人机界面工具研究评述

人机界面在应用软件中平均占开发量的４８％和运行时间的５０％，这足以表明其在软件开发中的重要地位。本文总结了人机界面的固有复杂性，并分析了人机界面工具在人机界面中的任务和作用，及其发展前景。     

基于灰色理论的软件系统人机界面综合评价模型

人机界面是影响软件设计质量的重要因素之一，需要利用综合评价方法，科学、合理地评判人机界面设计质量。该文分析了人机界面设计的原则，建立了评价指标体系，利用“灰色关联分析”确定评价指标的权重，采用灰色统计方法建立了测评矩阵，借鉴模糊综合评价方法对软件的人机界面进行了合理的评价。     

ZDUES：一个基于评价指标的人机界面评价系统

当前，界面评价已成为人机界面研究的一个热点，但实现一个实用化的界面评价系统则几乎还是一个空白，为了真正实现人机界面的智能化设计，人机界面评价子系统作为人机界面智能化开发工具的核心无疑起到举足轻重的作用，文中详细介绍了在基于评价指标的人机界面评价系统ＺＤＵＥＳ的设计思想，体系结构和评价机制，并提出了一个具体的界面评价步骤，ＺＤＵＥＳ系统已在Ｘ－Ｗｉｎｄｏｗｓ／Ｍｏｔｉｆ环境下实现，并在实践应用中取得     

面向对象技术在CNC系统人机界面设计中的应用

本文介绍了人机界面的理论模型，在此基础上引入了面向对象设计方法的基本原理，探讨了ＣＮＣ系统人机界面设计中通用的对象、类及其层次结构，并给出了相关部分的具体实现。最后简要介绍了利用上述方法实现的折弯机ＣＮＣ系统的人机界面。     

面向对象的人机界面类库研究

首先回顾了人机界面学科的发展历史及人们交互技术的状况，从多媒体用于人机界面的可能性和必要性，提出只采用面向对象程序设计技术，才能既简化开难度，又提高系统可用性，在分析面向对象程序设计的几个主要特征及其人机界面上的应用可能性质，给出了一个面向对象的ＷＭＩＰ界面类库的实现实例。     

智能仪表人机界面软件自动生成的方法

介绍了一种智能仪表人机界面模块，该模块基于图形点阵LCD液晶显示，可实现软件的自动生成。它通过将开发系统计算机上组态生成的人机界面软件下载到智能仪表中，完成仪表的液晶显示、按键控制、红外遥控以及与外部主机通信等功能，从而缩短了智能仪表的开发周期，减少了开发成本，并已成功应用于各种流量计量仪表的人机界面中。     

实时控制系统人机界面的设计

分析了实时控制系统及人机界面的特性；介绍了帝时控制系统人机界面设计的基本方法；微机彩色图形人机界面软件的编程方法；提出了充分利用硬件特性提高图形处理速度、快８速处理汉字、增加特技功能，并利用ＷＩＮＤＯＷＳ图形资源开发高级图形界面的观点和方法。随后介绍了利用上述方法设计一个实时控制系统人机界面的实例。     

MiniHMI-1000人机界面与HDS组态软件介绍

1 MiniHMI-1000人机界面 MiniHMI-1000是广州致远电子有限公司精心打造的一款先进组态式人机界面系统。该人机界面通过组态软件进行项目开发，功能齐全、稳定可靠；允许运行用户输入的脚本程序，使人机界面工程设计更加灵活，特别适合应用于装备制造、机械加工、电力监控、过程控制等领域。     

超文本网络的应用：一个EIS查询界面的设计

本文从ＥＩＳ人机界面设计的基本要求出发，探讨了超文本网络的信息组织方式在ＥＩＳ人机界面设计中的应用，提出了一些基本的思路和实现方法。     

网站导读

行业要闻 人机界面市场暗流涌动 摘要：作为一个充分竞争的市场，人机界面市场正面临技术变革和市场格局变化。全球的人机界面市场在2009年出现了严重下滑，然后缓慢恢复到稳定的增长趋势，但暂时难以超越2007和2008年市场高点期。在稳定增长的背后，技术变革和竞争格局的变化正在悄然进行。     

Motif patterns in 2D

Motif patterns consisting of sequences of intermixed solid and don’t-care characters have been introduced and studied in connection with pattern discovery problems of computational biology and other domains. In order to alleviate the exponential growth of such motifs, notions of maximal saturation and irredundancy have been formulated, whereby more or less compact subsets of the set of all motifs can be extracted, that are capable of expressing all others by suitable combinations. In this paper, we introduce the notion of maximal irredundant motifs in a two-dimensional array and develop initial properties and a combinatorial argument that poses a linear bound on the total number of such motifs. The remainder of the paper presents approaches to the discovery of irredundant motifs both by offline and incremental algorithms.     

基于纳米计算结构上的生物序列模体发现算法

模体发现对于预测基因特殊功能位点和鉴别药物作用目标等有重要的应用价值.本文介绍了一种纳米计算平台系统结构模型—CellMatrix以及在其上实现的DNA序列模体发现算法.CellMatrix是一种针对纳米计算平台提出的由同构晶格组成的可重构系统结构.这种结构既便于大规模工业生产,也很容易使得各种计算机软硬件系统在其上实现,同时这种结构又具备良好的可扩放性,是未来实现成熟纳米计算平台的一种选择.基于CellMatrix结构,本文首先在晶格结构上设计基本字符比较单元,而后在此基础上逐层构建更高层次的子序列测试单元和单条序列处理架构,从而实现了基于模式驱动的模体发现算法.最后用晶格开销数目和晶格延迟给出该算法的时空开销.     

