《贫困线》——一生的作品

见到赵峰本人,言谈之下发现他是一个特别简单和笃定的人,从新闻摄影起家的他,虽然不停在开拓自己的领域,但是从来不忘记摄影对他来说意味的东西,那一定是要有用的,能够经得住时间考验的作品。     

基于微处理器的紧耦合组合导航系统设计

首先分析了GPS导航与惯性导航各自的优缺点,阐述了GPS/惯导组合导航系统的先进性,其次介绍了众多组合模式中的利用伪距和伪距率信息的紧耦合组合模式,最后基于微处理器从软硬件两方面对组合导航系统进行了设计.     

全电池供电分线式智能水表抄表系统

全电池供电分线式智能水表抄表系统适用于水表出户集中放置或高层住宅层问穿线困难的使用环境。该系统采用高可靠双干簧管发信基表,并配置了采用专用集成电路而非单片机的智能数字式水量采集模块,具有抄读率高、功耗低、全电池供电、长期运行稳定、可靠的突出优点。     

基于AdaBoost算法的人脸检测在嵌入式系统中的实现

为解决人脸检测实时性问题,针对AdaBoost算法纯软件实现的瓶颈,提出基于FPGA平台的硬件加速策略,采用流水线处理技术实现积分图像的快速计算。实验使用PowerPC405处理器VirtexTM-Ⅱ Pro平台FPGA,在输入图像大小为352×288像素的条件下,检测速度达到每秒50帧,检测率为98%,误检率约1%,实现了实时人脸检测的要求。     

基于核空间中最优变换和聚类中心的鉴别特征提取

应用统计学习理论中的核化原理,可以将许多线性特征提取算法推广至非线性特征提取算法.提出了基于核化原理的最优变换与聚类中心算法,即通过非线性变换,将数据映射到高维核空间,应用最优变换算法,实现原空间数据的非线性特征提取,而求解过程却借助"核函数",回避了复杂非线性变换的具体表达形式.新算法可提取稳健的非线性鉴别特征,从而解决复杂分布数据的模式分类问题.大量数值实验表明新算法比传统的最优变换与聚类中心算法更有效,甚至优于经典的核Fisher判别分析.     

机载激光雷达(LiDAR)数据在森林资源调查中的应用综述

LiDAR技术可以直接获取地表地物的三维信息,在森林参数估测方面具有独特的优势,因此,在森林资源调查中有着广泛应用.本文首先介绍了LiDAR系统组成和基本工作原理,然后详细分析了LiDAR技术定量提取树高、林分郁闭度和密度、蓄积量和生物量等森林参数的技术方法与研究进展,并对LiDAR数据在森林及其生态状况监测中的应用前景进行展望.     

基于核最优变换与聚类中心的雷达目标识别

抽取有效鉴别特征是雷达一维高分辨距离像识别的关键.基于统计学习理论的核化原理,提出一种新的鉴别特征提取方法---核最优变换与聚类中心算法.该算法通过非线性变换,将数据映射到核空间,在核空间执行最优变换与聚类中心算法,能够提取一维距离像的稳健非线性鉴别特征.同时,基于训练样本在核空间所张成的子空间的一组基,给出一种快速计算方法,提高了特征提取速度.基于微波暗室实测数据的实验表明了该方法的有效性.

     

基于LabVIEW的运动控制系统的研究

阐述了运动控制系统的硬件架构,分析了利用LabVIEW与硬件优秀的接口性能和丰富的函数库功能,以及虚拟仪器的模块化编程思想,对系统的软件部分进行模块划分,实现模块化编程和实时的运动控制的目的.     

输入保护设计典型应用

论述了CMOS集成电路 ESD保护的必要性.接着介绍了CMOS集成电路ESD保护的各种设计技术,包括电流分流技术、电压箝位技术、电流均衡技术、ESD设计规则、ESD注入掩膜等,采用适当的ESD保护技术,1.2μm CMOS集成电路的ESD能力可以达到2000V.     

FS-Net: 面向时序知识图谱推理的频次统计网络

时序知识图谱推理吸引了研究人员的极大关注.现有的时序知识图谱推理技术通过建模历史信息取得了巨大的进步.但是,时变性问题和不可见实体(关系)问题仍然是阻碍时序知识图谱推理模型性能进一步提升的两大挑战;而且由于需要对历史子图序列的结构信息和时间依赖信息进行建模,传统的基于嵌入的方法往往在训练和预测过程中具有较高的时间消耗,这极大地限制了推理模型在现实场景中的应用.针对以上困境,提出了一个用于时序知识图谱推理的频次统计网络, FS-Net.一方面, FS-Net不断基于最新的短期历史的事实频次统计,动态地为变化的时间戳上的预测生成时变的得分;另一方面,FS-Net基于当前时间戳上的事实频次统计,为预测补充历史不可见实体(关系);特别地,FS-Net不需要进行训练,而且具有极高的时间效率.在两个时序知识图谱基准数据集上的大量实验,表明了FS-Net相较于基准模型的巨大提升.