排序方式: 共有43条查询结果,搜索用时 15 毫秒
31.
Linux 2.6内核进程调度分析 总被引:6,自引:2,他引:6
Linux操作系统是一种支持多任务、多用户和多处理器的现代通用操作系统。2.6内核的Linux支持0(1)级进程调度算法,支持可抢占内核,相比于2.4内核具有更好的实时性能。文中基于Linux2.6.10内核源代码,分析了Linux2.6内核的进程调度系统。并在详细介绍关键数据结构的基础上,阐述了进程调度算法的原理,并对实时进程的支持作了分析。 相似文献
32.
高分辨率软X射线显微细胞图像能分辨出细胞亚微结构,细胞的不规则性突显,常规方法如模板匹配、变换方法、不变描绘子等不能对其有效提取.根据高分辨率下细胞图像的特点,在二值化基础上,基于区域采用循环扫描迭代搜索算法.将不规则、非完整形状、分布无规律的多个细胞提取出来.提取速度快,成功率达到90%,为后续DNA精确定量分析打下了坚实基础. 相似文献
33.
电力金具作为输电线路中的不可缺少的关键部件,对电力稳定传输提供了保障,一旦电力金具出现缺陷,就会带来巨大的隐患,造成输电设施的损坏甚至大面积停电事故,影响人们的生产和生活。传统的输电线路检修主要依靠人工现场进行巡检,不仅危险程度高,辨识难度也比较大。人工智能识别技术的不断进步,为电力金具的缺陷识别提供了更好的方法。目前Faster-RCNN算法的目标识别准确率高,但对于螺钉等小金具目标物体的识别率相对较低。本文首先通过双特征融合算子提取特征并进行标记后,输入引进混合注意力机制改进的Faster R-CNN模型中,进行特征再提取,融合重合度较高的特征,并进行缺陷的分类和识别,能够对电力小金具中的螺钉进行高效的辨识。实验结果表明,本文双特征融合的改进Faster R-CNN模型相较于传统的Faster R-CNN模型和YOLO模型的提升效果明显,模型的平均准确率提升了5%,平均精度提升了11%,在保障算法实时性的同时对螺钉等电力小金具具有较好的检测效果。 相似文献
34.
在复杂背景图像中,为准确识别垂直伸缩式刀闸状态,定义了新的绝缘子边缘特征,提出了垂直伸缩式刀闸检测与状态识别方法。采用改进的Freeman链码描述绝缘子波动点结构的边缘特征,利用提取的边缘特征在图像分割基础上定位刀闸位置。利用开合状态背景连通性的差异,通过区域语义分割实现对刀闸状态的正确识别。现场图片试验结果显示:采用该算法提取到的特征点主要分布在绝缘子周围,自动查找到的连通区域在开关状态下区别明显。改进的Freeman链码能有效描述绝缘子边缘连续波动特征,通过查找相应窗口即可准确定位刀闸区域。背景连通性的差异性适用于对各种型号垂直伸缩式刀闸开关状态的正确判断。 相似文献
35.
36.
为了预测家庭短期电力负荷,提出一种基于多任务贝叶斯时空高斯过程的电力负荷预测方法,有效地捕捉不同居住社区之间的关联性和家庭之间的局部空间变化.为了更好地捕捉不同居住社区之间关联性,提出了一种新的多任务学习方法,即低秩Dirty模型,通过使用"公共特征集"和"共享低秩结构"来改进多任务贝叶斯时空高斯过程的学习.为了克服低... 相似文献
37.
随着消费电子的发展,消费者对便携式电子产品的存储量要求不断增长.硬盘作为一种大容量的存储设备虽然能满足用户对存储量的要求,但是由于其体积功耗等缺点限制了其实际的应用,而Nand Flash具有体积小、功耗低、速度快及抗震等优异特性,使得采用Nand Flash作为便携式产品的存储介质成为可能,随着Nand Flash容量的不断增大,目前Nand Flash已广泛应用于便携式产品中.介绍了Nand Flash的硬件特点,分析了Linux MTD层(Memory Technology Device)的特性.并基于东南大学国家ASIC中心自主设计的嵌入式ARM11微处理器芯片SEP0718,针对Linux嵌入式操作系统,设计和实现了Nand Flash驱动,就其一些功能如读、写、擦做出了详细的描述,并给出了Nand Flash驱动在非DMA和DMA下的实验结果. 相似文献
38.
如今,Web成为了网络信息的主要平台。根据研究发现,表格在Web文本中被经常使用。正因为表格形式简洁并且含有丰富的信息,自动理解表格在知识管理、信息检索、Web挖掘等应用中有着广泛的用途,所以研究Web表格信息抽取有着重要的现实意义。互联网上有大量信息采用HTML表格表示,由于HTML不描述数据的内容,机器不能理解和查询。论文首先将HTML文档转换为XML文档,结合本体形成启发式规则,对表格定位、表格结构识别两个关键技术进行了分析。在此基础上,利用HTML表格属性,将HTML表格标准化,从而适用于复杂表格的信息抽取。 相似文献
39.
40.
人脸特征点的精确定位一直是人脸图像处理的重要研究内容,特征点定位精确与否直接影响后续工作结果的好坏。在基于反向组合AAM(Active Appearance Models)人脸特征点定位算法的基础上,提出结合特征点局部纹理模型来对AAM初始形状参数做最优化以及对AAM匹配模板升级的改进。改进的算法采用特征点局部纹理模型和AAM全局纹理模型结合的方法来最优化AAM初始形状参数,并在此前提下对AAM匹配模板进行升级,使其更接近待匹配图像的信息。在精确的匹配模板和优化的初始形状参数下,匹配的最终精度会得到提升。实验和理论证明,改进后的算法比传统反向组合AAM算法以及现有改进的PAAM(Progressive AAM)算法以及简单的结合ASM和AAM的改进算法都有更好的特征点定位精度。 相似文献