女子张腿扒开看高潮视频,欧美精品黄色工厂

OpenStack云環(huán)境下多節(jié)點(diǎn)塊存儲(chǔ)研究[可編程邏輯][數(shù)據(jù)中心]

基于OpenStack本身的塊存儲(chǔ)設(shè)計(jì)，在云計(jì)算平臺(tái)中實(shí)現(xiàn)了多節(jié)點(diǎn)塊存儲(chǔ)的iSCSI SAN配置，為虛擬機(jī)提供了跨網(wǎng)段、跨節(jié)點(diǎn)的獨(dú)立塊存儲(chǔ)服務(wù)，并在不同節(jié)點(diǎn)間、虛擬機(jī)上分別對(duì)其進(jìn)行測(cè)試，對(duì)學(xué)習(xí)和實(shí)際構(gòu)建云平臺(tái)中跨網(wǎng)段多節(jié)點(diǎn)的塊存儲(chǔ)服務(wù)有參考價(jià)值。

發(fā)表于：12/15/2015

基于MapReduce和分布式緩存的KNN分類(lèi)算法研究[可編程邏輯][其他]

隨著大數(shù)據(jù)時(shí)代的到來(lái)，K最近鄰（KNN）算法較高的計(jì)算復(fù)雜度的弊端日益凸顯。在深入研究了KNN算法的基礎(chǔ)上，結(jié)合MapReduce編程模型，利用其開(kāi)源實(shí)現(xiàn)Hadoop，提出了一種基于MapReduce和分布式緩存機(jī)制的KNN并行化方案。該方案只需要通過(guò)Mapper階段就能完成分類(lèi)任務(wù)，減少了TaskTracker與JobTracker之間的通信開(kāi)銷(xiāo)，同時(shí)也避免了Mapper的中間結(jié)果在集群任務(wù)節(jié)點(diǎn)之間的通信開(kāi)銷(xiāo)。通過(guò)在Hadoop集群上實(shí)驗(yàn)，驗(yàn)證了所提出的并行化KNN方案有著優(yōu)良的加速比和擴(kuò)展性。

發(fā)表于：12/15/2015

一種存儲(chǔ)優(yōu)化的多模式匹配算法[嵌入式技術(shù)][工業(yè)自動(dòng)化]

AC（Aho-Corasick）自動(dòng)機(jī)是經(jīng)典的多模式匹配算法，但在模式串字符集較大的情況下，AC自動(dòng)機(jī)的存儲(chǔ)開(kāi)銷(xiāo)較大。為降低存儲(chǔ)開(kāi)銷(xiāo)提出了存儲(chǔ)優(yōu)化的多模式匹配算法SMMA，該算法在Trie樹(shù)建立階段利用正向表來(lái)存儲(chǔ)每個(gè)狀態(tài)的后續(xù)狀態(tài)指針以及失配指針，而無(wú)需存儲(chǔ)字符集所有字符的后繼指針，從而壓縮了每個(gè)狀態(tài)的儲(chǔ)存空間。實(shí)驗(yàn)表明，所提出的算法與AC自動(dòng)機(jī)算法在時(shí)間效率上相近，但極大地降低了存儲(chǔ)開(kāi)銷(xiāo)。

發(fā)表于：12/15/2015

基于自編碼器的評(píng)分預(yù)測(cè)算法[通信與網(wǎng)絡(luò)][工業(yè)自動(dòng)化]

評(píng)分預(yù)測(cè)是推薦系統(tǒng)的一個(gè)組成部分，通過(guò)一個(gè)實(shí)數(shù)表達(dá)對(duì)用戶(hù)的偏好進(jìn)行預(yù)測(cè)，在學(xué)術(shù)界被廣泛研究。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的特征提取能力，能獲取數(shù)據(jù)深層次的特征。使用神經(jīng)網(wǎng)絡(luò)中的一種網(wǎng)絡(luò)即自編碼器，通過(guò)擴(kuò)展使其具有處理像評(píng)分矩陣這種有缺失數(shù)據(jù)的矩陣的能力，并通過(guò)實(shí)驗(yàn)證明其預(yù)測(cè)結(jié)果與當(dāng)前主流的評(píng)分預(yù)測(cè)算法SVD的性能接近。

