《信息与电脑》Android环境下的程序开发使用的架构模式主要有MVC(Model View Controller)、MVP(Model View Presenter)和MVVM(Model-View-View Mode),最经典的框架是MVC模式,最常用的框架是MVP模式,而最新的框架是MVVM模式。笔者通过对3种框架模式进行比较发现,在Android项目应用中,MVVM模式减少了程序代码的耦合,可以通过Data Binding技术实现一次绑定功能。因此,MVVM模式能够有效缩短Android项目的开发周期,提高项目维护效率,节约成本,在Andorid项目开发中占有越来越重要的地位。笔者在分析多种典型交互式信息可视化技术的基础上,归纳了交互式信息可视化的类型。通过抽象可视化管线,可以帮助理解可视化流程和模型的核心思想。这些模型可以作为构建和开发现实生活中可视化系统的指导思想。临床检验系统借助计算机设备将实验检验仪器整合成局域网,进而直接从临床信息系统中收集医嘱,依托样本数据库对信息进行检索,并以电子报告的形式将检验结果发送给临床医生,方便其开展各项分析工作。基于此,笔者将对临床检验系统进行概述,重点研究临床检验系统在医院信息系统中的应用,旨在提高医院信息系统的运行效率。机架式设备线卡软件的存储一般使用单盘自身的FLASH介质。这种传统软件管理部署方式虽然简单,但是随着线卡软件的尺寸不断增加,会影响用户的满意度,当超过FLASH存储空间时会导致无法升级。采用NFS统一管理线卡软件的方法,能提高机架式设备中管理线卡软件的效率,具有很高的推广应用价值。针对中文短文本词汇数量相对较少、特征稀疏、噪声多等特点,笔者提出一种基于TextRank和隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)的文本扩展方法。该方法首先通过TextRank算法从给定文本中获得各个候选的关键特征,然后利用LDA从给定文本中获取各个隐藏的主题特征,将概率超过或等于给定阈值的各个隐藏主题所对应的各个候选关键特征扩充到文本中进行文本扩展。智慧园区作为城市空间体系的重要组成部分,在进行规划时应从全局出发。笔者针对如何满足园区日益增长的功能需求、如何将5G等先进技术成果应用在园区规划设计中、如何对传统园区进行升级改造的问题展开研究,深入分析了传统园区的弊端及园区发展的新需求,并提出新型智慧园区的规划方案及具体分层逻辑架构。动画设计指以故事板为基础,在对背景、前景、道具的形象及形状加以确定的条件下,对场景及背景图进行设计的一项工作。在动画设计专业课程中,包括素描、透视、线描以及速写等专业知识内容。传统动画设计存在很多不足,比如设计质量不够理想、制作成本较高等。而计算机技术为动画设计提供了有效的技术支持,能够很好地解决传统动画设计中存在的一些不足之处。基于此,笔者以动画产业发展及传统动画设计缺失点为切入点,进一步分析计算机技术在动画设计中的重要性,并对计算机在动画设计中的应用形式进行分析,希望以此为动画设计的优化及完善提供一些技术层面的建议。区块链技术作为时下流行的前沿技术之一,具有防篡改、去中心化等优势,能够很好地解决数据一致性的问题,已广泛应用在很多领域。因此,用区块链技术解决和彩云业务订购关系的数据一致性问题,可以得到很好的效果。基于此,笔者在分析区块链技术与和彩云业务的基础上,介绍了将区块链技术应用于和彩云业务的具体方案。软件需求分析是软件生命周期中的重要阶段,传统开发方式使用自然语言或UML图描述模型,需求中容易出现不一致性、二义性和不完整性。使用形式化的方法对需求进行分析,有助于开发出可靠的软件产品。目前,B方法是重要的形式化建模方法,它建立在严格的数学基础上,具有较完善的机制。