基于哈希链表和时间链表的HTTP代理缓存机制的实现

随着互联网的快速发展，越来越多的用户需要访问Internet资源，局域网人的众多用户如何能够通过一条Internet连接进行快速的网络浏览？这涉及到WEB代理服务器的核心部分--HTTP缓存系统。HTTP代理服务器的缓存系统将用户浏览的网页保存在代理服务器中，一旦有用户浏览相同的网页并且该网页还没有更新，则代理服务器直接将网页传递给用户，无需重新下载。因此，缓存明显加快了浏览速度。本文首先介绍了代理服务器的缓存原理，然后对缓存机制的具体功能进行了划分，最后给出基于哈希链表和时间链表的缓存系统的实现方法。     

基于分层分解的一种实时车辆路径规划算法

道路网络通常是大规模和复杂的网络，而一般的最短路径算法需要大量的计算时间。为了减少计算负担，本文根据分层和空间分解的道路网络模型，提出了一种基于存储数据的车辆路径规划算法，路径通过查询表格获得。提出的算法尤其适用于集中式车辆路径规划。仿真结果表明，该算法在计算次最优路径时更快且要求更少的内存单元。     

染料敏化太阳能电池用聚偏氟乙烯/丙烯酸酯互穿网络基凝胶聚合物电解质的制备与性能表征

采用聚偏氟乙烯和丙烯酸酯制备了一种具有互穿聚合物网络结构的凝胶聚合物电解质,并将其应用于染料敏化太阳能电池. 通过FTIR,SEM以及电化学分析等对具有多孔结构的聚合物电解质进行了表征,考察了不同交联单体及不同聚偏氟乙烯/丙烯酸酯质量比对准固态聚合物电解质性能的影响.结果表明,选择合适的交联单体和适宜的交联度可有效提高聚合物膜的孔隙率、吸液量和相应电解质的电化学特性.用聚偏氟乙烯/聚乙二醇二甲基丙烯酸酯互穿聚合物网络结构的电解质组装染料敏化太阳能电池, 在100 mW/cm2模拟光照下,短路电流Isc和开路电压Voc分别为8.476 mA·cm-2和0.674 V, 电池光电转换效率达到2.710%.     

基于贝叶斯网络的发动机燃油系统故障诊断

在构建某型发动机燃油系统故障诊断贝叶斯网络模型的基础上,提出逆向推理的最强依赖路径算法,通过该算法可以对故障可能的原因按概率大小进行排序,进而快速、准确地对故障进行定位,从而大大提高复杂系统故障诊断的效率。     

龙洞石林攀西大裂谷的古老记忆

攀西大裂谷被称为地质博物馆。在这片神奇的土地上,天坑,地漏、溶洞．石林、温泉、暗河无所不备,世间所有的地质奇观,人们几乎都可以在这里看到。攀枝花市西区格里坪的龙洞石林．就是大自然垂青而特意为这个地质博物馆开设的一个奇石展厅。     

基于动态增添法的DBN滚动轴承故障诊断

针对深度信念网络(DBN)层数的不确定性而导致故障诊断精度不高的问题,提出了一种基于动态增添算法的DBN诊断方法.首先通过动态增添算法确定隐含层层数,之后按照逐层递减原则,设置模型的隐含层神经元节点数目;并以滚动轴承为研究对象,通过分析其训练样本与测试样本的分类误差曲线,来表明基于动态增添算法的DBN方法对滚动轴承故障...     

基于最短路径的SCI网络拓扑结构研究

 从航空电子系统的需求出发,对可扩展一致性接口(SCI)网络的拓扑结构进行了最短路径（跳数）研究。利用图论中的邻接矩阵变换方法,根据航空电子系统中SCI节点端口数的限制及SCI网络的小环组合结构的特点,对SCI推荐的网格形和蝶形两种网络进行了平均最小跳数的计算和分析,得出了SCI网络中小环方向的改变对平均最小跳数有影响的结论,并得到了该两种网络结构中平均最小跳数最少的拓扑形式。     

基于证据网络因果分析的空中目标意图识别

目标意图及时准确的估计对战场指挥决策具有重要的影响。考虑到战场环境复杂多变,其检测数据、信息、知识具有较高的随机性和认知不确定性,本文面向目标意图知识推理,基于结构因果模型,利用证据网络在不确定性处理方面的推理优势,提出了一种基于证据网络因果效应分析的空中目标意图识别方法。该方法通过d-分离检验构建兼容信息特性与意图多样性的因果证据网络模型,使模型同时考虑领域知识和数据间的条件独立关系,并将认知不确定性内嵌于推理引擎中,推理实现不确定战场环境下空中目标意图估计。此外,基于提出的因果证据网络模型和干预算子计算目标意图与属性之间的因果效应,挖掘目标意图估计蕴含的因果逻辑关系。仿真分析表明：本文提出的方法能够同时处理随机不确定性与认知不确定性,克服了传统意图识别方法缺乏因果分析的缺陷,是对目标意图和战场态势要素的深层次认知,实现了意图识别的“由果溯因”和“由因识果”。     

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。