国产五月天视频在线观看,久久久久久九九九九,99精品国产自在现在现拍官方

衛(wèi)星通信近期發(fā)展綜述[微波|射頻][航空航天]

隨著對(duì)無所不在的通信需求和高數(shù)據(jù)率通信業(yè)務(wù)的不斷增長，衛(wèi)星通信所具有的無縫覆蓋和通信容量大的優(yōu)勢(shì)將在新一代通信系統(tǒng)中發(fā)揮關(guān)鍵性的作用，衛(wèi)星通信技術(shù)和信息通信產(chǎn)業(yè)也正在發(fā)生巨大的變革。對(duì)近年來衛(wèi)星通信新技術(shù)和發(fā)展熱點(diǎn)作了全面的綜述，總結(jié)了多波束天線、星上處理的發(fā)展?fàn)顩r和衛(wèi)星頻譜資源的使用情況，概述了星地融合通信和衛(wèi)星寬帶通信并分析了發(fā)展中面臨的挑戰(zhàn)，展望了衛(wèi)星通信的發(fā)展前景。

發(fā)表于：9/5/2016

統(tǒng)計(jì)關(guān)聯(lián)規(guī)則決策樹在醫(yī)療數(shù)據(jù)中的應(yīng)用[嵌入式技術(shù)][醫(yī)療電子]

提出一種基于統(tǒng)計(jì)關(guān)聯(lián)規(guī)則的增量決策樹分類算法，稱為SARMT(Statistic Association Rules Miner Tree），它基于快速?zèng)Q策樹(Very Fast Decision Tree,VFDT)技術(shù)來挖掘醫(yī)療數(shù)據(jù)。與VFDT不同，改進(jìn)的SARMT算法不依賴于樣本分裂節(jié)點(diǎn)的數(shù)量。在醫(yī)療大數(shù)據(jù)中，通常缺少大量可用的數(shù)據(jù)樣本，因此SARMT算法更加適用于醫(yī)療環(huán)境中。將SARMT算法和VFDT算法應(yīng)用于不同的三個(gè)醫(yī)療數(shù)據(jù)集上，實(shí)驗(yàn)結(jié)果表明在執(zhí)行時(shí)間相當(dāng)?shù)那闆r下， SARMT算法在處理醫(yī)療數(shù)據(jù)中有更高的準(zhǔn)確率。

發(fā)表于：9/2/2016

一種基于影視素材本體的關(guān)鍵詞查詢擴(kuò)展方法研究[嵌入式技術(shù)][其他]

在語義搜索引擎系統(tǒng)中，為了使檢索內(nèi)容在不限制用戶輸入的情況下，檢索結(jié)果更接近用戶的需求，提出一種基于影視素材本體的查詢擴(kuò)展方法。對(duì)用戶的檢索文本中的關(guān)鍵詞依據(jù)本體模型進(jìn)行推理并按照相似度語義擴(kuò)展，旨在得到更符合用戶檢索需求的擴(kuò)展關(guān)鍵詞集，在此基礎(chǔ)上進(jìn)行影視素材的檢索，從而提高搜索引擎的召回率。

發(fā)表于：9/2/2016

高人詳解FPGA學(xué)習(xí)的四大要點(diǎn)！[可編程邏輯][其他]

FPGA為什么是可以編程的？恐怕很多菜鳥不知道，他們也不想知道。因?yàn)樗麄冇X得這是無關(guān)緊要的。他們潛意識(shí)的認(rèn)為可編程嘛，肯定就是像寫軟件一樣啦。軟件編程的思想根深蒂固，看到Verilog或者VHDL就像看到C語言或者其它軟件編程語言一樣。一條條的讀，一條條的分析。如果這些菜鳥們始終拒絕去了解為什么FPGA是可以編程的，不去了解FPGA的內(nèi)部結(jié)構(gòu)，要想學(xué)會(huì)FPGA恐怕是天方夜譚。

發(fā)表于：9/2/2016

基于混合高斯模型的物體成分?jǐn)M合方法[嵌入式技術(shù)][數(shù)據(jù)中心]

為了尋求代價(jià)更小、效率更高、適應(yīng)性更強(qiáng)的圖像原型表征方法，借鑒成分識(shí)別理論的觀點(diǎn)，設(shè)計(jì)出一種更符合人類認(rèn)知原理、更具有可理解性的物體擬合算法。利用二維高斯混合函數(shù)，用高斯成分來擬合物體的邊緣圖像，使得物體的表征由單一的像素表示轉(zhuǎn)變?yōu)槔贸煞诌M(jìn)行表征的方式。為了使得擬合結(jié)果更具有健壯性，在算法中還引入了分裂-歸約機(jī)制來對(duì)擬合結(jié)果進(jìn)行修正。實(shí)驗(yàn)結(jié)果表明，這種擬合手段能夠很好地描述物體的特征成分，為圖像進(jìn)行后期的高級(jí)語義處理奠定了基礎(chǔ)。