發(fā)表于：12/15/2015

基于CMM的隱患治理能力成熟度模型研究與應(yīng)用[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

為提升企業(yè)自身的隱患治理能力，借鑒軟件能力成熟度模型，提出了隱患治理能力成熟度的概念，建立隱患治理能力成熟度五級(jí)模型，構(gòu)建評(píng)估指標(biāo)體系，基于專(zhuān)家評(píng)估法和自組織特征映射神經(jīng)網(wǎng)絡(luò)提出組合評(píng)估方法。實(shí)驗(yàn)結(jié)果表明，所提出的模型與方法可實(shí)現(xiàn)智能化評(píng)估企業(yè)隱患治理能力，并為強(qiáng)化隱患排查治理長(zhǎng)效機(jī)制提供參考依據(jù)。

發(fā)表于：12/15/2015

以行車(chē)調(diào)度為中心的綜合監(jiān)控系統(tǒng)在開(kāi)放網(wǎng)絡(luò)環(huán)境中的安全性研究[通信與網(wǎng)絡(luò)][汽車(chē)電子]

探討了在城市軌道交通綜合自動(dòng)化系統(tǒng)中將傳統(tǒng)以電調(diào)、環(huán)調(diào)為核心的綜合監(jiān)控系統(tǒng)與信號(hào)系統(tǒng)中ATS系統(tǒng)集成后在開(kāi)放網(wǎng)絡(luò)環(huán)境下的安全性問(wèn)題，識(shí)別了關(guān)注的重點(diǎn)，給出了一個(gè)基于OPC UA的具體實(shí)現(xiàn)方案。最后給出了若干實(shí)施建議。

發(fā)表于：12/15/2015

(多圖) 關(guān)于防反接保護(hù)電路設(shè)計(jì)的討論[電源技術(shù)][汽車(chē)電子]

防反接保護(hù)電路1，通常情況下直流電源輸入防反接保護(hù)電路是利用二極管的單向?qū)щ娦詠?lái)實(shí)現(xiàn)防反接保護(hù)。如下圖1示：這種接法簡(jiǎn)單可靠，但當(dāng)輸入大電流的情況下功耗影響是非常大的。以輸入電流額定值達(dá)到2A,如選用Onsemi的快速恢復(fù)二極管 MUR3020PT，額定管壓降為0.7V，那么功耗至少也要達(dá)到：Pd＝2A×0.7V＝1.4W，這樣效率低，發(fā)熱量大，要加散熱器。 2,另外還可以用二極管橋?qū)斎胱稣?，這樣電路就永遠(yuǎn)有正確的極性(圖2)。這些方案的缺點(diǎn)是，二極管上的壓降會(huì)消耗能量。輸入電流為2A時(shí)，圖1中的電路功耗為1.4W，圖2中電路的功耗為2.8W。

發(fā)表于：12/15/2015

基于仿生機(jī)械臂的體態(tài)遙控與可視化系統(tǒng)設(shè)計(jì)[嵌入式技術(shù)][工業(yè)自動(dòng)化]

基于以Intel Atom E645C處理器為核心的嵌入式系統(tǒng)，采用多種虛擬現(xiàn)實(shí)和視覺(jué)傳感技術(shù)，設(shè)計(jì)了災(zāi)難救援機(jī)器人系統(tǒng)。實(shí)現(xiàn)了遠(yuǎn)程控制機(jī)械臂同步模擬人體手臂動(dòng)作的功能，以期能替代危險(xiǎn)環(huán)境下的人工作業(yè)。系統(tǒng)采用C/S模式，服務(wù)器平臺(tái)負(fù)責(zé)用戶(hù)手臂動(dòng)作信息的采集，客戶(hù)端平臺(tái)負(fù)責(zé)現(xiàn)場(chǎng)視頻的采集傳輸以及仿生機(jī)械手臂的控制。該系統(tǒng)很好地實(shí)現(xiàn)了預(yù)期功能，實(shí)時(shí)性和魯棒性較好。

