自主学习在大学信息技术基础课中的运用

本文从实际教学工作出发,结合对学生信息技术基础知识和能力的考查,总结出自主学习方法在信息技术基础课程学习中的重要作用。     

采用变步长算法的无双端检测回声系统

提出了一种新型无双端检测的自适应回声消除系统,在与传统的回声消除系统比较过程中,本系统表现出了良好的性能,不但结构简单,计算量也小.模拟双端通信实验表明,该自适应滤波器工作正常,回声消除性能好,减少了采用传统的回声消除算法中双端检测错误造成语音切音现象和回声消除不干净的状况.     

获取外部数据源的一种实用方法

介绍了一种简单实用的利用汉字及ASCII字符的编码特征将外部电子表格导入数据库中的方法,并给出了其在PowerBuilder环境下的实现过程。该方法主要用于将文本文件、Word文档及Excel电子表格中的数据直接导入到数据库中,极大地方便了数据的处理。     

基于滑动模型与图论的多机器人跟踪控制

移动机器人系统的非线性环节是导致控制设计困难的主要原因之一,在三维空间中的运动较二维空间更为复杂.针对三维空间中非线性移动机器人系统的跟踪控制问题,为了提高跟踪速度和改善动态特征,提出了一种基于滑动模型与图论相结合的控制策略.滑模控制方法广泛地适用于非线性对象,并且具有良好的鲁棒性,适合用于非线性机器人控制;从系统整体出发利用图论的知识,对整个编队进行约束,从而构成对整个系统的控制策略,表明能跟踪静态的目标和跟踪动态的目标.仿真提高了系统的稳定性,说明了控制方法的有效性和适用性.     

SAP系统中设备管理模块的主要增强出口

简要的列举了SAP系统PM设备管理模块增强的主要出口,以便能全面了解PM模块的出口,为提升系统功能迅速查询到已有的合适出口提供帮助。     

《网络安全技术》课程资料库的建设研究

网络安全是目前国内外非常注重的网络问题,《网络安全技术》课程也是网络工程专业学生所学习的一门很重要的专业课。结合本校该课程的教学特点和学生的需求,对该课程的教学资料库进行建设,增加学生知识面,从而最大程度的提高教与学的效率。     

基于UML图书管理系统的分析与设计

本文借阅介绍了UML的组成部分、特点和作用,并详细地阐述了在传统的软件开发阶段中使用UML对图书管理系统进行建模的主要过程。     

Type-2 fuzzy Gaussian mixture models

This paper presents a new extension of Gaussian mixture models (GMMs) based on type-2 fuzzy sets (T2 FSs) referred to as T2 FGMMs. The estimated parameters of the GMM may not accurately reflect the underlying distributions of the observations because of insufficient and noisy data in real-world problems. By three-dimensional membership functions of T2 FSs, T2 FGMMs use footprint of uncertainty (FOU) as well as interval secondary membership functions to handle GMMs uncertain mean vector or uncertain covariance matrix, and thus GMMs parameters vary anywhere in an interval with uniform possibilities. As a result, the likelihood of the T2 FGMM becomes an interval rather than a precise real number to account for GMMs uncertainty. These interval likelihoods are then processed by the generalized linear model (GLM) for classification decision-making. In this paper we focus on the role of the FOU in pattern classification. Multi-category classification on different data sets from UCI repository shows that T2 FGMMs are consistently as good as or better than GMMs in case of insufficient training data, and are also insensitive to different areas of the FOU. Based on T2 FGMMs, we extend hidden Markov models (HMMs) to type-2 fuzzy HMMs (T2 FHMMs). Phoneme classification in the babble noise shows that T2 FHMMs outperform classical HMMs in terms of the robustness and classification rate. We also find that the larger area of the FOU in T2 FHMMs with uncertain mean vectors performs better in classification when the signal-to-noise ratio is lower.