基于JMX技术的分布式工作流系统的研究与实现

分布式工作流技术已成为当下国内外争相研究的热点,但大多数产品都并未形成统一的标准化,在互操作性和扩展性方面也都不具优势。基于此,结合Java管理扩展框架(Java Management Extensions,即JMX)、观察者模式、RMI等技术提出了一种分布式工作流系统实现方案。在该方案中,首先对涉及到的关键性技术进行了概要回顾,并对设计原理、系统体系结构、算法实现分别做出了分析和阐述。最后,根据算法分析,给出了一个应用实例,来说明具体的实现方式。     

XML技术在电子商务中的应用

介绍了电子商务和三层分布式数据库应用的结构，对XML应用于电子商务的技术特点进行了分析．通过一个实例探讨了XML在电子商务中的应用．     

大学物理课程网络辅助教学系统的构建与应用

本文介绍了上海交通大学大学物理课程网络辅助教学系统的设计思想、整体结构和主要的功能模块，概述了运用网络辅助教学系统实施“课堂教学＋网络辅助教学”：这种教学模式的应用情况．     

Web-Based Information Extraction Technology

Information extraction techniques on the Web are the current research hotspot. Now many information extraction techniques based on different principles have appeared and have different capabilities. We classify the existing information extraction techniques by the principle of information extraction and analyze the methods and principles of semantic information adding, schema defining,rule expression, semantic items locating and object locating in the approaches. Based on the above survey and analysis,several open problems are discussed.     

WEB服务器端自动打包技术的Java实现

针对WWW服务器端打包下载资料需后台人工上传的不便性,提出了一种新的解决方案——服务器端自动打包,以实际的应用系统为例,介绍了采用Java技术实现的自动打包程序.     

首师大虚拟学习社区智能网络教学支撑平台

首师大虚拟学习社区智能网络教学支撑平台(以下简称首师大虚拟学习社区)是一种基于网络的智能教学系统。它为学习资源提供基础支撑环境，面向高等教育和基础教育，提供多种教与学的工具，减轻教师网上开课负担和学生学习的认知负荷，提高教学效率和质量。与其他网络教学支撑平台相比，首师大虚拟学习社区具有较高智能性，这主要体现在：它能够通过网络虚拟人物电子导师告诉学习者应该学什么和怎么学它可以主动提示学习者的学习状态以及推荐适合学习者本人特点     

供应链管理系统的Web实现技术及应用

分析了传统供应链管理系统的实现技术上存在的缺陷，介绍最新的供应链管理系统的Web实现技术即XML技术及SOAP协议，在此基础上给出一种运用XML及SOAP实现供应链管理系统的解决方案，最后介绍了一个实际运用的系统。     

报关舱单及其XML设计

通关速度是国际贸易的要素,报关方式是通关速度的关键。本文以工程资料为背景,详细论述报关舱单采用的W eb报关方式及其捆绑的XML设计。通过对设计原理的分析,可以看出:基于B/S的数据发送方式使报关流程更简洁、作业更开放,因而大大地加快了通关速度,为国民经济的发展做出一点贡献。     

XML数字签名在高校教务管理系统中的应用

作为高校数字化校园的一部分,教务管理系统正在由功能型向安全高效型转变.文中研究了在教务管理系统中利用XML数字签名取代原本需要手工签名的方法,给出了一个具体的创建证书、签名、验证的实现过程.     

Discovering Frequent Subtrees from XML Data Using Neural Networks

By rapid progress of network and storage technologies, a huge amount of electronic data such as Web pages and XML has been available on Internet. In this paper, we study a data-mining problem of discovering frequent ordered sub-trees in a large collection of XML data, where both of the patterns and the data are modeled by labeled ordered trees. We present an efficient algorithm of Ordered Subtree Miner （OSTMiner） based on two- layer neural networks with Hebb rule, that computes all ordered sub-trees appearing in a collection of XML trees with frequent above a user-specified threshold using a special structure EM-tree. In this algo- rithm, EM-tree is used as an extended merging tree to supply scheme information for efficient pruning and mining frequent sub-trees. Experiments results showed that OSTMiner has good response time and scales well.