精品久久久久一级毛片 ,国产一级淫片a免费播放口,2024国产精品手机在线

頭條

使用有安全保障的閃存存儲構(gòu)建安全的汽車系統(tǒng)

使用有安全保障的閃存存儲構(gòu)建安全的汽車系統(tǒng)

在現(xiàn)代汽車嵌入式系統(tǒng)中，高度安全的數(shù)據(jù)存儲是必不可少的，尤其是在面對日益高明的網(wǎng)絡攻擊時。本文將介紹設計師正確使用閃存的步驟。

最新設計資源

基于數(shù)據(jù)倉庫的科學儀器設備數(shù)據(jù)分析系統(tǒng)[嵌入式技術(shù)][數(shù)據(jù)中心]

：如何節(jié)省在科學儀器設備管理工作中對數(shù)據(jù)分析投入的人力物力并提高管理效率是科技管理部門十分關(guān)注的問題。利用數(shù)據(jù)倉庫技術(shù)可以對現(xiàn)有的科學儀器設備數(shù)據(jù)進行多維分析，以便有效利用分析數(shù)據(jù)輔助管理者決策。文章?lián)朔治隽丝茖W儀器設備數(shù)據(jù)源，提出了分析主題，通過模型設計、ETL功能以及OLAP功能的設計，實現(xiàn)了一個基于數(shù)據(jù)倉庫的科學儀器設備數(shù)據(jù)分析系統(tǒng)。系統(tǒng)的開發(fā)研究證明了數(shù)據(jù)倉庫技術(shù)在科學儀器設備管理上應用的可行性，并為進一步建立基于數(shù)據(jù)倉庫的科技數(shù)據(jù)決策支持系統(tǒng)打下了基礎。

發(fā)表于：3/2/2017

基于高維數(shù)據(jù)聚類的制造過程數(shù)據(jù)分析平臺[嵌入式技術(shù)][數(shù)據(jù)中心]

隨著制造業(yè)領(lǐng)域工藝技術(shù)的不斷進步，大量感知設備如同人體器官一樣，被部署到制造過程中的各個重要節(jié)點，產(chǎn)生著海量制造過程數(shù)據(jù)。針對這些海量制造過程數(shù)據(jù)，制造業(yè)領(lǐng)域越來越需要科學、敏捷、高效的數(shù)據(jù)分析平臺，為制造過程數(shù)據(jù)的分析提供智力支持和決策支持。針對這種需求，文章采用高維數(shù)據(jù)聚類技術(shù)結(jié)合Spring、Mybatis等成熟的敏捷開發(fā)框架，開發(fā)了制造過程數(shù)據(jù)分析平臺。該設計不僅可以針對歷史數(shù)據(jù)進行分析，還可以實時監(jiān)控生產(chǎn)線上的動態(tài)流程數(shù)據(jù)，提高數(shù)據(jù)分析和決策效率。

發(fā)表于：3/2/2017

電動汽車鋰電池戴維南等效電路模型參數(shù)辨識研究[電源技術(shù)][汽車電子]

首先分析了鋰離子電池的特性和充放電原理，介紹了鋰離子電池的戴維南（Thevinin）等效電路模型，并采用脈沖法和遞推最小二乘法相結(jié)合對戴維南等效電路模型參數(shù)進行辨識，實現(xiàn)了戴維南等效電路模型參數(shù)的實時在線辨識，為電動汽車鋰電池的等效電路模型的分析研究提供了一種可行方式。

發(fā)表于：3/2/2017

沉浸式虛擬校園仿真系統(tǒng)開發(fā)及關(guān)鍵技術(shù)研究[嵌入式技術(shù)][其他]

虛擬現(xiàn)實技術(shù)可以給人帶來身臨其境之感，傳統(tǒng)的虛擬現(xiàn)實系統(tǒng)大多采用桌面式虛擬現(xiàn)實方式，沉浸感不強，交互性差，不能讓體驗者沉浸在虛擬系統(tǒng)中。綜合這些因素，文章根據(jù)三維虛擬校園仿真系統(tǒng)需求，設計實現(xiàn)了基于Unity3D平臺的沉浸式虛擬校園漫游系統(tǒng)，并研究沉浸式虛擬校園開發(fā)中所使用的關(guān)鍵技術(shù)。實驗表明，該系統(tǒng)能克服虛擬漫游沉浸感不足的缺點，用戶可以體驗到與真實校園相近的虛擬環(huán)境，并且可以與虛擬環(huán)境進行交互。該系統(tǒng)具有簡單和易實現(xiàn)等特點，擁有廣闊的應用前景。

發(fā)表于：3/2/2017

基于微舵機控制的仿生魚設計與實驗分析[嵌入式技術(shù)][其他]

