,造成数据迁移中数据结构或数据库种类发生改变从而无法进行数据直接迁移的问题,笔者提出了一种关系型数据脚本转化为模型结构的方法。采用解析关系型数据库脚本,将关系型数据分解成对象元素,进而转化为模型结构。实验部分,使用此方法将数据量为100、1000、10000以及100000的关系型数据转化为模型结构数据,并列出了时间性能对比。结果表明,此方法实现了关系型数据库转化为模型结构。
关键词：