SAN存储技术

目前,存储应用的体系结构主要有DAS、NAS和SAN 3种模式。3种模式从体系架构的逻辑上看,有明显的区别。SAN是通过专用高速网将一个或多个网络存储设备和服务器连接起来的专用存储系统。可采用光纤通道、IP/Ethernet、InfiniBand互联技术分别组建FC-SAN、iSCSI-SAN和InfiniBand-SAN。     

探地雷达深层探测正演模型仿真与分析

深层的探测是一个比较复杂的问题.较为理想的情况现下:入射波在进入深层反射面之前要经过多层介质面的反射,及各层介质中衰减,这直接影响入射信号能否到达深层反射面而产生回波.对于深层测量的建模却受限于计算区域尺寸的限制,本文就针对千米尺寸的计算区域,采用一维fdtd仿真计算电磁波在底下的传播特性,对雷达脉冲在千米以下深度进行波形仿真,跟踪分析,类比了两种脉冲的仿真效果,并分析了使用辅助有限差分法引入的振荡效应.     

进程管理演示系统的设计与实现

进程是资源分配和独立运行的基本单位,是操作系统的核心概念。"操作系统"教学中,进程的概念以及进程管理的实现原理抽象难懂,初学者难以掌握。本文阐述如何以图形化方式设计和实现进程管理的演示系统,以辅助课堂教学。该系统的演示内容包括:进程的概念、进程创建、进程组织、进程关系管理、进程阻塞、进程唤醒、进程撤销、进程调度、进程同步。     

基于BP神经网络与粗糙集理论的分类挖掘方法

分类是数据挖掘中重要的课题,为协调决策分类,提出了一种基于粗糙集理论和BP神经网络的数据挖掘的方法。在此方法中首先用粗糙集约简决策表中的冗余属性,然后用BP神经网络进行噪声过滤,最后由粗糙集从约简的决策表中产生规则集。此方法不仅避免了从训练神经网络中提取规则的复杂性,而且有效的提高了分类的精确度。     

智能家居电力线总线研究与实现

随着信息通讯技术及智能化技术的高速发展,智能楼宇、智能家居成为当今IT技术发展的一个新热点.通过电力载波通讯技术实现智能家居的电力线总线网络,能为智能家居网提供最大的便利.本文正是以TDA5051为基础,实践了一个电力线家居总线方案.     

基于双线性池化的实蝇分类注意力网络

实蝇是国内外备受关注的检疫害虫,种类繁多。不同种类的实蝇外形大小相似,不易鉴别。此外,在实际应用中,鉴别实蝇的可用信息会受遮挡、视角、光影变幻等因素影响,导致实蝇自动识别工作难以进行。提出基于双线性池化的实蝇分类注意力网络,用于学习有效的实蝇鉴别特征。该网络由显著性特征模块和跨层双线性模块两个部分组成：显著性特征模块通过对不同卷积层进行滤波增强处理,实现特征增强;跨层双线性模块基于双线性池化融合特征,确定注意部位,挖掘判别特征。在具有自然环境背景的实蝇数据集上进行的实验表明,该方法效果较好,具有良好的实际应用前景。     

Co47.6Fe20.4B21.9Si5.1Nb5-xZrx(x=0~5)合金的非晶形成能力和磁性能

采用铜模吸铸法制备了直径d为2~5mm的Co_(47.6)Fe_(20.4)B_(21.9)Si_(5.1)Nb_(5-x)Zr_x(x=0~5)合金。利用X射线衍射(XRD)、差示扫描量热仪(DSC)、振动样品磁强计(VSM)和显微硬度计分析合金的非晶形成能力(GFA)、磁性能及显微硬度。结果表明:该合金体系具有较好的GFA,随着Zr含量的增加,其GFA呈逐渐降低的趋势。Zr含量为0~2%(原子分数)时,能制得d为3mm的非晶合金;Zr含量为0~3%(原子分数)时,可制得d为2mm的非晶合金。直径2mm的棒状非晶合金(Zr含量为0~3%(原子分数))表现为明显的软磁性,饱和磁化强度Ms趋于一定值。该体系非晶合金均具有很高的显微硬度,Zr含量为3%(原子分数)时达到1420HV。     

四极管等效二极管空间电荷限制流研究进展

可持续绿色能源核聚变具有清洁环保、原料储量丰富、安全可靠、不产生核废料等优点,是解决未来能源及环境问题的重要选择。然而,实现受控核聚变并非易事,托卡马克是最有希望实现可控聚变能的磁约束装置。大功率真空发射管是托卡马克装置中的一个重要器件,其电流作为发射电子管极限参量和额定功率的一个重要指标,取决于发射管本身的结构、尺寸、材料等。由于四极管的结构和工作原理十分复杂,很难直接获得发射电流随其结构参数变化的情况。可先将四极管等效成二极管结构来探寻二极管空间电荷限制流随其几何结构变化的规律,从而为等离子体加热发射管（四极管）结构设计及优化提供理论参考和有效依据。对此,本文通过查阅相关文献和书籍,对二极管空间电荷限制流方面国内外的研究状况进行总结和分析,并展望了其发展趋势。     

基于SVM用户建模的核函数选择研究

用户建模是从用户偏好数据中建立用户偏好模型的过程,用户偏好数据具有系统运行初期的稀疏性和非线形的特点。支持向量机(Support Vector Machine,简称SVM)具有小样本学习、非线形处理的能力,是合适的用户建模工具。SVM的非线形处理能力主要依赖于核函数,采用不同的核函数进行建模对模型的预测效果有重大影响。本文重点研究核函数的选择对基于SVM建模方法的影响,从中选取了表现较优的小波核函数,构建性能突出的SVM进行用户建模。实验证明该建模方法可以有效地从小样本数据中学习用户偏好信息,建立反映用户真实偏好的用户模型。     

基于有限状态机矩阵模型的人工情绪模型

根据情绪心理学理论,提出先天预置和后天习得2个层次的人工情绪模型。用有限状态机的矩阵模型实现先天原始基本情绪智能的再现,克服“事件-情绪-行为”序列对需要存储空间的缺点,提高了模型的实时性。用Lapicque神经细胞模型描述情绪状态转换的过渡过程,并给出模型仿真结果。