設計了微舵機控制的仿生魚，結(jié)合魚胸鰭和魚尾鰭的配合動作，完成一系列的游弋動作。其中根據(jù)魚類“波動推進理論”的游動機理，實現(xiàn)仿生魚的前進、轉(zhuǎn)彎運動；根據(jù)魚類“胸鰭法理論”實現(xiàn)上浮、下潛運動；提出加減速游動方案，通過修改X值的方法，實現(xiàn)仿生魚的加減速游。組裝并進行水上模擬實驗和水下實際實驗，調(diào)試仿生魚的各動作協(xié)調(diào)性，分析仿生魚在水中的靜態(tài)平衡和動態(tài)平衡問題。

發(fā)表于：3/2/2017

基于改進特征點對選取的三維點云配準[嵌入式技術(shù)][其他]

針對同一物體不同視角下獲得的三維點云數(shù)據(jù)，提出一種基于改進特征點對選取的三維點云配準方法。在歐氏距離的基礎上選取與目標點最近的三點均值為對應點，并應用鄰域比值法來剔除錯誤點，結(jié)合Kd tree提高搜索速度，實現(xiàn)最終點云配準。實驗結(jié)果表明，該方法具有可行性，相比傳統(tǒng)ICP算法，其匹配精度和效率明顯提升。

發(fā)表于：3/2/2017

基于復雜網(wǎng)絡拓撲結(jié)構(gòu)的評估體系研究[通信與網(wǎng)絡][通信網(wǎng)絡]

對復雜網(wǎng)絡拓撲結(jié)構(gòu)中特定屬性的計算和評估進行了研究。層次分析法和熵權(quán)法被用來計算復雜網(wǎng)絡拓撲結(jié)構(gòu)的權(quán)重，這樣既可以防止在主觀賦權(quán)法上因?qū)＜医?jīng)驗不足使得對方案的排序造成很大的隨意性，又可以避免客觀賦權(quán)法的結(jié)果與實際情況不一致的現(xiàn)象發(fā)生。選取了規(guī)則網(wǎng)絡模型、隨機網(wǎng)絡模型、小世界網(wǎng)絡模型和BA無標度網(wǎng)絡模型進行加權(quán)計算，并計算出它們各自相應的綜合權(quán)重。從綜合權(quán)重的角度來看，實驗結(jié)果表明，隨機網(wǎng)絡效能最好，接下來是小世界網(wǎng)絡、無標度網(wǎng)絡，最后是規(guī)則網(wǎng)絡。該評估體系和算法可以被廣泛地用于需要對網(wǎng)絡性能進行定量評估的情況下。

發(fā)表于：3/2/2017

網(wǎng)絡庫Tbnet及其應用分析[通信與網(wǎng)絡][通信網(wǎng)絡]

Tbnet廣泛應用于TFS、Tair等開源分布式系統(tǒng)，不同于僅提供數(shù)據(jù)傳輸?shù)膫鹘y(tǒng)網(wǎng)絡庫，該庫為客戶端/服務端提供交互式通信，即客戶端發(fā)出請求，服務端接收、處理并予以回應，適用于分布式系統(tǒng)開發(fā)。Tbnet采用對象語義進行類的設計并大量使用類的繼承，實際使用時需繼承IPacketHandler、IServerAdaptor等接口類，重寫類中虛函數(shù)。Tbnet內(nèi)部由一個處理事件的輸入/輸出線程、一個超時檢查線程及工作線程池組成，I/O線程與工作線程間采用單生產(chǎn)者多消費者模式［1］共享加鎖報文列表。本文分析了Tbnet主要類及其消息通信，對比分析了分布式產(chǎn)品使用Tbnet的差異性。

發(fā)表于：3/2/2017

無線傳感器網(wǎng)絡跨周期應答的信息傳輸方法[通信與網(wǎng)絡][通信網(wǎng)絡]

針對同步休眠機制無線傳感器MESH網(wǎng)絡，提出一種允許跨周期應答的信息傳輸方法，以提高數(shù)據(jù)傳輸成功概率，降低網(wǎng)絡中信息流量，從而降低路由通信工作時間，達到降低網(wǎng)絡中各節(jié)點功耗的目的。將跨周期應答應用到地質(zhì)災害監(jiān)測自動化系統(tǒng)中，較大程度地降低了無線傳感器節(jié)點的功耗。

發(fā)表于：3/2/2017

動態(tài)深度信念網(wǎng)絡模型構(gòu)建[通信與網(wǎng)絡][通信網(wǎng)絡]

深度學習是一類新興的多層神經(jīng)網(wǎng)絡學習算法，因其緩解了傳統(tǒng)訓練算法的局部最小性，故引起機器學習領(lǐng)域的廣泛關(guān)注。但是，如何使一個網(wǎng)絡模型在選取任意數(shù)值的隱藏層節(jié)點數(shù)時都能夠得到一個比較合適的網(wǎng)絡結(jié)構(gòu)是目前深度學習界普遍存在的一個開放性問題。文章提出了一種能夠動態(tài)地學習模型結(jié)構(gòu)的算法——最大判別能力轉(zhuǎn)換法，根據(jù)Fisher準則來評估隱藏層每一個節(jié)點的判別性能，然后通過動態(tài)地選擇部分隱層節(jié)點來構(gòu)建最優(yōu)的模型結(jié)構(gòu)。

