基于稀疏编码的体数据压缩

关于稀疏编码在数据压缩方面的研究在最近几年已越来越受重视。该方法具有空间的局部性、方向性和频域的带通性,并不依赖于输入数据的性质,因而是一种自适应的特征统计方法,应用前景十分宽广。体数据由于其数据量大,给存储和传输带来很大的压力,而相邻或相近体素之间存在着很强的相关性,为体数据压缩提供了可能。实验结果表明稀疏编码可以成功提取体数据的边缘特征,而且利用提取到的体数据的特征和系数分量的稀疏性,进一步结合阈值量化的规则,能够有效地实现体数据压缩,从而重构整个体数据。该方法简单易行、速度快,效果良好。     

Informix多数据库共享同一数据表的方法

在建立数据库应用系统中,经常遇见这样的情况:多个数据库共享同一数据表的数据。在Informix数据库管理系统中,我们以往常用的方法是,对公共数据库表建立一套完整的数据库管理模块,在各个应用系统中分别嵌入对这些模块的调用,这样,运行过程中,应用程序常需要在多个数据库之间不断切换,增加了系统开销,降低了系统效率。同时,对于使用了游标的数据表,若在同一个模块运行中涉及多个数据库游标的交叉调用,则会出现错误。另外一个方法是,在应用数据     

稀疏表达的运动数据压缩

随着运动数据越来越多地被应用于动画制作和科研领域,高效的运动数据压缩技术也逐渐成为一个热门的研究课题.基于稀疏表达提出一种新的运动数据有损压缩方法.首先对输入的运动数据进行分析生成稀疏表达字典;然后基于稀疏表达字典对运动数据中的每一帧进行稀疏线性表达;最后用K-SVD算法对字典和稀疏表示进行迭代优化.实验结果表明,本文方法可以达到较高的压缩比(50倍左右),同时保持原始运动数据的完整性,还原后可控制重建误差在肉眼不易分辨的范围内(平均RMS误差2.0以下),并且本文方法特别适用于对较短运动数据的压缩.     

数据表处理生成器的研究

本文用数学方法解决了当前软件研究ＭＩＳ的难题：数据表处理程序的自动生成问题。文中用数学方法抽象地研究了数据表处理的过程，得出了数据表处理的机械化算法，从而实现了数据表处理生成器。     

基于压缩感知的遥感成像稀疏重构性能分析

压缩感知是一种新型的信息论，打破了传统的Shannon-Nyquist采样定理，能够以少量数据完成信号采样。稀疏重构是压缩感知由理论到实际的关键环节，为了将压缩感知有效地应用于遥感成像领域，研究了稀疏重构对遥感成像过程的影响。针对稀疏重构理论模型，分析了重构误差的成因；同时，针对典型的凸优化类算法和贪婪类算法，利用峰值信噪比指标对遥感图像重构误差进行评价。在仿真实验中，定量考察遥感图像在不同压缩采样率、不同重构算法下的稀疏重构性能。结果表明，稀疏重构算法能够成功重构遥感图像，各算法在不同压缩采样率下均表现出了较好的重构质量，整体上能够满足遥感成像应用，验证了压缩感知稀疏重构方法在遥感成像中应用的可行性。     

基于训练字典的压缩感知光谱稀疏化方法

压缩感知理论利用目标的稀疏特性,能从极少的测量值中重构出目标图像,已成为突破奈奎斯特采样定理,实现超分辨成像的一个极具潜力的研究方向,其应用于对地观测遥感成像的一个核心问题在于面对复杂的地物场景,如何探求有效的稀疏化表达方法。对于具有超高数据量的高光谱成像而言,充分利用波段间丰富的冗余光谱信息,研究有效的光谱稀疏化表达方法更加具有实用价值。首先介绍了压缩感知光谱成像以及光谱稀疏化表达的基本原理,然后利用来自ASTER光谱库的多种类型地物光谱数据构建了一种基于K-SVD方法的训练字典,将其与DCT基、小波基分别作为稀疏基,对于几种典型地物目标进行仿真重构,结果表明:所构建的稀疏字典在采样数较少的情况下明显优于DCT基和小波基,在20%的低采样率时即可近乎完美地重构光谱曲线。     

