DW中图层的相对定位

本文结合工作实际,针对网页在分辨率改变时图层错位现象首先提出问题,其次对其产生的原因进行了分析,最后提出解决问题的方法。     

妙用“相对”实现网页图层位置定位

在网页制作中,我们常会遇到这样的问题:图片分辨率一旦变大、窗口最大化之后,图层就错位了。而使用菜单插入层的时候,这个层就会与它的上级元素相对定位,一旦移动它,它就会马上变成绝对定位。这个问题虽小,但在实际应用过程中还是会给网页设计者带来一些麻烦。     

探悉绝对定位和相对定位在网页中的应用

CSS中的position属性可以控制一个网页浏览器在任何位置显示特定的元素。本文探讨的是position属性中绝对定位和相对定位方式在网页中的应用。     

移动网络相对定位算法研究

节点的相对定位是移动网络路由中一个重要的问题.定位算法的优劣直接关系到基于位置的路由算法性能.在引入三角定位算法和伪距定位算法的基础上,对节点的相对定位进行了研究,并提出了将两种算法相结合的定位思想.它以三角定位算法为基础,辅以伪距定位算法,从而提高了定位的精度.     

基于声音的分布式多机器人相对定位

提出了一种基于声音的分布式多机器人相对定位方法.首先,每个机器人通过声源定位算法估计发声机器人在其局部坐标系下的坐标;然后,每个机器人（不含发声机器人）通过无线通信方式将发声机器人在其坐标系下的坐标广播给所有其他机器人,通过坐标变换每个机器人可计算出所有其他机器人在其坐标系下的坐标,从而实现分布式相对定位.理论推导及实验证明只要两个机器人先后发声,通过本文所提方法即可实现多机器人相对定位.室内外环境中采用6个自制小型移动机器人实验表明,所提方法在3米的范围内可实现16厘米的相对定位精度.     

基于VANET的车辆相对定位技术

为了满足VANET(Vehicular Ad-hoc Network)中对车辆位置信息的高精度要求,本文研究了一种基于全球定位系统(Global Positioning System,GPS)伪距双差和有高精度里程仪的惯性导航(Inertial Navigation Systems,INS)的协作相对定位方法。通过数据融合技术,将GPS伪距双差、GPS信号的多普勒频移以及被高精度里程仪修正后的INS加速度等数据进行融合处理,获得具有良好精度的相对定位结果。结果表明,使用该方法的定位性能优于无里程仪和INS的定位性能。     

MDS与三边定位相结合的多点相对定位算法

结合当下导航系统对备份导航的需求,为了完善备份导航体系,针对拒止环境下网络集群定位算法开展相关研究,以MDS为基础研究相关的定位方法,推导了MDS用于集群定位的过程,分析了传统MDS用于网络集群定位的局限和不足,提出了一种MDS和三边定位相结合的网络定位方法,根据传统MDS对节点间距离的需求特性,用三边定位弥补缺失的距离信息,对相应的定位原理进行了论述,既减小了MDS中使用最短路径带来的观测误差,也减小了三边定位中的观测误差的传递层数,从而提高了定位精度。通过对不同分布环境条件下进行仿真验证了该方法的正确性与可行性,对比分析了该算法较之传统MDS定位的优越性,并从算法的复杂度和资源消耗等方面提出了该方法后续的优化方向。     

基于聚类的无线传感器网络相对定位算法

提出一种基于聚类的无限传感器网络相对定位算法,包括3个步骤,即将网络分簇、各簇建立局部坐标系并计算簇内节点自身在局部坐标系内位置以及各局部坐标系合并成全局坐标系。仿真结果表明,与SDGPSN算法相比,该算法通信和时间开销更少,更适用于能量受限、规模大的无线传感器网络。     

PHOTOSHOP中图层、蒙版和通道的教学探讨

Photoshop是深受广大学生青睐的一门课程,但Photoshop也是一门较难掌握的课程。文章就学习过程中较难掌握的几类技术:图层技术、蒙版技术、通道技术以及综合运用技术进行了阐述。     

用于无线Ad Hoc网络中的的相对GPS定位方法

针对无线Ad Hoc网络节点定位中采用单点GPS定位方法精度不高的问题,提出一种相对GPS方法。在控制网络中,各节点在同一时刻采用相同的卫星组合进行GPS定位并计算节点间的相对位置,可以大大消除定位的系统误差,提高相对定位精度。由于不需要固定基站,该方法适合于移动Ad Hoc网络节点定位的应用。在Zigbee无线网络平台上对本该方法进行实现与验证,实测结果表明,该方法可以将节点定位精度控制在5 m以内。     

基于节点相对位置信息的Overlay匹配方法研究

在Overlay中,由于底层物理网络和Overlay的拓扑失配问题而产生了大量冗余网络负载。为降低因拓扑失配带来的冗余网络负载,本文提出了节点相对位置信息的Overlay匹配方法。其核心思想是通过比较待加入节点到服务器的路由与其他已加入节点与服务器的路由之间的相似性来推测出与待加入节点邻近的节点。由于这种邻居节点选择策略是基于物理网络为基础,因此能够很好地解决拓扑失配的问题。实验数据表明,基于路由匹配的方法可以较好地做到上层的Overlay与底层的物理网络是拓扑匹配的。     

Adaptive Iterated Extended KALMAN Filter for Relative Spacecraft Attitude and Position Estimation

