永久免费在线,亚洲一区激情,日韩私人影院

基于殘差統(tǒng)計(jì)的時(shí)間序列加性離群點(diǎn)檢測(cè)算法研究

針對(duì)時(shí)間序列，提出了一種基于殘差統(tǒng)計(jì)的加性離群點(diǎn)檢測(cè)算法，利用AR模型對(duì)時(shí)間序列進(jìn)行前向與后向擬合；采用了數(shù)據(jù)相對(duì)變化率判別法減少離群點(diǎn)對(duì)擬合的影響；根據(jù)假設(shè)檢驗(yàn)原理，以高斯分布統(tǒng)計(jì)檢驗(yàn)對(duì)殘差進(jìn)行統(tǒng)計(jì)分析并最終確定離群點(diǎn)。仿真結(jié)果表明，該方法對(duì)離群點(diǎn)檢測(cè)有較高的準(zhǔn)確性。

發(fā)表于：1/12/2017

基于圖像塊分類(lèi)處理的快速單圖超分辨率重建

基于稀疏編碼的單幅圖像超分辨率重建效果較好，但其計(jì)算量大、計(jì)算復(fù)雜，較低的超分速度阻礙了實(shí)時(shí)應(yīng)用。為提高超分速度，提出一種基于圖像塊處理的快速超分辨率重建算法。先將特征提取后的圖像塊用均值和方差對(duì)分成3類(lèi)，再分別運(yùn)用不同的方法對(duì)圖像塊進(jìn)行超分處理，如雙三次插值（Bicubic）、鄰域嵌入（NE）和稀疏編碼超分法（SCSR）等。另外還運(yùn)用主成分分析法（PCA）對(duì)圖像塊進(jìn)行降維。實(shí)驗(yàn)中與經(jīng)典的SCSR方法相比較，在獲得幾乎相同的PSNR值時(shí)，超分耗時(shí)減少了17.2 s。新方法的超分效果與經(jīng)典的NE和SCSR方法處于同一水平，超分速度得到了較顯著的提高。

發(fā)表于：1/12/2017

面向車(chē)間布局的自適應(yīng)LANDMARC算法

在車(chē)間定位中，運(yùn)用基于有源射頻識(shí)別校驗(yàn)的動(dòng)態(tài)定位（LANDMARC）算法時(shí)，由于車(chē)間障礙物引起的多徑效應(yīng)和邊界處參考標(biāo)簽數(shù)量不足，算法無(wú)法正確選擇參考標(biāo)簽中的最近鄰，對(duì)此，提出一種面向車(chē)間布局的自適應(yīng)LANDMARC算法。首先引入對(duì)數(shù)距離路徑損耗模型處理RFID讀寫(xiě)器接收信號(hào)強(qiáng)度指示（RSSI），再通過(guò)對(duì)比法篩選出參考標(biāo)簽有效值以及插值法在邊界插入虛擬標(biāo)簽。對(duì)比傳統(tǒng)LANDMARC算法，將定位平均誤差從0.39 m降低到0.16 m，證明了自適應(yīng)LANDMARC算法的有效性。

發(fā)表于：1/12/2017

一種基于FPGA實(shí)現(xiàn)的優(yōu)化正交匹配追蹤算法設(shè)計(jì)

針對(duì)壓縮感知重構(gòu)算法中正交匹配追蹤(OMP)算法在每次迭代中不能選取最優(yōu)原子問(wèn)題，對(duì)OMP算法進(jìn)行優(yōu)化設(shè)計(jì)，保證了每次迭代的當(dāng)前觀測(cè)信號(hào)余量最小，并提出了一種基于FPGA 實(shí)現(xiàn)的優(yōu)化OMP算法硬件結(jié)構(gòu)設(shè)計(jì)。在矩陣分解部分采用了修正喬列斯基(Cholesky)分解方法，回避開(kāi)方運(yùn)算，以減少計(jì)算延時(shí)，易于FPGA實(shí)現(xiàn)。整個(gè)系統(tǒng)采用并行計(jì)算、資源復(fù)用技術(shù)，在提高運(yùn)算速度的同時(shí)減少資源利用。在Quartus II 開(kāi)發(fā)環(huán)境下對(duì)該設(shè)計(jì)進(jìn)行了RTL 級(jí)描述，并在FPGA仿真平臺(tái)上進(jìn)行仿真驗(yàn)證。仿真結(jié)果驗(yàn)證了設(shè)計(jì)的正確性。

發(fā)表于：1/12/2017

基于Django框架的故障診斷和安全評(píng)估平臺(tái)