调用Excel排序功能实现数据表中汉字按笔划排序的方法

介绍了利用Excel中的汉字笔划排序功能,通过录制一个宏指令,将数据表中的内容导出至Excel表格中,然后利用宏运行,实现表格中内容按笔划排序,再将按笔划排序过的内容返回至数据表中的程序实现方法。     

一种基于数据表元组的原始本体抽取方法

在基于关系数据库的本体构建过程中,由数据表抽取的原始本体的质量直接影响到最终生成本体的质量,而传统的抽取方法中将单个数据表映射为单个本体概念的方法忽略了数据表中元组数据所提供的语义信息,造成抽取的原始本体质量不高的问题。本文提出一种了基于数据表的原始本体抽取方法。应用FCA（形式概念分析）方法对单个数据表的元组数据进行分析,形成概念格,进而产生原始本体。该方法使得数据表中的元组数据得到了有效的利用,提高了原始本体的抽取质量,有利于最终本体生成质量的提高。     

基于压缩金字塔核稀疏表示的人脸识别

人脸识别中光照、伪装及姿态等变化一直是富有挑战性的问题,其中特征提取是很关键的一步。为提高人脸识别率,结合压缩感知和空间金字塔模型,本文提出了一种新的特征提取方法,首先用尺度不变特征变换算法提取图像特征,然后与随机生成的字典进行稀疏编码,再用金字塔模型分层提取不同尺度空间的特征,并用最大池融合特征,最后运用核稀疏表示分类。在Extended Yale B,AR 和CMU PIE人脸数据库上的实验结果表明,该方法对于人脸图像的光照、伪装及姿态等变化有较强的鲁棒性,而且该算法有较快的运行速度。     

ASP程序实现多个数据表的操作

介绍用一个ASP程序实现多个数据表显示的方法,而且能够在表格中用表单的文本框形式来显示数据,使表格处于编辑状态,并实现一次性处理多条记录。     

基于压缩感知的自适应稀疏子脉冲成像方法

基于空中运动目标回波信号的稀疏特性,提出了一种基于压缩感知（CS）的线性调频步进信号（SFCS）稀疏子脉冲自适应高分辨雷达成像方法。在对目标进行稀疏成像时,根据目标回波稀疏特性与发射信号子脉冲数之间的关系,建立相应的稀疏子脉冲动态闭环反馈系统,实现发射信号子脉冲数量的自适应调整;结合各脉冲簇中子脉冲的稀疏情况,建立相应的部分逆傅里叶变换基矩阵,并利用正交匹配追踪（OMP）算法对目标高分辨距离像（HRRP）进行重构处理,进而实现对目标的高分辨成像。仿真结果验证了该方法的有效性。     

VFP 数据表的动态选择和建立

1　问题的提出 　　数据库应用系统的最基本目的,是实现对数据的有条不紊地管理和使用。在不少情况下,数据表中的纪录数会随时间的推移逐渐增加。一种方法是,在表结构中设置一个标志时间的字段,以区分不同时间的纪录数据。采用这种方法带来的问题是,随着时间的推移,表中的记录数越来越多,数据表文件越来越庞大,使用时将占用更多的内存,耗费操作时间。然而,对目前的操作而言,早期数据的使用频率并不高或许根本不需要,从经济性和运行效率考虑,这样的数据库字段设置不甚合理。比较好的一种方法是,将不同时段的数据存储在不同的数据表中,可以根据需要动态选择数据表或动态生成数据表,并按不同需要动态显示之。     

