共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
《电子技术与软件工程》2019,(10)
控制显示单元是直升机座舱中的重要人机接口,承担了大部分的交互控制和显示功能。当前,各型直升机控制显示单元的显示控制需求不一样,导致软件开发难度和开发费用增加。为了使各型控制显示单元软件通用,提出一种基于窗体库的软件设计方法,该方法将窗体构成的DF作为消息进行传输,使得图形显示与逻辑管理完全分开。最后将该方法用在某型直升机及其模拟器上,联试和运行结果表明:该方法简单可行,能清晰指导任务软件的正常运行,使得软件开发工作更加简便,加快了软件开发进度,节约了成本,具有可扩展性、可维护性。以后还可将代码直接移植到其它直升机型号和模拟器。 相似文献
4.
5.
6.
介绍了4种基于VB的模拟应用程序加载窗体的设计方法。在保证应用程序功能的完善性和用户界面的友好性的同时,在登录应用程序之前,为应用程序设计一个动态的模拟加载窗体,可以使系统的界面得以美化。介绍的4种设计方法分别为:利用ProgressBar控件和计时器控件实现、利用PictureBox控件和计时器控件实现、利用Scross Bar控件和计时器控件实现、利用Shape控件和计时器控件实现。 相似文献
7.
以IPTV测试仪的测试指标分析功能做为研究背景,分析了MDI的关键测试指标的算法和所需参数,并在此基础上探讨了IPTV测试仪中IP包的处理及MDI测试指标参数的提取方案,目的是对测试仪中FPGA模块的硬件实现提出解决方案。提取方案在仿真软件上进行了测试和仿真,测试结果表明方案思路清晰,实现简单,稳定可靠。本方案已应用到“IPTV测试仪”中,测试效果良好。 相似文献
8.
本文主要探讨几种ASP.NET环境下身份验证模式,以及如何用附加码保护窗体身份验证模式,以避免黑客穷举密码的攻击。 相似文献
9.
10.
MDI(Multiple Document Interface)是Windows界面的一种规范,它建立多个窗口来浏览文档数据,如Windows中的Program Manager等都是按MDI规范实现的。在实际工程软件开发中,许多程序员将其作为一种实现多窗口的标准方法。微软基础类库(MicrosoftFoundation Class Library,简称MFC库),是微软公司为方便Windows程序开发所提供的一个功能强大的通用类库。MFC的核心是以类的形式封装了大量Windows API。在可视化编程语言VC++下应用MFC是目前开发Windows程序最方便的途径之一。VC++提供的各种开发工具如AppWizard、ClassWizard和App Studio,可以建立起具备基本功能的Windows框架程序(Framework)。而程序员所需要做的工作就是将自己特有的代码填入到框架程序中去,从而极大地减少了用户界面编程的工作量,加快了开发速度。关于MDI的标准开发方法可参考一般的Windows编程书籍,本文将介绍利用MFC实现MDI界面。 相似文献
11.
12.
以IPTV测试仪的测试指标分析功能做为研究背景,分析了MDI的关键测试指标的算法和所需参数,并在此基础上探讨了IPTV测试仪中IP包的处理及MDI测试指标参教的提取方案,目的是对测试仪中FPGA模块的硬件实现提出解决方案.提取方案在仿真软件上进行了测试和仿真,测试结果表明方案思路清晰,实现简单,稳定可靠.本方案已应用到"IPTV测试仪"中,测试效果良好. 相似文献
13.
14.
《电子技术与软件工程》2019,(1)
大学英语四、六级口语考试已经采用机考,而笔试部分还继续采用答题卡。本文把大学英语网络机考作为研究的课题,探索出一种符合大学英语笔试流程的机考解决方案,提高阅卷效率,减少纸张使用,便于存档、分析和数据统计。 相似文献
15.
16.
17.
18.
19.
数据流上的频繁项集挖掘是数据挖掘的一个重要话题,并在现实生活中应用广泛.可是这个问题存在两个限制:(1)项在数据流中的权重没有被考虑;(2)项在每条事务中的数量没有被考虑.因此,研究人员提出了"数据流上的高效用项集挖掘"的研究问题.在这一问题中,项的权重及项在事务中的数量被考虑,数据流上的高效用项集挖掘是指在数据流中挖掘所有效用值不小于用户指定最小效用阈值的项集.对用户而言,由于不了解数据流中数据的统计特性,很难设置一个合适的最小效用阈值,如果最小效用阈值设置过高,则挖掘算法返回高效用项集的数量过少,使得用户无法准确分析;如果最小效用阈值设置过低,则挖掘算法返回太多的高效用项集,使得用户需要对结果集二次分析,为此研究人员提出了"数据流上的Top-K高效用项集挖掘"的研究问题.数据流上的Top-K高效用项集挖掘是指在数据流中寻找前k个具有最高效用值的项集,通过设置k值取代最小效用阈值,可有效地控制算法的输出规模,对用户而言更直观.与静态数据相比,数据流具有如下特点:快速的数据到达速率、数据流的尺寸未知和不能访问以前到达数据的特点,因此很难将整个数据流放入内存中处理,通常研究人员采用流滑动窗体模型.流滑动窗体是由固定数量的、最近到达的批数据组成,每个批数据包含一组事务集.现有的挖掘流滑动窗体上Top-K高效用项集的研究方法通常包含两个阶段:(1)采用高估技术高估项集在流滑动窗体中的效用,将高估效用不小于由阈值提升技术获得的最小效用阈值的项集选定为Top-K高效用项集候选项集;(2)通过扫描流滑动窗体内的批数据,计算第一阶段生成的候选项集的真实效用.可是,这个方法存在两个问题:(1)第一阶段生成的候选项集通常数量巨大,需要大量的存储空间;(2)计算第一阶段生成的候选项集的真实效用是非常耗时的.因此,本文提出一个在挖掘过程中不生成候选项集的流滑动窗体上Top-K高效用项集挖掘算法TK-HIS,TK-HIS采用提出的HUIL-Tree和效用数据库存储流滑动窗体中的项集及其在窗体事务中的效用,在HUIL-Tree和效用数据库的构建过程中提出两个阈值提升策略提升初始值为0的最小效用阈值,在挖掘过程中TK-HIS维护前k个具有最高效用值的项集,使用模式增长的方法生成搜索空间中的项集,对每一个项集通过效用数据库直接计算其在流滑动窗体中的效用.研究在稀疏数据流上进行了大量的实验评估TK-HIS的性能,并与当前最好的流滑动窗体Top-K高效用项集挖掘算法T-HUDS进行比较,实验结果表明在稀疏数据流上TK-HIS显著优于T-HUDS:运行时间最快可提升一个数量级. 相似文献