符號(hào)有向圖（SDG）作為一種定性研究方法，在系統(tǒng)推理和圖形繪制上有待改進(jìn)。詳細(xì)描述了計(jì)算機(jī)輔助下的SDG故障診斷和安全評(píng)估平臺(tái)的開(kāi)發(fā)過(guò)程。平臺(tái)的開(kāi)發(fā)基于開(kāi)源Django框架，具有搭建維護(hù)簡(jiǎn)單、操作方便、易于二次開(kāi)發(fā)等特點(diǎn)；利用分層SDG模型和新的推理算法實(shí)現(xiàn)對(duì)系統(tǒng)的故障診斷和安全評(píng)估，支持故障傳播路徑查詢(xún)和分層SDG的自動(dòng)繪制。以田納西-伊斯曼過(guò)程（TEP）為例，對(duì)平臺(tái)的有效性進(jìn)行驗(yàn)證，結(jié)果證明平臺(tái)推理結(jié)果完備、有效，具有實(shí)際應(yīng)用的前景。

發(fā)表于：1/12/2017

基于PBBShift的ROI編碼方法

為使觀察者提早了解圖像的大致情況，提出了基于部分背景位平面位移(PBBShift)的感興趣區(qū)域(ROI)編碼方法。該方法將背景(BG)位平面分為兩部分，編碼時(shí)下移剩余的BG位平面，解碼時(shí)可優(yōu)先傳輸ROI系數(shù)和重要的BG系數(shù)，然后傳輸剩余的BG系數(shù)。實(shí)驗(yàn)證明，該方法在低碼率下，ROI和BG質(zhì)量相差無(wú)幾；在高碼率下，ROI獲得比BG更好的質(zhì)量。改進(jìn)的方法在帶寬受限的網(wǎng)絡(luò)中有很大的實(shí)用價(jià)值。

發(fā)表于：1/12/2017

發(fā)力ARM服務(wù)器芯片市場(chǎng) 高通底氣何在

在服務(wù)器CPU市場(chǎng)，英特爾架構(gòu)一枝獨(dú)秀，市場(chǎng)份額已連續(xù)多年超過(guò)90%；POWER和SPARC雖然難挽下滑趨勢(shì)，但在關(guān)鍵任務(wù)領(lǐng)域仍有用武之地；幾乎已經(jīng)退出歷史舞臺(tái)的Alpha架構(gòu)得益于在中國(guó)超算“神威·太湖之光”中的大量應(yīng)用，被注入了一支強(qiáng)心劑。

發(fā)表于：1/11/2017

不同運(yùn)算機(jī)制下FFT計(jì)算精度分析

主要研究定點(diǎn)、塊浮點(diǎn)和浮點(diǎn)運(yùn)算機(jī)制下，頻域抽取基4算法的精度問(wèn)題。首先分析了定點(diǎn)、塊浮點(diǎn)、浮點(diǎn)等運(yùn)算機(jī)制下，基4算法基本運(yùn)算單元中數(shù)據(jù)不同表現(xiàn)形式及輸出截位規(guī)則。然后利用MATLAB平臺(tái)建立了定點(diǎn)與塊浮點(diǎn)FFT仿真模型，以噪信比作為FFT輸出精度指標(biāo)，研究輸出精度與輸入信號(hào)范圍、算法參數(shù)之間的關(guān)系。仿真表明，輸入為隨機(jī)序列時(shí)，定點(diǎn)與塊浮點(diǎn)FFT輸出噪信比與輸入信號(hào)幅值范圍、輸入序列長(zhǎng)度及算法輸入位寬有關(guān)。此結(jié)論可用以解決實(shí)際工程中小信號(hào)頻譜失真問(wèn)題，在工程分析與設(shè)計(jì)中具有重要參考價(jià)值。

發(fā)表于：1/10/2017

神秘Master就是AlphaGo，谷歌人工智能又上新臺(tái)階?

1月4日晚，在網(wǎng)絡(luò)上連續(xù)取得了59場(chǎng)勝利的輝煌戰(zhàn)績(jī)后，Master在聊天頻道中突然自稱(chēng)就是“AlphaGo的黃博士”，同時(shí)還表示“希望大家這陣子，都享受Master的棋局”。

發(fā)表于：1/6/2017

面向物聯(lián)網(wǎng)的SM4算法輕量級(jí)實(shí)現(xiàn)

SM4算法是我國(guó)公布的第一個(gè)商用分組密碼算法，目前已經(jīng)得到了廣泛的應(yīng)用。為更好地適應(yīng)物聯(lián)網(wǎng)中資源受限設(shè)備處理能力低、存儲(chǔ)空間小等特點(diǎn)，設(shè)計(jì)并實(shí)現(xiàn)了基于資源重用的SM4算法輕量級(jí)處理架構(gòu)。子密鑰擴(kuò)展和輪函數(shù)交替使用核心電路完成子密鑰生成及加/解密運(yùn)算，無(wú)需額外存儲(chǔ)32輪迭代所需子密鑰。密鑰存儲(chǔ)和檢測(cè)電路以及可正/逆序生成固定參數(shù)的實(shí)時(shí)生成電路，可大幅提高解密處理效率。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的輕量級(jí)處理架構(gòu)資源占用小、品質(zhì)因數(shù)高，非常適合于在物聯(lián)網(wǎng)中資源受限設(shè)備上使用，具有廣闊的應(yīng)用前景。