Experience in testing the Motif interface

The testing and quality assurance of the Motif 1.0 graphical user-interface software are described. The testing goals, which fell into three general categories (code coverage, defect-density, and defect-arrival rate), and a deliverable formal test suite are examined. The three phases of the testing process-evaluation, test development, and regression testing-and the tools used in testing are discussed     

基于Matrix Profile的时间序列变长模体挖掘

已有的变长模体发现算法存在速度慢、可扩展性较差,且结果中包含过短、过长和平凡匹配等无意义模体的问题。本文提出一种基于Matrix Profile的时间序列变长模体挖掘算法。该算法使用STOMP算法作为子程序,使用结合了增量计算的下界距离来加速候选模体提取过程;采用长度相似性条件和模体分组等价类方法踢除过短、过长和平凡匹配等无意义的模体。在数据集UCR上的实验表明,提出的算法在发现变长模体时,能够有效地过滤无意义模体,且具有较高的效率和准确率。     

基于最长公共子序列距离的主旨模式挖掘算法

针对现有主旨模式挖掘算法易受噪声干扰的问题,提出一种基于最长公共子序列距离的挖掘算法。在搜索过程中,该算法采用基于子序列距离判别的策略进行了有效的剪枝,对于非等长的候选模式,使用最小描述长度原则求其相关权重,据此选择出现频率最高、最能体现原时间序列特征的主旨模式。实验结果表明,与朴素式搜索相比,该算法的速度至少提升60%。     

一种优化的蛋白质序列模式挖掘方法

蛋白质序列作为生物序列数据一个重要组成部分,对其的分析研究已经成为生物信息学中的一个重要的研究方向和内容.通过对序列进行模式挖掘,可以对蛋白质序列或某一蛋白质家族序列进行研究,因此蛋白质序列的模式挖掘已经成为蛋白质序列研究中的一项重要任务.MBioPM是一种最新的生物序列模式挖掘算法,该算法通过引入模式划分概念,提高算法的效率,但该算法在效率方面仍存在不足,而且挖掘结果存在冗余性的问题.因此,提出一种优化算法BioPMMH,通过带有模式划分特点的Hash链表结构来优化算法中的搜索空间及策略,并在算法过程中对重复模式进行过滤.实验表明,算法BioPMMH能有效提高模式挖掘的效率,并解决结果的冗余性问题.     

OSF/Motif Window及UIL编程

计算机用户和开发人员需使用不同计算机制造厂商的软硬件产品,XWindow系统可为不同操作系统和应用程序提供用户接口,将企业的各类计算机真正结合起来。本文论述可建立更开放和更友好计算环境的XWindow系统。     

Constrained Motif Discovery in Time Series

The goal of motif discovery algorithms is to efficiently find unknown recurring patterns. In this paper, we focus on motif discovery in time series. Most available algorithms cannot utilize domain knowledge in any way which results in quadratic or at least super-linear time and space complexity. In this paper we define the Constrained Motif Discovery problem which enables utilization of domain knowledge into the motif discovery process. The paper then provides two algorithms called MCFull and MCInc for efficiently solving the constrained motif discovery problem. We also show that most unconstrained motif discovery problems be converted into constrained ones using a change-point detection algorithm. A novel change-point detection algorithm called the Robust Singular Spectrum Transform (RSST) is then introduced and compared to traditional Singular Spectrum Transform using synthetic and real-world data sets. The results show that RSST achieves higher specificity and is more adequate for finding constraints to convert unconstrained motif discovery problems to constrained ones that can be solved using MCFull and MCInc. We then compare the combination of RSST and MCFull or MCInc with two state-of-the-art motif discovery algorithms on a large set of synthetic time series. The results show that the proposed algorithms provided four to ten folds increase in speed compared the unconstrained motif discovery algorithms studied without any loss of accuracy. RSST+MCFull is then used in a real world human-robot interaction experiment to enable the robot to learn free hand gestures, actions, and their associations by watching humans and other robots interacting.     

Self-Organizing Maps of Position Weight Matrices for Motif Discovery in Biological Sequences

The identification of overrepresented motifs in a collection of biological sequences continues to be a relevant and challenging problem in computational biology. Currently popular methods of motif discovery are based on statistical learning theory. In this paper, a machine-learning approach to the motif discovery problem is explored. The approach is based on a Self-Organizing Map (SOM) where the output layer neuron weight vectors are replaced by position weight matrices. This approach can be used to characterise features present in a set of sequences, and thus can be used as an aid in overrepresented motif discovery. The SOM approach to motif discovery is demonstrated using biological sequence datasets, both real and simulated     

Particle Swarm Optimisation for Protein Motif Discovery

In this paper, a modified particle swarm optimisation algorithm is proposed for protein sequence motif discovery. Protein sequences are represented as a chain of symbols and a protein sequence motif is a short sequence that exists in most of the protein sequence families. Protein sequence symbols are converted into numbers using a one to one amino acid translation table. The simulation uses EGF protein and C2H2 Zinc Finger protein families obtained from the PROSITE database. Simulation results show that the modified particle swarm optimisation algorithm is effective in obtaining global optimum sequence patterns, achieving 96.9 and 99.5 classification accuracy respectively in EGF and C2H2 Zinc Finger protein families. A better true positive hit result is achieved when compared to the motifs published in PROSITE database.