萌生希望的开源硬件

让开源硬件达到跟开源软件一样的程度,现阶段还只是极客们的一个伟大梦想,但希望已经开始萌生。当前开源软件的流行我们有目共睹,并风行了近二十年。从Android到Ubuntu、Firefox和Chromium再到服务器平台的LAMP,或正迅猛地吞食市场,或已打下大半江山。然而,在不为普通用户注意的角落,有一群极客在默默开发着所谓的"开源硬件"。哦,他们的     

PGI Accelerator编译器支持英伟达全新Tesla K20系列GPU加速器

2012年11月意法半导体全资子公司、全球领先的高性能计算(HPC)编译器供应商Portland Group宣布,定于12月初发布的PGI 2013版PGI Accelerator编译器支持英伟达NVIDIA Tesla K20系列GPU加速器以及CUDA5并行计算平台及编程模型。科学家和工程师采用PGI编译器及编程工具开发和运行高性能计算应用软件,在天气预报、地理信息处理、空气动力学仿真、结     

面向安卓手机的最佳浏览器

你为手机选择一款浏览器时,必须考虑更不稳定的数据连接、尺寸更小的屏幕,以及在手机上需要或想要处理的任务类型。下面介绍几款最流行的安卓浏览器,帮助你确定哪一款适合自己。说明:虽然市面上有面向安卓和iOS的第三方浏览器,但苹果完全不允许这类工具取代内置的Safari浏览器。因此,我们决定这里着重介绍安卓浏览器。     

惠普云打印机支持谷歌云打印

正谷歌云打印的用户可以从任何电脑或智能手机的支持谷歌云打印的程序上,将需要打印的内容通过惠普云打印机直接打印出来。惠普为家庭和企业提供的支持网络互联、同时具备云打印功能的系列产品,是业界首个支持谷歌云打印的系列产品。使用时,用户只需在谷歌帐户上添加惠普云打印机唯一的邮件地址,就可以在谷歌应用程序将需要打印的内容通过     

HTC EVO 3D 华丽演绎裸眼3D

正HTC EVO 3D是HTC与运营商Sprint合作正式发布了旗下首款3D双核旗舰手机。HTC EVO 3D在外观上类似HTC EVO 4G,略大于EVO 4G。 HTC EVO 3D搭载是高通Snap dragon MSM8660双核处理器,主频高达     

Polycom的最新版移动视频软件

基于开放标准的统一通信(UC)全球领先企业Polycom公司推出其广受欢迎的手机视频软件升级版--Polycom R RealPresenceTMMobile1.3,拓展到HTCOneTMS、HTC OneTMX、HTC JetstreamTM平板电脑,以及苹果iPad R。     

数据挖掘在电子商务中的应用研究

本文主要介绍数据挖掘在电子商务中的应用,文章从数据挖掘的定义、数据挖掘的常用方法出发,阐述了数据挖掘在海量信息中提取有效信息的作用,特别是数据挖掘与电子商务的结合可以给人们生活带来便利,给企业带来新的利润空间以及为企业提供决策支持。常用的数据挖掘技术主要包括支持向量机、朴素贝叶斯、聚类、决策树、神经网络和关联规则等,最后介绍了数据挖掘在电子商务的4个主要应用方面,说明了数据挖掘存在的必要性。     

NDN数据提供者移动支持策略能耗建模与分析

基于数据提供者的移动节点在网络中的不同位置及不同移动速度,结合命名数据网络（NDN）请求者驱动的数据传输模式,提出了3类NDN移动支持策略的网络能耗解析表达式,为NDN移动网络的研究提供了形式化的建模方法.对这3类移动支持策略在不同场景下能耗的分析与比较结果表明,数据流行度分布、移动节点所处位置及移动速度对策略的能耗影响不尽相同,为后续探求最优能效的移动支持策略提供了理论参考.     

基于局部线性嵌入和支持向量机回归的TBM施工参数预测

依托吉林引松工程开展隧道掘进机（TBM）施工参数预测研究,提出TBM施工数据分段提取算法,提取上升段前30 s的总推进力、刀盘转速、推进速度、刀盘扭矩、刀盘转速电位器设定值、推进速度电位器设定值、贯入度、贯入度指数(FPI)、扭矩切深指数(TPI)9个参数作为输入;通过局部线性嵌入（LLE）完成对上升段数据特征的降维;基于支持向量机回归（SVR）建立TBM施工控制参数（推进速度、刀盘转速）和负载参数（总推进力、刀盘扭矩）预测模型. 分析是否结合前一掘进循环的FPI、TPI指数进行预测对预测效果的影响. 结果表明,上述方法在推进速度、刀盘转速、总推进力、刀盘扭矩的预测中均取得了较好的预测效果,平均预测绝对百分比误差均小于15%,验证了该预测方法的有效性,该方法可以为TBM现场施工提供指导.     

基于GWO-SVM的下肢假肢穿戴者骑行相位识别

针对下肢假肢穿戴者骑行相位识别的问题,提出基于灰狼算法优化的支持向量机(GWO-SVM)分类模型. 建立下肢多源信息系统,采集膝关节、踝关节的加速度信号以及膝关节角度信号. 应用奇异值分解,对采集到的信号进行降噪处理. 在对信号进行降噪处理之后,为了避免单一信号不确定的影响,从数据冗余角度,选取各信号的特征点,开展归一化处理,组成多维特征向量,作为SVM分类模型的输入. 为了能够进一步提高分类精度,加强全局优化能力,利用GWO算法对核参数进行优化. 通过与PSO-SVM分类模型、GA-SVM分类模型对比表明,基于GWO优化的SVM分类模型对骑行相位的识别率为94%,高于其他方法优化的SVM分类模型.