發(fā)表于：12/15/2015

基于TMS320DM8168的RTSP服務(wù)器系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)[嵌入式技術(shù)][數(shù)據(jù)中心]

基于TMS320DM8168嵌入式平臺(tái)實(shí)現(xiàn)了RTSP流媒體服務(wù)器的設(shè)計(jì)，詳細(xì)分析了TMS320DM8168的軟硬件架構(gòu)、RTSP服務(wù)器的工作原理以及實(shí)現(xiàn)過(guò)程。以TMS320DM8168為核心，首先將采集的實(shí)時(shí)視頻數(shù)據(jù)進(jìn)行模數(shù)轉(zhuǎn)換、預(yù)處理、H.264編碼以及本地存儲(chǔ)，然后對(duì)H.264碼流進(jìn)行RTP封包，最后發(fā)送到網(wǎng)絡(luò)上進(jìn)行實(shí)時(shí)傳輸。經(jīng)測(cè)試，該系統(tǒng)能同時(shí)實(shí)現(xiàn)16路D1視頻的實(shí)時(shí)監(jiān)控并具有較好的實(shí)時(shí)性。

發(fā)表于：12/15/2015

基于社交媒體的在線評(píng)論感知有用性預(yù)測(cè)模型[通信與網(wǎng)絡(luò)][其他]

社交媒體的廣泛應(yīng)用使得人們獲取、分享信息更加便捷，在線評(píng)論是內(nèi)容共享型社交媒體的典型代表，能幫助消費(fèi)者快速制定購(gòu)買(mǎi)決策。依據(jù)信息經(jīng)濟(jì)學(xué)理論和信息采納模型，研究影響商品在線評(píng)論感知有用性的主要因素，構(gòu)建了在線商品評(píng)論感知有用性預(yù)測(cè)模型，并以亞馬遜網(wǎng)站上商品的實(shí)際評(píng)論數(shù)據(jù)進(jìn)行了實(shí)證分析。結(jié)果表明，評(píng)論深度、評(píng)論者可信度、評(píng)論情感傾向和評(píng)論及時(shí)性與感知有用性為正相關(guān)關(guān)系，并根據(jù)研究結(jié)果對(duì)電商企業(yè)管理提出相關(guān)建議。

發(fā)表于：12/14/2015

基于逐步回歸分析的話務(wù)預(yù)測(cè)研究[可編程邏輯][其他]

針對(duì)現(xiàn)有話務(wù)預(yù)測(cè)模型變量單一、預(yù)測(cè)誤差大等問(wèn)題引入了逐步回歸分析法；結(jié)合海河銀行信用卡呼叫中心實(shí)際需求，對(duì)話務(wù)數(shù)據(jù)進(jìn)行了抽取集成等預(yù)處理操作；隨之建立了各影響因素的一元回歸模型，并在此基礎(chǔ)上得到了多元逐步回歸的話務(wù)預(yù)測(cè)模型；最后將此建模方法與其他分析法進(jìn)行了綜合比較并給出評(píng)價(jià)。

發(fā)表于：12/14/2015

基于編碼驅(qū)動(dòng)的超聲波測(cè)深儀互相關(guān)算法研究[可編程邏輯][工業(yè)自動(dòng)化]

