-
题名高实时国产数据库数据同步共享
- 1
-
-
作者
崔宇
何伟
栗高尚
姚万华
姚克
-
机构
中国电子科技集团公司第二十八研究所
-
出处
《无线互联科技》
2025年第1期102-107,共6页
-
文摘
面对部分国产非公开数据库日志格式的数据库数据高实时共享同步问题,文章设计了一种基于ThreadLocal和双切面的数据同步共享方案。通过在Dao层切面采集Web请求响应过程中对数据库的所有变更记录,暂存在ThreadLocal中;在Controller层切面拦截响应,从ThreadLocal提取出所有变更记录,最后通过传输管理模块将变更记录共享发送给其他系统,实现数据库数据的增量共享。实验对比发现方案采集时间、发送时间相对于业务操作时间占比极低,这是因为数据采集、发送等操作均在本地内存中进行,而业务操作依赖于数据库网络IO,所以该方案能够实现国产数据库数据同步共享,具备较高的实时性和较低的侵入性。
-
关键词
数据共享
切面
ThreadLocal
国产数据库
高实时
-
Keywords
data sharing
aspect
ThreadLocal
domestic database
high real-time
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名煤矿调度室员工自动签到系统的设计
被引量：3
- 2
-
-
作者
袁小平
陈羲梅
张明涛
姚万华
-
机构
中国矿业大学信电学院
-
出处
《工矿自动化》
北大核心
2012年第9期94-97,共4页
-
基金
徐州市科技发展基金项目(X2005F601-2)
-
文摘
针对煤矿采用的打卡记名等常规考勤方法存在的考勤信息不准确问题,采用人脸识别技术设计了一种煤矿调度室员工自动签到系统,介绍了系统的总体设计方案及人脸识别算法。该系统首先采集人脸图像并进行预处理,然后采用Adaboost算法进行人脸检测,最后采用POEM+分块PCA算法及最近邻法分类器对采集到的人脸图像进行识别,以实现调度室员工的自动签到功能,并对考勤状况加以记录,为员工考核提供依据。
-
关键词
煤矿调度室
考勤
自动签到
人脸检测
人脸识别
POEM
分块PCA
-
Keywords
Key words： dispatch room of coal mine, attendance, automatic sign-in, face detection, facerecognition, POEM, block PCA
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名谚语在古代诗歌中的运用
- 3
-
-
作者
姚万华
-
出处
《高校教育管理》
1984年第4期66-70,共5页
-
文摘
诗歌化用谚语俗话,是我国古代诗歌作品中常见的现象,很早就为文人学者所注意.南朝著名文学理论家刘勰说过,谚语“圣贤诗书采以为谈”.为什么历史上有那么多的诗人词客喜引谚语俗话入诗呢?我认为除诗人有着为加强反映现实生活的客观需要而外,更重要的是俗谚本身具有很强的吸引力.正如鲁迅说过的那样,谚语“意味深长”,“是现世相的神髓”,“用起来是很有意思的,恰如文言用古典,听者也觉得趣味津津”.
-
关键词
谚语
古代诗歌
农谚
范成大
倾盖
鹅毛
长腰
语言材料
劳动人民
苏拭
-
分类号
G64
[文化科学—高等教育学]
-
-
题名略论谚语与古代诗歌的关系问题
- 4
-
-
作者
姚万华
-
出处
《高校教育管理》
1984年第2期49-54,共6页
-
文摘
素有“炼话”、“自然之诗”和“生活教科书”之称的谚语,是我国民间文学的重要组成部分,是中华民族文学遗产宝库中的一颗晶莹夺目的宝石,在人民生活和民族文化发展中起着相当重要的作用.重视这个“作用”,继续做好谚语的辑录、整理和研究工作,是我们民间文学工作者。
-
关键词
谚语
谣谚
古代诗歌
关系问题
民间文学
俗语
苏杭
陆游
作品
范成大
-
分类号
G64
[文化科学—高等教育学]
-
-
题名试谈《红楼梦》中谚语对塑造人物的作用
- 5
-
-
作者
姚万华
-
出处
《高校教育管理》
1982年第1期74-77,共4页
-
文摘
我国十八世纪伟大的现实主义作家曹雪芹,是一个卓越的艺术巨匠,也是一个杰出的语言大师.他在《红楼梦》中,注意吸取民间文学的丰富营养,重视采用民间谚语俗话,取得了高超的艺术成就.据笔者不完全的统计,仅就《红楼梦》前八十回而言,引用的谚语俗话约有一百多条。
-
关键词
谚语
老老
塑造人物
《红楼梦》
凤姐
俗语
宝玉
王熙凤
王夫人
性格特征
-
分类号
G64
[文化科学—高等教育学]
-
-
题名基于深度学习的噪声背景通信信号端点检测
- 6
-
-
作者
程涛
姚万华
姚克
栗高尚
-
机构
中国电子科技集团公司第二十八研究所
-
出处
《无线互联科技》
2023年第2期13-19,共7页
-
文摘
在复杂的电磁和地理自然环境中,通信链路常常受到噪声的干扰。基于此,文章提出了一种基于深度学习的方法来解决噪声背景下的通信信号端点检测问题,该方法使用深层卷积神经网络(Deep Convolutional Neural Networks,DCNN)提取样本特征,用于描述信号活跃区域和背景噪声之间的差异,并获得样本特征图。同时,通过多尺度区域检测方法确定特征图中的通信信号的起止端点,并使用线性回归方法精修区域参数,使端点检测结果更接近真值。在实验验证方面,文章利用构建的仿真通信信号数据集进行训练和测试,实验结果表明,该方法能够在毫秒级延迟下准确地检测出淹没在噪声中的通信信号,且检测精度优于现有方法。
-
关键词
端点检测
深度学习
卷积神经网络(CNN)
边框回归
-
Keywords
endpoint detection
deep learning
convolutional neural networks(CNN)
bounding box regression
-
分类号
V221+.3
[航空宇航科学与技术—飞行器设计]
TB553
[理学—声学]
-
