AVS-M帧间预测模式快速选择算法的研究

AVS-M是我国拥有自主知识产权的数字音视频编码系列标准的移动视频标准.AVS-M采用率失真优化(RDO)技术进行帧间模式的选择,增加编码过程中宏块进行模式选择的计算复杂度.本文提出一种快速的帧间模式选择算法.该算法首先对SKIP模式提前判决,再采用二分搜索法对帧间模式的选择,对于宏块层的模式划分采用MAD(平均绝对差...     

软件开发框架模型——现实世界问题的结构化分析

对软件开发框架模型提出了一种新的构化的分析方法,同时介绍了常用的结构化分析的工具及其更实用情况。     

蓝牙和IEEE802.11无线局域网共存问题探析

使用WiFi(Wireless Fidelity)IEEE 802.11b/g协议的无线局域网(WLAN)技术已经成为PC和笔记本电脑的标准而正在快速扩散到PDA(Personal Digital Assistant)和其它便携式设备。与此同时,蓝牙作为耳机,麦克风连到各种个样的无线设备的串口线的替代品已经越来越普遍。这两种无线协议都工作于2.40至2.48GHzISM(工业,科学和医疗)射频带。WiFi使用12个带宽为22MHz重叠的频道其中一个,而蓝在带宽为79MHz范围跳频[3]。因此,无论WiFi正在使用哪个频道两个系统间会存在互相干扰和共存的问题导致数据吞吐量的降低。实现IEEE802.11 WLAN协议的设使用FEC(Foward Error Correction)纠错技术来减轻于其它无线网的干扰。在该文中,我们将对RS(Reed Solomon)编码与BS(Binary Convolutional)编码使用于解决WLAN于BT共存问题的相对有效性进行一个调查并作出结论。     

人才信息系统数据库设计

在人才信息系统的功能需求基础上,设计了一个信息数据库,能够实现招聘信息发布与查找、应聘信息发布与查找以及人才信息统计等功能。整个设计过程从需求分析、概念设计、逻辑设计等方面进行探讨。     

基于相似关系的决策系统的知识获取算法

本文基于一种相似关系下的粗糙集模型,给出了一些基本性质,讨论了该相似关系下的决策系统的知识获取算法。该算法可以避免因数据离散化的处理而产生的信息系统相似度的误差。     

Gbps串行链路信号完整性分析与设计

本文对影响Gbps串行链路信号完整性(SI)的主要原因进行了详细分析,提出了一系列改善信号完整性的解决方法和思想。实际设计了实验背板,测试结果验证了方法的有效性。     

继电保护定值管理系统设计

基于工作流技术分析了定值单管理业务过程,利用UML活动图对定值单管理工作流程建模,在BEA Weblogic Integration支持下实现了定值单工作流系统,给出了与定值整定计算软件、配电AM/FM/GIS进行系统集成的方案.系统的实施实现了定值生产管理流程化、自动化和多部门协同.     

二进制粒子群算法在路径规划中的应用

全局路径规划是智能机器人的一个重要研究领域,将二进制粒子群算法应用于路径规划是一种新的尝试.提出一种机器人路径全局路径规划方法,介绍了利用改进的二进制粒子群算法进行路径规划的详细实现过程.机器人工作空间中的障碍物表示为多边形,对多边形顶点进行编号.利用二进制粒子群算法进行路径规划,粒子的长度定义为工作环境中障碍物顶点的个数,每一位为0或1表示路径是否经过该顶点.为了克服传统的二进制粒子群算法的早熟收敛问题,在改进的算法中采用了双重编码结构,并引入变异操作.最后给出仿真结果证明该方法的正确性和有效性.     

布尔表达式的化简与并行排序网络验证

为设计出能够验证并行排序网络正确性的有效工具,根据[0,1]原理和布尔函数的特点和性质,提出一种布尔表达式的化简算法,并根据此算法设计出验证工具.对[0,1]原理和布尔函数的特点和性质进行了讨论,指出有利于化简操作的性质.设计出的工具能够根据并行排序网络的参数显示网络图形、自动生成布尔表达式并实现化简验证,工具的输出有利于对排序网络的分析,也可以用于辅助排序网络的设计和优化.实验结果表明了该工具的有效性.     

潜在属性空间树分类器

提出一种潜在属性空间树分类器(latent attribute space tree classifier,简称LAST)框架,通过将原属性空间变换到更容易分离数据或更符合决策树分类特点的潜在属性空间,突破传统决策树算法的决策面局限,改善树分类器的泛化性能.在LAST 框架下,提出了两种奇异值分解斜决策树(SVD (singular value decomposition) oblique decision tree,简称SODT)算法,通过对全局或局部数据进行奇异值分解,构建正交的潜在属性空间,然后在潜在属性空间内构建传统的单变量决策树或树节点,从而间接获得原空间内近似最优的斜决策树.SODT 算法既能够处理整体数据与局部数据分布相同或不同的数据集,又可以充分利用有标签和无标签数据的结构信息,分类结果不受样本随机重排的影响,而且时间复杂度还与单变量决策树算法相同.在复杂数据集上的实验结果表明,与传统的单变量决策树算法和其他斜决策树算法相比,SODT 算法的分类准确率更高,构建的决策树大小更稳定,整体分类性能更鲁棒,决策树构建时间与C4.5 算法相近,而远小于其他斜决策树算法.