用TMS320C25与PC机构成的并行计算机系统

ＴＭＳ３２０Ｃ２５是一种高性能数字信号处理器。本文介绍了一种用ＴＭＳ３２０Ｃ２５与ＰＣ机构成的主从结构并行计算机系统。该系统的特点是将ＴＭＳ３２０Ｃ２５高速数字信号处理系统作为ＰＣ机的插件板，直接插入ＰＣ机的扩展槽中，利用双口ＲＡＭ实现ＴＭＳ３２０Ｃ２５与ＰＣ机之间的相互通讯。它能适用于高速数字信号处理、图形／图像处理、语音处理等。文中详细论述了系统的工作原理、硬年龄件结构，包括总体设计、接口设计     

基于滑动窗口的微博时间线摘要算法

时间线摘要是在时间维度上对文本进行内容归纳和概要生成的技术。传统的时间线摘要主要研究诸如新闻之类的长文本,而本文研究微博短文本的时间线摘要问题。由于微博短文本内容特征有限,无法仅依靠文本内容生成摘要,本文采用内容覆盖性、时间分布性和传播影响力3种指标评价时间线摘要,并提出了基于滑动窗口的微博时间线摘要算法(Microblog timeline summariaztion based on sliding window, MTSW)。该算法首先利用词项强度和熵来确定代表性词项;然后基于上述3种指标构建出评价时间线摘要的综合评价指标;最后采用滑动窗口的方法,遍历时间轴上的微博消息序列,生成微博时间线摘要。利用真实微博数据集的实验结果表明,MTSW算法生成的时间线摘要可以有效地反映热点事件发展演化的过程。     

一种基于路径分块索引的XML查询方法

针对XML的相对路径查询及引用路径查询问题,提出了一种面向XML数据的路径分块索引KI。探讨了KI索引构造方法、索引节点分裂算法和相关查询处理的算法,并用VC++实现,利用Shakespeare和Xorder数据集进行了XML查询测试,实验结果表明,提出的KI索引能有效地提高XML查询效率。     

数字地球的建设与应用前景

1.引言 1999年11月29日至12月2日,来自25个国家和地区的科学家聚集北京,召开了世界上第一次“数字地球”国际会议。一个科学概念提出不过短短两年,就引起了世界各国科学家、政治家的密切关注,这在科学发展史上是极为罕见的。 1998年1月31日,美国副总统阿尔·戈尔在加利福尼亚科学中心的一次演讲中,首次提出了“数字地球”     

一种面向人脸识别的加权代价敏感局部保持投影

传统的局部保持降维方法追求最低的识别错误率,即假设每一类的错分代价都是相同的.这个假设在真实的人脸识别应用中往往是不成立的.人脸识别是一个多类的代价敏感和类不平衡问题.例如,在人脸识别的门禁系统中,将入侵者错分成合法者的损失往往高于将合法者错分成入侵者的损失.因此,每一类的错分代价是不同的.另外,如果任一类合法者的样本数少于入侵者的样本数,该类合法者和入侵者就是类别不平衡的.为此,将错分代价融入到局部保持的降维模型中,提出了一种错分代价最小化的局部保持降维方法.同时,采用加权策略平衡了各类样本对投影方向的贡献.在人脸数据集AR,PIE,Extended Yale B 上的实验结果表明了该算法的有效性.     

一种高性能数字信号处理器TMS320C25

ＴＭＳ３２０Ｃ２５是一种高性能数字信号处理器。本文将介绍ＴＭＳ３２０Ｃ２５的内部结构、存储器组织、系统组成及应用。     

多媒体CAI课件的创作方法

CAI是计算机辅助教学(Computer Aided Instructon)的简称,是一种利用计算机进行辅助教学的崭新教学方式。它以计算机为媒介,通过计算机与学生之间的交互作用达到教学目的。CAI的兴起是在教育领域中实施信息革命最具代表性的     

用PowerBuilder实现MIS系统中的动态查询

动态查询是MIS系统中的重要功能.现以PowerBuilder为开发工具,介绍MIS系统中动态查询的实现方法和实现技术.提出了基于动态数据窗口的动态查询技术,并对动态查询的实现过程作了讨论.     

基于时空依赖关系和特征融合的弱监督视频异常检测

弱监督视频异常检测由于抗干扰性强、数据标注要求低,成为视频异常事件检测研究的热点。在现有的工作中,大多数弱监督视频异常检测方法认为各个视频段独立同分布,单独判断每个视频段是否异常,忽略了视频段间的时空依赖关系。为此,提出了一种基于时空依赖关系和特征融合的弱监督视频异常检测方法,在保留视频段原始特征的同时,使用视频段之间的索引距离和特征相似程度拟合视频段的时间和空间依赖关系,构建视频段的关系特征。通过融合原始特征和关系特征,更好地表达视频的动态特性和时序关系。在UCF-Crime和ShanghaiTech两个基准数据集上进行了大量实验,实验结果表明所提方法的AUC指标优于其他方法,AUC值分别达到了80.1%和94.6%。     

基于演化计算的异常轨迹并行检测算法

异常轨迹检测是轨迹数据挖掘研究领域的一个重要研究内容,基于演化计算的异常轨迹检测算法(Top-k evolving trajectory outlier detection, TOP-EYE)是一种有效的异常轨迹检测算法。不同于其他算法采用的轨迹距离计算方法,TOP-EYE算法 从轨迹的方向和密度角度出发,采用演化计算的方式检测异常。为了提高TOP-EYE算法对海量轨迹数据集异常检测的效率,本文在其基础上提出了基于MapReduce的异常轨迹检测并行算法(Parallel detecting abnormal trajectory based on TOP-EYE, PDAT-TOP ),利用MapReduce并行计算的优势提高了异常轨迹检测的效率。将算法PDA T-TOP在Hadoop平台上加以实现,实验结果表明,算法PDAT-TOP能够有效地检测异常轨迹,并且具有较高的可扩展性和加速比。