發(fā)表于：3/2/2017

基于蜂群算法的物流配送規(guī)劃研究[測試測量][其他]

電子商務的興起促進了現(xiàn)代物流業(yè)的發(fā)展，但物流公司在貨物送達末梢客戶的“最后一公里”路徑規(guī)劃上，多取決于具體配送人員的工作經(jīng)驗，整體效率偏低。為提高配送效率，對車輛路徑問題(Vehicle Routing Problem, VRP)，以及由此延伸出的有載重限制的車輛路徑問題(VRP with Capacitated, CVRP)的研究因而產(chǎn)生。為提升現(xiàn)有的蜂群算法在CVRP問題的求解效能，文章對蜂群算法進行了改進，在CVRP問題中加入分群機制來限縮蜂群探索區(qū)域，并搭配使用限制次數(shù)以增強對局部區(qū)域搜尋能力。模擬結(jié)果顯示，在復雜度高的問題求解上，所提出的加強型蜂群算法比典型的蜂群算法能更有效地找到近似最佳解。

發(fā)表于：3/2/2017

基于多特征融合半自動巖心圖像顆粒提取[顯示光電][其他]

基于最大相似度的區(qū)域合并算法是一種半自動的圖像處理方式，可根據(jù)用戶提供的交互信息，利用圖像特征作為區(qū)域相似度進行準確的目標提取。但傳統(tǒng)的MSRM算法計算量大，使用單一的圖像特征使得分割不夠精確。針對這些問題，文章對MSRM算法進行改進，提出一種基于多特征的區(qū)域最大相似度圖像分割算法，并采用矩陣變換算法來降低計算量。該方法使用超像素圖像作為分割基礎，首先計算圖像相鄰區(qū)域紋理和顏色特征相似度，并使用矩陣變換算法降低顏色特征矢量維度,然后計算兩種特征的權(quán)重，最后根據(jù)綜合后的相似度對圖像進行區(qū)域合并，得到最終的顆粒提取結(jié)果。實驗結(jié)果表明，該方法可以有效提取顆粒的輪廓，提取的輪廓邊緣細節(jié)較傳統(tǒng)MSRM算法更優(yōu)，算法執(zhí)行效率也得到了提高。

發(fā)表于：3/2/2017

腫瘤癌變細胞FISH圖像分析系統(tǒng)的研究[其他][醫(yī)療電子]

腫瘤癌變細胞FISH圖像分析系統(tǒng)中，需要解決粘連細胞核的分割問題。FISH屬于新興技術(shù)，產(chǎn)生的是特殊的熒光彩色細胞圖，現(xiàn)有細胞圖像分析方法并不適用。文章創(chuàng)新設計了基于深度凹陷檢測和構(gòu)造自然凹陷力的方法，分離粘連細胞核。首先，針對參差不齊的實驗成像，在RGB模型下結(jié)合統(tǒng)計思想，將圖像分為三類，分別進行預處理。繼而，利用融合了Kmeans聚類算法的改進馬爾科夫隨機場（MRF）方法，將細胞核與癌變信號點進行有效提取。在此基礎上，利用幾何原理，創(chuàng)新設計了一套粘連細胞核分離算法。最后，給出細胞核快速計數(shù)和信號點提取方法。該系統(tǒng)設計基本完整，并達到預期效果。

發(fā)表于：3/2/2017

基于RGB-D單目視覺的室內(nèi)場景三維重建[嵌入式技術(shù)][其他]

針對室內(nèi)環(huán)境單目視覺的室內(nèi)場景三維重建速度慢的問題，采用華碩Xtion單目視覺傳感器獲取的室內(nèi)場景彩色圖像和深度圖像進行快速三維重建。在圖像特征提取上使用ORB特征檢測算法，并對比了幾種經(jīng)典特征檢測算法在圖像匹配中的效率，在圖像匹配融合中采用Ransac算法和ICP算法進行點云融合。實現(xiàn)了一種室內(nèi)簡單、小規(guī)模的靜態(tài)環(huán)境快速三維重建方法，通過實驗驗證了該方法有較好的精確性、魯棒性、實時性和靈活性。

發(fā)表于：3/2/2017

基于視敏度的Q-STAR模型參數(shù)預測[顯示光電][其他]

Q-STAR模型是現(xiàn)有的客觀視頻質(zhì)量評價中最接近主觀得分的模型，但是在解碼端難以從丟包解碼后的YUV視頻序列中提取與編碼端相一致的運動矢量信息，從而影響模型參數(shù)的預測。針對該問題，提出了基于視敏度信息的模型參數(shù)預測方法，從YUV視頻序列中提取時間域和空間域視敏度特征，并結(jié)合Q-STAR模型中提取的特征進行預測。通過實驗發(fā)現(xiàn)，使用視敏度信息代替原有的運動矢量信息進行預測，所得模型參數(shù)值與Q-STAR基本相符，并且計算更為簡單。

發(fā)表于：3/2/2017