發(fā)表于：9/2/2016

基于Copula函數(shù)的列車減振器蛻化率估計(jì)[嵌入式技術(shù)][汽車電子]

為了準(zhǔn)確估計(jì)高速列車轉(zhuǎn)向架關(guān)鍵部件的機(jī)械磨損程度，提出了一種基于Copula函數(shù)的抗蛇行減振器阻尼參數(shù)蛻化率估計(jì)方法。該方法以高速列車抗蛇行減振器阻尼系數(shù)在不同蛻化率下的振動(dòng)信號(hào)為研究對(duì)象，經(jīng)過小波包濾波后，通過泛化高斯分布對(duì)各信號(hào)的邊緣分布進(jìn)行擬合，并使用Gaussian Copula函數(shù)構(gòu)建不同蛻化率下的信號(hào)與車輛正常時(shí)信號(hào)的聯(lián)合概率密度函數(shù)。提取聯(lián)合概率密度函數(shù)的均值作為特征，并對(duì)目標(biāo)信號(hào)的蛻化率進(jìn)行估計(jì)。對(duì)某型高速列車轉(zhuǎn)向架抗蛇行減振器不同參數(shù)蛻化率的振動(dòng)信號(hào)進(jìn)行實(shí)驗(yàn)，并與真實(shí)值進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明，在200 km/h速度下，實(shí)驗(yàn)誤差均在范圍內(nèi)，表明了該方法的有效性。

發(fā)表于：9/2/2016

HEVC中Merge模式候選決策的探究和優(yōu)化[嵌入式技術(shù)][其他]

針對(duì)Merge模式中存在的運(yùn)算時(shí)間長且計(jì)算復(fù)雜度高的問題，通過對(duì)候選PU的合并過程進(jìn)行研究，提出了優(yōu)化的候選決策算法?；跁r(shí)域候選和空域候選決策算法在不同情況下對(duì)當(dāng)前塊的影響程度不同，自適應(yīng)地改變候選決策列表來減少計(jì)算復(fù)雜度和提高預(yù)測精度。與標(biāo)準(zhǔn)算法相比，該算法在視頻序列的PSNR值略有增高、碼率減少的情況下，編碼時(shí)間得到有效減少。而且該算法在提高HEVC編碼率失真性能的同時(shí)有效降低了計(jì)算復(fù)雜度。

發(fā)表于：9/1/2016

HEVC中Merge模式候選決策的探究和優(yōu)化[嵌入式技術(shù)][其他]

針對(duì)Merge模式中存在的運(yùn)算時(shí)間長且計(jì)算復(fù)雜度高的問題，通過對(duì)候選PU的合并過程進(jìn)行研究，提出了優(yōu)化的候選決策算法。基于時(shí)域候選和空域候選決策算法在不同情況下對(duì)當(dāng)前塊的影響程度不同，自適應(yīng)地改變候選決策列表來減少計(jì)算復(fù)雜度和提高預(yù)測精度。與標(biāo)準(zhǔn)算法相比，該算法在視頻序列的PSNR值略有增高、碼率減少的情況下，編碼時(shí)間得到有效減少。而且該算法在提高HEVC編碼率失真性能的同時(shí)有效降低了計(jì)算復(fù)雜度。

發(fā)表于：9/1/2016

B類AIS信息介紹及其解碼顯示[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

在內(nèi)河和近海區(qū)域中大多數(shù)中小船舶已經(jīng)安裝B類AIS船載設(shè)備。詳細(xì)介紹了B類AIS信息，重點(diǎn)描述了B類CS型AIS具有的特點(diǎn)，并深入研究了AIS信息的報(bào)文結(jié)構(gòu)，利用新的算法對(duì)報(bào)文解碼，將解碼后的AIS船舶作為新的圖層以船舶圖形化的方式顯示在地圖上，實(shí)現(xiàn)了船舶相關(guān)信息的查詢，方便VTS對(duì)接收到的船舶實(shí)時(shí)監(jiān)測。

發(fā)表于：9/1/2016

基于FPGA+TCAM架構(gòu)的網(wǎng)絡(luò)分流系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

：網(wǎng)絡(luò)流量分類技術(shù)為網(wǎng)絡(luò)服務(wù)提供有力保障，在網(wǎng)絡(luò)行為分析和網(wǎng)絡(luò)監(jiān)管方面發(fā)揮重要作用。設(shè)計(jì)并實(shí)現(xiàn)了一種基于FPGA+TCAM架構(gòu)的網(wǎng)絡(luò)分流系統(tǒng)，接入高速網(wǎng)絡(luò)信號(hào)，恢復(fù)數(shù)據(jù)流信息，并對(duì)其進(jìn)行分流管理。解決了傳統(tǒng)網(wǎng)絡(luò)分流系統(tǒng)接入速率不高，分流效果差的問題。最后對(duì)系統(tǒng)平臺(tái)進(jìn)行了測試，測試結(jié)果表明，該系統(tǒng)具備在高速網(wǎng)絡(luò)環(huán)境下數(shù)據(jù)流實(shí)時(shí)分流處理的能力。