傳統(tǒng)的超聲波測(cè)深算法只能在較高信噪比環(huán)境下進(jìn)行有效測(cè)量，針對(duì)較深湖泊以及海洋深度測(cè)量中低信噪比特點(diǎn)，介紹了一種編碼驅(qū)動(dòng)的超聲波互相關(guān)測(cè)深算法。編碼互相關(guān)算法是一種有效估計(jì)渡越時(shí)間的方法。通過(guò)理論推導(dǎo)的方式證明了編碼互相關(guān)算法具有良好的抗干擾性能，經(jīng)過(guò)仿真論證了編碼互相關(guān)在測(cè)深方面的優(yōu)勢(shì)，并在實(shí)驗(yàn)中驗(yàn)證了該算法的可行性。

發(fā)表于：12/14/2015

基于軟件規(guī)模的需求優(yōu)先級(jí)排序方法應(yīng)用[可編程邏輯][其他]

針對(duì)當(dāng)前流行排序算法中只基于某種算法對(duì)需求進(jìn)行排序而沒(méi)有考慮項(xiàng)目實(shí)際規(guī)模的情況，提出了定性和定量分析確定需求優(yōu)先級(jí)的兩種思路。定性分析中研究了基于KANO模型確定優(yōu)先級(jí)的方法，定量分析中以AHP算法為基礎(chǔ)，將價(jià)值、費(fèi)用、風(fēng)險(xiǎn)等多種屬性的影響量化到需求優(yōu)先級(jí)排序中。結(jié)合某船廠信息管理系統(tǒng)利用AHP方法確定需求優(yōu)先級(jí)的案例討論，驗(yàn)證了該需求優(yōu)先級(jí)排序方法的可行性，解決了在資源有限的情況下如何確定需求優(yōu)先級(jí)并分步實(shí)施的問(wèn)題。

發(fā)表于：12/14/2015

適合近紅外光譜數(shù)據(jù)特征的降維方法對(duì)比分析[顯示光電][其他]

因近紅外光譜具有波長(zhǎng)點(diǎn)多、譜帶歸屬困難、光譜重疊嚴(yán)重及光譜分布結(jié)構(gòu)未知等問(wèn)題，在進(jìn)行近紅外光譜關(guān)鍵特征提取和數(shù)據(jù)特征空間映射時(shí)難以準(zhǔn)確獲知合適降維方法。為了解決該問(wèn)題，本文對(duì)比分析了典型線性和非線性降維方法，并用煙葉近紅外光譜數(shù)據(jù)從數(shù)據(jù)降維可視化和分類(lèi)準(zhǔn)確性識(shí)別率角度分別進(jìn)行了實(shí)驗(yàn)驗(yàn)證。結(jié)果表明，線性降維算法，特別是PCA、LDA算法，比較適合應(yīng)用于煙葉近紅外光譜降維分析中，非線性降維算法因其泛化學(xué)習(xí)能力與推廣能力差以及本征維數(shù)估計(jì)困難不適合應(yīng)用于近紅外光譜降維分析。

發(fā)表于：12/14/2015

兩足仿人機(jī)器人的設(shè)計(jì)與實(shí)現(xiàn)[嵌入式技術(shù)][工業(yè)自動(dòng)化]

采用模塊化的設(shè)計(jì)思想，設(shè)計(jì)了一個(gè)可靠的低價(jià)格雙足機(jī)器人平臺(tái)。首先簡(jiǎn)化機(jī)器人的空間運(yùn)動(dòng)和受力，通過(guò)分析和求解，得到與機(jī)器人平衡相關(guān)的各個(gè)關(guān)節(jié)的位移、角度等變量的關(guān)系；用C語(yǔ)言在CodeVsionAVR編譯器下開(kāi)發(fā)程序，選用1片ATmega128單片機(jī)來(lái)實(shí)時(shí)控制20個(gè)伺服舵機(jī)，并達(dá)到微秒級(jí)的控制精度。最終實(shí)現(xiàn)了兩足仿人機(jī)器人的各個(gè)關(guān)節(jié)的協(xié)調(diào)平穩(wěn)運(yùn)動(dòng)。

發(fā)表于：12/14/2015