浮长线修剪类色织小提花新产品开发

介绍几款以棉、毛色纱作经纬的浮长线修剪类色织服用新产品.全棉纬修背产品"霞间织霓裳"产品以多色彩纬连续多根织入构成块面纹,浮长线沉背,织物正面地纬呈曲线形态;涤棉混纺纬修花产品"风的颜色"采用花式纱线以粗线条几何纹起花,较长的浮长线留在织物正面,修剪并捋直浮长线,错落有致的流苏随风摇曳、富有立体动感;全毛经修花产品"静夜小雨滴"彩经采用交织、长短经浮长线方法以点、线结合方式形成沿纵向交错排列,修剪后产生静夜中雨滴串珠的艺术效果;全棉经纬修花产品"纵横天地"利用彩经、彩纬双向交织起长方形模块纵横组合纹,将彩经模块表面的彩纬浮长线、彩纬模块表面的彩经浮长线修剪,留出短短纱头,表现天纵地横、色彩绚丽的景象.     

基于熵权TOPSIS的工程咨询机构BIM技术应用能力评价

构建工程咨询机构BIM技术应用能力评价的指标体系,提出改进的熵权TOPSIS评价模型,以4个典型的工程咨询单位为例,进行BIM技术运用能力评价。研究表明,BIM行业的整体水平已经有了明显的提升,但是区域间的发展还存在一定差距。     

GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。     

低觉醒脑电识别与唤醒的可穿戴系统研究

为智能化地识别警戒作业人员出现的低觉醒、注意力下降的生理状态，本文介绍了一种基于FPGA和脑电信号处理的低觉醒状态检测与唤醒系统，系统通过传感器从大脑头皮采集脑电信号，转换为数字信号，经傅里叶变换获取了脑电信号的θ相对能量、α相对能量、重心频率、谱熵等4个特征量，由4个特征量表征低觉醒状态并运用支持向量机对低警戒状态进行识别，当识别出低觉醒状态时采用声音报警模块发出声音，唤醒警戒作业人员。设计系统能够较好地识别出低觉醒状态，识别率达90.8%，可为提高警戒作业工作绩效提供一种可穿戴的智能装备。     

正确使用排序功能

虽然排序功能出现在Microsoft Word的“表格”菜单下,但其应用并不仅限于表格。如果你已经生成了一个地址表或术语表,后来又陆续添加了一些条目,这时想按照字母顺序给它们排个序,只要选择“表格”菜单下的“排序”功能,就会对整篇文档内容进行自动排序。如果只想对某一部分的文     

基于FPGA的CAVLC编解码器设计与实现

H．264标准在基本档次和扩展档次中采用CAVLC熵编码，完成对变换系数残差块的编码。提出一种基于FPGA的H．264标准的CAVLC编解码器，程序代码用verilog硬件描述语言编写，并在QuartusⅡ中进行了仿真验证，可以实现对每个残差块数据的编解码并将其按照宏块光栅扫描的顺序输出到存储器，因此适合于嵌入在最终的码流中。仿真结果表明此CAVLC编解码器达到H．264标准中基本档次和扩展档次level3．0的性能要求。     

再研究最大熵解卷的真解问题

194 9年Ｓｈａｎｎｏｎ和Ｗｅａｖｅｒ在《通信的数学理论》一书中明确给出了信息熵的概念[1] ,195 7年Ｊａｙｎｅｓ指出 ,最大熵原理可以作为衡量可能分布的一种尺度[2 ] 。目前最大熵方法已经被广泛应用于信息处理和图像恢复等不同领域。最大熵原理在电子显微学领域中同样得到了很好的应用 ,主要工作集中在消除像的噪声和改善像的质量。 1991年胡建军和李方华等成功地将最大熵原理应用于高分辨电子显微像的解卷处理[3 ] 。随后报导了最大熵解卷中出现形式上的“多解”现象[4] ,并指出“多解”源于傅里叶像效应[5] ,讨论了确定真解的办法。…     

基于插值的集合排序法

本文把数值计算方法用于非数值的文件排序中，提出了一个基于插值的集合排序法，在一般情况下，它具有较快的速度。