自动修复被破坏的数据表文件

问题及其特征 自动修复被破坏的数据表文件,绝对是Windows版的FoxPro系列(包括Visual FoxPro)用户很感兴趣的议题。笔者有一个软件在上千个乡镇运行,由于多数上点单位环境不好,操作员素质低、操作不当,及一些不可预知的原因导致突然死机或断电,引起表文件被破坏的故障时有发生。发生这种数据表被破坏的情况时,你欲用USE命令打开表,系统将提示“Nota Table/DBF。”的错误信息。     

大型稀疏线性方程组的一种压缩求解算法

求解线性代数方程组是工程上经常遇到的问题,而它们的系数矩阵又往往是大型稀疏矩阵。文章介绍了一种简单易行,并且已经用C语言实现了的求解这类方程组的压缩算法。最后,还对压缩和非压缩算法进行了比较。     

基于压缩感知的协同OFDM稀疏信道估计方法

针对频率选择性衰落信道下的放大转发协同正交频率复用(OFDM)通信系统,提出一种基于压缩感知理论的稀疏信道估计方法。首先,构造协同OFDM系统模型,利用循环矩阵理论,将该系统模型变换成类似于传统的点对点系统模型,该模型由一个协同卷积信道矢量和等效的观测矩阵组成;然后,通过压缩感知理论证明,该等效矩阵以很高的概率满足严格等距特性(RIP);最后,利用压缩感知算法重构卷积信道脉冲响应。与传统的线性信道估计方法相比较,所提方法能够利用较少的训练序列达到稳健的信道估计,有效地提高频谱资源利用率,且具备计算复杂度低的特点。仿真结果验证了该方法的有效性。     

应用于脑机接口系统的动态稀疏矩阵压缩算法

在脑机接口系统中,高通道数神经信号采集是一个核心功能模块。在高通道数神经信号采集中,因其原始数据量巨大,直接传输和处理产生的原始数据会消耗极大的功耗并增加硬件设计上的难度。为解决这个问题,一个有效的方法是在数据传输和处理前对原始数据进行压缩。神经元动作电位信号具有不应期性的特点,文中利用此特点,将多通道神经信号的数字标记输出在一定时间范围内定义为一个稀疏矩阵,并对此稀疏矩阵进行特征提取,根据其特征动态地采用优化算法进行数据压缩。文中的算法在使用FPGA作为中控硬件的32通道神经采集硬件系统上通过实时验证,实验证明文中提出的动态稀疏矩阵压缩算法可实现83.4%的数据压缩率。     

面向大型数据表的粗分析方法

该文运用粗糙集理论,提出一种提取大型数据表中决策规则的方法。首先根据条件属性及属性值的权重将数据表分解成多个子表,再利用粗分析方法分别对各子表简约,综合每个子表归纳出的具有一定置信度的子规则形成规则集,做出推理和决策。     

基于压缩感知的协同OFDM稀疏信道估计方法

针对频率选择性衰落信道下的放大转发协同正交频率复用(OFDM)通信系统,提出一种基于压缩感知理论的稀疏信道估计方法。首先,构造协同OFDM系统模型,利用循环矩阵理论,将该系统模型变换成类似于传统的点对点系统模型,该模型由一个协同卷积信道矢量和等效的观测矩阵组成;然后,通过压缩感知理论证明,该等效矩阵以很高的概率满足严格等距特性(RIP);最后,利用压缩感知算法重构卷积信道脉冲响应。与传统的线性信道估计方法相比较,所提方法能够利用较少的训练序列达到稳健的信道估计,有效地提高频谱资源利用率,且具备计算复杂度低的特点。仿真结果验证了该方法的有效性。     

Access数据库中数据表的实例教学

数据库(Database,DB):是以一定组织方式将相关数据组织在一起,存储在外部存储设备上所形成的、能为多个用户所共享的、与应用程序相互独立的相关数据集合。随着信息技术和市场的发展,用数据库管理数据的过程中,还能很好地做到数据共享。