發(fā)表于：1/4/2017

決策森林研究綜述

隨著經(jīng)濟(jì)與社會(huì)的發(fā)展，數(shù)據(jù)挖掘技術(shù)廣泛應(yīng)用到各個(gè)領(lǐng)域，其中分類(lèi)算法中的決策森林（Decision Forest）成為一個(gè)研究熱點(diǎn)。決策森林算法是一種包含多個(gè)決策樹(shù)分類(lèi)器的統(tǒng)計(jì)學(xué)習(xí)理論，能較好地處理噪聲且避免發(fā)生過(guò)擬合。針對(duì)幾種典型的決策森林算法，闡述了其原理和算法的特點(diǎn)，并從決策森林的構(gòu)建過(guò)程出發(fā)，系統(tǒng)地分析和總結(jié)了國(guó)內(nèi)外現(xiàn)有的決策森林算法。在此基礎(chǔ)上，詳細(xì)說(shuō)明了在面對(duì)大數(shù)據(jù)時(shí)應(yīng)用決策森林進(jìn)行分布式計(jì)算的處理過(guò)程。通過(guò)比較，總結(jié)出了各種決策森林算法的適用范圍。

發(fā)表于：1/3/2017

投資240億美元國(guó)家存儲(chǔ)器基地在武漢開(kāi)工

總投資240億美元的國(guó)家存儲(chǔ)器基地項(xiàng)目近日在武漢東湖高新區(qū)正式開(kāi)工。2020年全面建成后，年產(chǎn)值將超過(guò)100億美元，實(shí)現(xiàn)我國(guó)集成電路存儲(chǔ)芯片產(chǎn)業(yè)規(guī)?；l(fā)展“零”的突破。

發(fā)表于：1/3/2017

2017年最佳網(wǎng)絡(luò)技術(shù)獎(jiǎng)獲得者是…

隨著新的計(jì)算、儲(chǔ)存與網(wǎng)絡(luò)技術(shù)陸續(xù)在2017年出現(xiàn)，觀察這場(chǎng)誰(shuí)勝誰(shuí)敗的戲碼將更加耐人尋味…

發(fā)表于：1/2/2017

三維點(diǎn)云配準(zhǔn)約束條件綜述

點(diǎn)云配準(zhǔn)是通過(guò)匹配具有重疊部分的數(shù)據(jù)集，將不同坐標(biāo)下的三維數(shù)據(jù)集變換到同一坐標(biāo)系下，得到旋轉(zhuǎn)變換矩陣和平移向量。通過(guò)各種約束條件，建立適當(dāng)?shù)哪Ｐ?。剛性配?zhǔn)在變換過(guò)程中不會(huì)發(fā)生形變，而非剛性配準(zhǔn)需要考慮形變等問(wèn)題。剛性配準(zhǔn)和非剛性配準(zhǔn)在約束條件上有所不同，文章從特征、顯著性、正則化等約束條件，對(duì)剛性和非剛性配準(zhǔn)約束條件進(jìn)行了研究討論。

發(fā)表于：12/30/2016

自適應(yīng)S變換在故障測(cè)距的應(yīng)用研究

S變換因其優(yōu)良的時(shí)頻特性而在故障定位方面獲得了廣泛的應(yīng)用，但由于S變換計(jì)算時(shí)采用等間隔采樣頻率點(diǎn)，因而計(jì)算量較大，且存在運(yùn)算速度和測(cè)距精度之間的矛盾，即為了提高測(cè)距精度必須提高采樣頻率，但提高采樣頻率就會(huì)降低算法的運(yùn)算速度，降低了實(shí)時(shí)性。為此文章提出了一種自適應(yīng)于測(cè)距信號(hào)的S變換，該算法針對(duì)信號(hào)的特定成分進(jìn)行時(shí)頻分析，在提高測(cè)距精度的基礎(chǔ)上，減少了算法運(yùn)算量，保證了系統(tǒng)的實(shí)時(shí)性。并對(duì)包含噪聲情況下該方法的準(zhǔn)確度進(jìn)行了分析驗(yàn)證。實(shí)驗(yàn)結(jié)果證明，自適應(yīng)S變換在保證系統(tǒng)實(shí)時(shí)性的前提下能夠有效提高測(cè)距精度。

發(fā)表于：12/30/2016