新型电梯轿厢绝对位置检测传感器的研究

针对目前电梯轿厢位置检测时,增量式编码器存在位置零点偏移,大多绝对式编码器又受到量程限制等缺点,提 出了基于低功耗单片机的多圈数字式绝对位置传感器。设计了多圈绝对位置传感器的硬件结构,介绍了单圈磁绝对式 旋转编码器角度信号采集及多圈计数原理;设计了单片机接口电路,串行通信接口电路,电源与停电检测电路,多圈计数 以及停电唤醒电路等硬件电路;设计了传感器系统的主要智能化软件;采用低功耗待机技术,设计了外部电源停电情况 下依靠内部电池供电机制。实际应用结果表明该系统不仅具有精度高、功耗低等特点,且具有多圈宽量程位置检测和停 电位置记忆功能。该系统能够对电梯轿厢绝对位置实现高精度实时检测。     

基于人工免疫的新型入侵检测系统研究

分析研究了人工免疫原理在网络入侵检测中应用的可行性,结合人工免疫模型和数据挖掘技术建立了一个网络入侵检测系统模型。对抗体生成过程中的关键算法进行了描述。为克服在抗体生成阶段由于采用遗传算子导致时空效率不佳的缺陷,将数据流分割成字符串集合,根据数理统计原理,讨论了分割参数和检测器数目的选定,使它在通用性、鲁棒性上具有优势。     

半导体固体光源诱导荧光检测系统的研制

采用共聚焦光学结构、半导体激光和发光二极管固体光源为激发光源,研制了一种便携式荧光检测系统。整机采用模块化结构 利用分立的检测池模块 可满足微流量分析及常规分析的需要。采用毛细管电泳技术评价了该检测体系,浓度检测限为0~7～10~9M 线性范围为10~2～10~3。     

基于机器视觉的人体尺寸识别系统

提出了一种基于机器视觉的人体尺寸识别系统的技术思路,系统将机器终端获取的人体图像信息,利用图像处 理技术和人体关键尺寸的生理位置特征,实现人体关键尺寸的识别。该系统中需要获取人体正面的手臂水平图像以及 人体侧面图像,2张图像必须在同一相对位置下获取,以保证参考点的一致,在参考被测用户的实际身高下,系统通过计 算可实时给出被测用户的颈部、胸部、腰部、臀部等的正侧面宽度,同时给出各对应部分的所在位置。这种模式可以给出 用户的基本尺寸信息,从而可以为用户实现模拟试衣等仪器提供软件支持。     

一种基于移动代理的入侵检测系统框架

为了提高入侵检测系统的效率和灵活性,提出了一种基于移动代理的入侵检测系统框架。分析了已有的入侵检测系统,研究了移动代理的实现及如何保证移动代理和移动代理运行环境的安全。该框架对建立一个有效的入侵检测系统有一定的理论和现实意义。     

基于平均密度的孤立点检测研究

为了使孤立点检测更为自动化,减少用户对参数选择的困难,提出了平均密度的定义,并给出基于平均密度的孤立点检测方法。该方法提出了孤立点对象的密度要小于数据集的平均密度;非孤立点对象的密度不应因为封闭区间的收缩而减少。采用企鹅图像边缘检测对该方法进行验证,实验结果表明,该方法能够有效地检测出图像边缘孤立点,同时简化了孤立点检测时对用户输入参数的要求。     

中越两国检察机关法律监督职能比较研究

权力不受制约必然导致滥用和专断,侦查权、审判权也是如此。检察机关与生俱有的监督性决定了检察机关成为国家的法律监督机关,有权对各种诉讼活动实施法律监督。中越两国检察机关都是国家专门的法律监督机关,履行法律监督职能,可在具体监督的权限和范围上,却有很大的差别。鉴于我国目前的司法现状,有必要借鉴越南的法律监督措施,进一步完善我国的法律监督制度,以规制权力,保障人权,维护司法公正,维护社会和公共利益。     

基于时间约束网络的项目实施冲突识别算法

提出了一种基于时间约束网络的项目实施冲突识算法。以项目实施网络连接的逻辑结构为基础,建立了项目实施过程网络。在定性时间约束和定量时间约束及其转换规则的基础上,提出了项目实施过程网络到时间约束网络的转换规则。分析了实施冲突,并建立了基于计算机的项目实施冲突识别算法。最后,运用上述方法对某软件系统设计及开发项目实施进行冲突检测。     

基于小波的金融危机时点探测与多重分形分析

在金融危机时点前后,市场的动力学会呈现出异常剧烈的波动。准确定位金融危机时点是区分出金融危机前后股市多重分形特性的关键步骤。与其他方法相比,小波变换模极大值法（WTMM）的优势在于它可以侦测出突变点并对金融市场的多重分形特性进行分析。研究通过小波变换模极大值法（WTMM）所建立的模极大值线将道琼斯工业指数（DJI）与东京证交所股价指数（TPX）的金融危机时点定位出来,随后基于所侦测出来的道琼斯工业指数（DJI）突变点对该指数进行多重分形分析。分析发现：小波变换模极大值法（WTMM）不仅可以准确定位金融危机发生的时点,还可以刻画出多重分形特征在金融危机前后的演化。实证结果验证了分形市场假说（FMH）关于市场发生崩溃的起因,也为金融风险管理提供了一个新思路。     

Joint detection for functional polynomial regression with autoregressive errors

In this article, we are concerned with detecting the true structure of a functional polynomial regression with autoregressive (AR) errors. The first issue is to detect which orders of the polynomial are significant in functional polynomial regression. The second issue is to detect which orders of the AR process in the AR errors are significant. We propose a shrinkage method to deal with the two problems: polynomial order selection and autoregressive order selection. Simulation studies demonstrate that the new method can identify the true structure. One empirical example is also presented to illustrate the usefulness of our method.