本文将研究B方法在软件开发中的应用,提出UML类图和B方法的转换规则,最后对实例进行形式化描述和验证,帮助开发人员在软件建模阶段发现错误。针对多声音事件检测中可能出现多种相互重叠的声音事件,并且每种事件持续时间长度不一致的问题,笔者提出一种基于DenseNet全卷积神经网络的多声音事件检测模型。首先,将Mel能量谱输入DenseNet中提取高维特征;其次,对输出特征进行上采样,并采用全卷积神经网络(Fully Convolutional Cetwork,FCN)逐点相加融合特征,使其特征维度与输入片段一致;最后,采用多标签分类器逐帧对特征进行分类,并将每一帧声音事件序列与帧起止时刻进行计算。实验结果表明,该方法能够有效检测多声音事件中的各种声音事件。针对机器人模仿学习示教样本数据量小、学习得到的动作策略泛化能力弱等问题,笔者以双臂机器人为研究对象,提出一种基于Transformer网络的模仿学习方法。该方法首先通过多次迭代增强样本数据,然后基于Transformer网络学习新的动作策略数据。仿真结果表明,借助神经网络的学习能力和泛化能力,该方法实现了机械臂动作的模仿学习,具有一定的泛化性,且与同类算法相比具有较高的精度。随着机器学习的快速发展,利用深度学习网络开展识别分类已在各领域取得显著的成果。为了能够获取更全面的电网故障影响因素并提高故障诊断准确率,笔者利用深度残差网络识别电网故障信号。实践表明,该方法应用于电网故障监测中能够取得良好的效果,拥有广阔的发展前景。摄像头监控系统已经遍布社会的各个角落,每天都会产生海量的视频,如何快速找到有用的片段变得尤为重要。为了帮助监控人员更方便地过滤掉无用的图像信息,笔者提出一种基于粒子滤波追踪算法的智能视频监控系统。该系统能够对目标进行追踪,自动识别目标的方向,并可以截取目标出现的踪迹视频,同时过滤无目标的视频片段。针对以往使用的网络信息加密传输方法在非信任安全环境下存在可信性差的问题,本文提出基于直觉模糊集的网络信息加密传输方法。该方法通过在现场可编程门阵列(Field Programmable Gate Array,FPGA)加速设备上加载加密算法,加密待传输的网络信息,采用直觉模糊集评判网络信息加密传输环境,并根据评判结果设计传输协议,选择信任值高的接入设备完成网络信息加密传输。实验结果表明:与常规的加密传输方法相比,该方法在实际应用中的可信性更高。针对当下对专业易懂的食品安全知识的需求,笔者构建了基于Neo4j的食品安全知识图谱。首先,将权威网站作为数据源,利用Scrapy爬虫框架采集食品安全数据;其次,设计知识图谱模式并构建对照字典库以抽取食品安全实体;最后,将资源描述框架(Resource Description Framework,RDF)模型转化为Cypher语句,基于Neo4j设计食品安全知识图谱。食品安全知识图谱的构建为公民提供了准确、科学、直观的食品安全知识,降低了食品安全知识的获取与学习难度。针对现有交通信号灯控制技术无法针对复杂路况进行自适应调整,导致十字路口道路通行能力不足的问题,笔者提出一种基于强化学习sarsa算法的交通信号灯控制方法,并结合卷积神经网络对相关参数进行设置。实验结果表明,该方法能够针对实时路况自动调整信号灯控制策略,有效疏导交通流量。由于新冠肺炎疫情对全球造成了巨大的影响,因此有必要研究疫情的发展趋势。为此,笔者构建了带有时间回溯的神经网络模型,对以新冠肺炎累计病例为代表的时间序列数据进行分析和预测,首先通过K-means聚类方法对209个国家和地区进行分类,然后从不同类别中挑选代表国家或地区,应用改进的神经网络模型进行分析和预测,并和其他经典算法进行比较。实验结果证明,与其他经典的机器学习算法相比,经过改良的具有时间回溯的神经网络算法表现更好,预测准确度较高,能够有效预测新冠肺炎疫情的发展趋势及众多的时间序列数据。
关键词：