This paper presents a novel adaptive iterated extended Kalman filter (AIEKF) for relative position and attitude estimation, taking into account the influence of model uncertainty. Considering a nonlinear stochastic discrete‐time system with unknown disturbance, the AIEKF algorithm adopts the Gauss‐Newton iterative optimization steps to implement a maximum a posteriori (MAP) estimation, and the switch‐mode combination technique is used to achieve the adaptive capability. The mean‐square estimation error (MSE) of the state estimate is derived. It is proved that the AIEKF can yield a smaller MSE than that of the traditional extended Kalman filter (EKF) or iterated extended Kalman filter (IEKF). The performance advantage of the AIEKF is illustrated via Monte Carlo simulations on a typical relative position and attitude estimation application. Through comparisons in different scenarios, the presented algorithm is shown to improve adaptability and ensure estimation accuracy.     

相对位置乐观锁机制及在协同编辑中的应用

为了满足实时协同编辑对快速响应、无约束协作的要求,提出了一种基于相对位置的乐观锁机制并发控制算法．该算法引入了编辑锁和读锁,并对加锁的起始位置和编辑操作位置用相对位置表示,当锁申请成功将写进锁表或者操作发送到各协作结点时,再把它们转换成绝对位置,加锁的粒度可根据编者的需要任意选择,编者在加锁请求获得确认前,可预先进行编辑操作．应用实例表明：该算法既保证了数据维护的一致性,又具有快速响应性．     

纳米厚度牺牲层腐蚀速率研究

通过大量的实验研究,建立了一套纳米量级牺牲层腐蚀行为的实验研究方法.对牺牲层厚度对腐蚀速率的影响进行了详细地研究,并得到了如下结论:当牺牲层厚度达到微米量级时,其腐蚀速率随着牺牲层厚度的增大而加快,但当其达到纳米量级时,由于固体表面存在的静电荷而产生双电层效应,这种效应对腐蚀速率的影响超过了牺牲层厚度的影响,最终使得腐蚀速率和牺牲层厚度无关.     

基于单领航者相对位置测量的多AUV协同导航系统定位性能分析

自主水下航行器 (Autonomous underwater vehicle, AUV) 的协同导航是解决水下导航定位问题的重要方法, 其中导航系统的定位误差增长特性是衡量其定位性能的关键指标. 本文针对单领航者相对位置测量的多 AUV 协同导航系统, 利用扩展卡尔曼滤波方法建立了导航系统的整体定位误差关于相对位置量测误差的传递方程. 在此基础上, 通过求解系统定位误差随时间演化的代数黎卡提方程, 得到了其在稳态情形下的方差上界估计. 理论分析表明, 单领航 AUV 协同导航系统的整体定位误差有界收敛且与初始化滤波方差无关, 具有良好的综合性能. 最后, 仿真实例验证了文中理论分析结果的正确性.     

基于相对位置的分布式实时协同编辑乐观锁并发控制算法

实时分布式协同编辑系统是计算机支持的协同工作的典型应用系统,不少学者对其进行了大量的研究,其难点是协作编辑的一致性、实时性和无约束性。因此,并发控制始终是它的研究热点,目前已提出的协同编辑的并发控制算法有:传统的加锁法、tickle锁、floor控制、可逆执行(Undo/Redo)和操作转换等。传统的加锁法最突出的优点是设计和实现较为简单,能保证具体上下文的语义完整性,但是在分布式协同编辑中无法保证加锁位置的一致性。tickle锁方法适用于分节加锁的实时分布式协同编辑的并发控制,然而无法提供多个编辑者对节内的同时编辑。JCE中的协同编辑采用了floor控制方法,每个协作编者只有获得floor才能进行     

一种改进的无线传感器网络非测距定位算法

节点定位是实现传感器网络应用的前提,控制节点定位误差成为保证网络正常运行的关键。采用基于测距的定位算法,可以达到良好的精度,但需要测量装置,不适合能量受限的无线传感器网络。本文分析了常用的非测距定位算法,并在此基础上提出了一种改进的基于序列的非测距定位算法,以提高无线传感器网络定位算法的性能。     

Position Control in Integro-Differential Pursuit Games

A game problem of pursuit for a dynamic process described by a system of integro-differential equations is considered. Sufficient conditions are derived for its termination in a class of positional controls. Model examples illustrate the results obtained.     

Relative manifold based semi-supervised dimensionality reduction

A well-designed graph plays a fundamental role in graph-based semi-supervised learning; however, the topological structure of a constructed neighborhood is unstable in most current approaches, since they are very sensitive to the high dimensional, sparse and noisy data. This generally leads to dramatic performance degradation. To deal with this issue, we developed a relative manifold based semisupervised dimensionality reduction （RMSSDR） approach by utilizing the relative manifold to construct a better neighborhood graph with fewer short-circuit edges. Based on the relative cognitive law and manifold distance, a relative transformation is used to construct the relative space and the relative manifold. A relative transformation can improve the ability to distinguish between data points and reduce the impact of noise such that it may be more intuitive, and the relative manifold can more truly reflect the manifold structure since data sets commonly exist in a nonlinear structure. Specifically, RMSSDR makes full use of pairwise constraints that can define the edge weights of the neighborhood graph by minimizing the local reconstruction error and can preserve the global and local geometric structures of the data set. The experimental results on face data sets demonstrate that RMSSDR is better than the current state of the art comparing methods in both performance of classification and robustness.