發(fā)表于：9/1/2016

基于接收端信號(hào)的水聲網(wǎng)絡(luò)MAC協(xié)議[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

水聲網(wǎng)絡(luò)的信道具有數(shù)據(jù)速率低以及傳播時(shí)延長的特點(diǎn)，如果采用握手機(jī)制減少數(shù)據(jù)沖突，將降低信道利用率和網(wǎng)絡(luò)的吞吐量。提出了一種基于接收節(jié)點(diǎn)發(fā)送短信號(hào)告知鄰居節(jié)點(diǎn)其接收狀態(tài)的水聲網(wǎng)絡(luò)MAC協(xié)議，即當(dāng)接收節(jié)點(diǎn)接收數(shù)據(jù)時(shí)，向鄰居節(jié)點(diǎn)發(fā)送短信號(hào)通知其當(dāng)前時(shí)刻不要發(fā)送數(shù)據(jù)，解決了隱藏終端和暴露終端的問題，并提高了網(wǎng)絡(luò)吞吐量；除此之外，使用短信號(hào)還能夠降低能量損耗。仿真結(jié)果表明該協(xié)議能夠?qū)崿F(xiàn)上述目的。

發(fā)表于：9/1/2016

基于DTBNN的雙閾值圖像分割方法[嵌入式技術(shù)][其他]

為了能夠?qū)崿F(xiàn)動(dòng)態(tài)無灰度特征峰值的圖像分割，提出一種基于決策樹的神經(jīng)網(wǎng)絡(luò)(Decision Tree Based Neural Network，DTBNN)雙閾值圖像分割方法。該方法首先運(yùn)用決策樹與神經(jīng)網(wǎng)絡(luò)的對(duì)應(yīng)關(guān)系，構(gòu)建出穩(wěn)定、訓(xùn)練高效的神經(jīng)網(wǎng)絡(luò)；然后通過實(shí)驗(yàn)采集的圖像提取圖像灰度均值，最大灰度偏差與閾值映射函數(shù)作為樣本數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)；最后采用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)被測圖像進(jìn)行閾值映射函數(shù)篩選，并計(jì)算出被測圖像的上下灰度閾值，完成對(duì)圖像的雙閾值分割。仿真實(shí)驗(yàn)表明，該方法不依賴于灰度直方圖的峰值特征并能獲取較好的上下限分割閾值，與最大類間方差雙閾值法和最大熵雙閾值法比較，能夠在動(dòng)態(tài)圖像中實(shí)現(xiàn)雙閾值分割。

發(fā)表于：9/1/2016

基于類圓目標(biāo)歸一化的木材切面輪廓檢測方法[顯示光電][其他]

在材積檢測系統(tǒng)中,對(duì)木材切面輪廓精確檢測是一大難點(diǎn),該文采用首先局部二值化圖像,并且尋找切面最大內(nèi)接圓初步確定切面中心以及類圓半徑,然后將類圓切面歸一化為矩形,在矩形上根據(jù)灰度信息尋找切面輪廓邊緣點(diǎn),通過歸一化后的邊緣計(jì)算原圖木材切面邊緣。實(shí)驗(yàn)結(jié)果表明，該方法能夠精確檢測木材切面任意輪廓,在實(shí)時(shí)性要求不高的情況下相比用圓或橢圓檢測的傳統(tǒng)算法在精度上有顯著提高。

發(fā)表于：9/1/2016

一種基于人臉分割的PCA和SVM人臉識(shí)別方法[嵌入式技術(shù)][其他]

基于PCA 和SVM提出了一種新的人臉分割法，將雙眼、額頭、鼻子、嘴等可以明顯表征人臉的六類特征提取出來，舍棄雙頰以及耳朵等特征量少的部位。融合上述人臉的特征識(shí)別結(jié)果，運(yùn)用支持向量機(jī)的方法進(jìn)行分類識(shí)別，實(shí)驗(yàn)結(jié)果表明，文章所提出的PCA與SVM融合的新的人臉分割方法能有效地對(duì)人臉進(jìn)行分類，極大地提升識(shí)別率。

發(fā)表于：9/1/2016

基于ASIFT算法特征匹配的研究[嵌入式技術(shù)][其他]

針對(duì)SIFT算法對(duì)大角度視角變化下特征提取魯棒性不強(qiáng)的弱點(diǎn)，引入了一種完全仿射不變的圖像特征匹配算法—ASIFT。ASIFT算法不僅繼承了SIFT算法的尺度、旋轉(zhuǎn)和平移的不變性，并且在此基礎(chǔ)上增加了兩個(gè)空間特征描述參數(shù)：經(jīng)度和緯度，從而定義出度量仿射形變的兩個(gè)參量絕對(duì)傾斜t（absolute tilt）和過渡傾斜τ（transition tilt），模擬相機(jī)光軸變化，實(shí)現(xiàn)完全仿射不變。一種雙分辨率（two-resolution）加速方法的提出，使ASIFT算法的復(fù)雜度約為SIFT的2倍。

發(fā)表于：9/1/2016