13款新一代平板电脑横向评测：更轻、更快、更美观

准备购买平板电脑或为自己的平板电脑更新换代的用户,现在或许是出手的适当时机。目前,市场上不同尺寸、不同档次的平板电脑都有许多不错的产品,新一代平板电脑与老一代产品相比有许多优势,凭借更强大的芯片、更好的显示屏和更大容量的电池,新一代的平板电脑性能更强、显示效果更佳、电池使用时间更长。此外,新一代的平板电脑更轻、更时尚,而且在制造成本大幅降低的情况下,平板电脑的硬件配置虽然不断提升,但价格却一降再降。     

不可思议的新电池

目前,电池是移动设备最大的软肋,也是制约电动汽车发展的主要因素,而新一代电池将是不可思议的,它可以为移动设备提供10倍的续航时间,提什电动汽车的竞争力,下面CHIP就带大家一睹为快。     

基于粗糙集的Web事务聚类算法

针对现有Web数据挖掘方法发现的知识和规则存在不精确或不完全的问题,将粗糙集引入到Web挖掘中,进行Web事务聚类.粗糙近似算法基于用户访问序列的顺序和内容建立用户事务相似度矩阵,运用基于相似度矩阵的粗糙上近似提取初始类,使用相对相似性的条件作为合并准则,基于约束相似性的上近似形成后续类.粗糙近似算法能够有效挖掘Web访问日志,聚类Web事务,发现用户访问Web页面的模式.     

基于定性与定量分析的联络中心任务量预测法

任务量预测是联络中心人员排班的第一步,如何精确预测联络中心的任务量并相应地安排适当数量的座席人员来处理客户的需求是联络中心管理人员面临的首要问题.提出采用定性分析与定量分析相结合的任务量预测方法.对于给定的任务量数据,首先,采用观察法进行定性的分析区分异常和正常数据,然后,分别选定合适的定量预测方法进行预测.任务量定量预测方法包括趋势拟合、线性回归、移动平均、时间序列分解等预测方法.通过定性分析与定量分析相结合的综合应用方法,给出更准确的联络中心任务量预测方案,帮助管理人员最大程度的减少放弃和被拥堵在队列中的任务数量,设计制定可行性高的座席人员数量及人员排班.     

基于遗传算法的时间序列预测算法研究

模型参数的估计是时间序列预测研究的重要内容,经典模型参数估计方法对参数估计结果不进行评估和优化,预测精度往往达不到要求。本文提出基于遗传算法进行模型参数估计的方法,该方法具备了群集思想和递推思想的特征,仿真实验表明所提出算法相比传统算法,具有更高的预测精度。     

无法抗拒的魅力——起亚k5摩雷意蕾音响改装升级

车主刚刚提车2天的样子,以前一直都有在玩家用音响。也许是多年来的熏陶,耳朵“发烧”的他在提车之后觉得车上的音响效果太差,于是乎便驱车前往成都元音为爱车进行音响改装升级。车主表示,由于他平常跑长途的时间较多,相对地在车内的时间会更长,为了让驾驶过程中能更好地聆听音乐,他这次的升级不惜一掷万金。     

改进约束三角网在沉积相带图中的应用研究

针对在沉积相带追踪中,常规三角剖分算法构造的三角网无法自动解决河道砂体跨井排不连通问题,提出了一种相带边界线自动识别方法。该方法的关键步骤是采用逐点插入法先生成无约束三角网;再根据河道砂体连通情况插入虚拟井,并通过该虚拟井建立跨井排井的连通线,将这两条线作为约束边插入第一步生成的三角网中,将三角网部分重构,形成最终约束三角网,对该三角网进行相带边界追踪。系统前端采用。 NET网页框架和Applet网页嵌入技术,核心绘图功能采用Java 2D绘图技术,效果良好。     

嵌入式火控软件时间性能测试

嵌入式实时操作系统是能在确定的时间内执行计算或处理功能并能对外部事件做出响应的系统,由此可见时间逻辑会影响软件系统的正确性,时间指标一般指任务切换、完成时间和中断响应时间。根据这些特点,文中简要介绍了静态分析方法,着重介绍了一种利用8253可编程间隔定时器进行插装的实时动态检测时间指标的方法。此方法在嵌入式火控系统软件时间性能指标的测试中得到了充分利用,取得很好的应用效果,同时也介绍了此方法的局限性,便于在其他测试项目中更充分的运用。     

应用于临床生存时间预测的二次学习算法研究

生存时间预测在医学、经济和工程等领域有着广泛的应用。随着机器学习技术和数据挖掘技术的发展和广泛应用,研究人员提出了很多基于机器学习技术的生存时间预测算法。这些算法虽然都取得了良好的效果,但预测精度均有提升的空间。因此,提出了一种基于二次学习风范的生存时间预测算法,并结合最近邻算法在截尾样本估计上的应用以及支持向量机在泛化性能上的优势,实现了对临床生存时间的建模。实验结果表明,该算法能够获取精确的生存时间,且具有预测精度上的性能优势。     

SPG-Suite：面向伪周期时间序列的预测方法

伪周期时间序列是一种广泛存在的数据形式,它具有伪周期性、非平稳性和特征值等特征。对这类时间序列进行预测,具有很强的研究和应用意义。然而,目前的相关研究对伪周期时间序列的关注度不足,一些已有的时间序列预测方法在应用到伪周期时间序列上时,会造成误差的累积,使得预测效果很差。为了解决这些问题,总结了伪周期时间序列的特征,并提出了SPG-Suite预测方法,很好地解决了传统方法无法解决的问题。最后,在真实的数据集上进行了实验,并与传统方法进行了对比,实验结果表明,SPG-Suite方法在预测精度上具有明显的优势,并具有较强的可扩展性。