微软的便携之梦

“冒烟的地方会有火”，这句话至少在微软身上应验了——如果媒体报道属实，微软将会发布一系列的便携媒体播放器和游戏机。名字还没确定，可能是Argo、Zune或者其它。     

MP830／730：多媒体SoC处理器

Mobilic公司推出多媒体片上系统(SoC)处理器 MP830和MP730,提供用于移动设备设计包括3G手机、个人媒体播放器、PDA、数字摄像机和GPS系统的特性组合。这两款处理器具有200MHz ARM926 CPU,集成了支持MPEG4和H．263标准的视频CODEC、MP3译码器、2D图像加速引擎,以及用于高分辨率LCD、TV、以太网和USB的接口,并支持有大量外设的高性能视频     

祥硕科技采用MIPS内核开发多媒体SoC

MIPS公司宣布，祥硕科技已获得多款MIPS公司的可合成处理器内核授权，以进行数字消费设备的多媒体SoC开发。祥硕科技是MIPS既有的授权客户，已采用MIPS32TM 4KEcTM、MIPS32TM 4KEmTM、以及MIPS32TM 24KEcTM等内核，针对包括数字相框、媒体播放器、与固态硬盘（SSD）等多项应用开发新一代IC。     

SONY HMP-A1便携媒体播放器

便携式媒体播放器(Portable Media Player，PMP)以大容量硬盘作为存储介质，内置液晶屏，可以播放多种音频文件和高清晰的视频文件，满足了用户在移动中对视频娱乐的需要。作为移动娱乐设备一线大厂．索尼(SONY)自然不甘人后，推出了自行设计的PMP产品——HMP-A1(以下简称A1)．以此作为冲击PMP市场份额的武器，更让自己在移动娱乐设备领域再次全面开花。     

流媒体业务及技术发展

流媒体业务是目前运营商开发的一项新的视频业务 ,本文从系统结构、关键技术以及业务发展等多个方面 ,介绍了目前该业务的发展情况。     

德州仪器推出具有数控功能的2．25MHz双通道输出DC／DC转换器

日前,德州仪器(TI)宣布推出两款双通道输出降压DC/DC转换器,这些器件采用单引脚串行接口专利技术,可进行简便的数字电压缩放。此外,这些效率高达95%的2.25 MHz器件还有助于延长手机、便携式媒体播放器、其它便携式电子产     

用于消费电子产品的3D处理器架构ZEVIO处理器架构为消费电子产品提供低成本、低功耗的3D图像及声音功能

低功耗、3D功能应用处理器架构ZEVIO适用于消费电子产品，如GPS导航系统、电子玩具、教育娱乐、个人媒体播放器和手持式产品。通过提供开发支持工具和预验证的、特别针对消费电子的IP，比如3D图像和3D声音核，ZEVIO架构降低了设计复杂性和缩短了产品上市周期，将有助于在消费电子产品上实现3D功能。     

实现贴边窗体

多数媒体播放器(例如Winamp)都具有会贴边的窗体。制作一个这种看似奇妙的窗体其实并不很难，只需重载窗体消息WM-WINDOW-POSCHANGING的响应函数OnWindowPosChang-ing即可。     

基于计数排序的最小种子集贪心算法

网络最小种子集问题与网络影响最大化问题相关,研究的是对于具有节点阈值的网络,构造网络的最小节点子集,使得如果这个子集中的节点是活的,则在给定的影响传播模型下整个网络都受到影响。为此提出了新的贪心算法,以节点的度与阈值的差为关键值对网络节点进行计数排序,然后取值最小的节点进行处理。新算法在时间复杂度上改进了基于最小堆的种子点选取算法。在简单多数阈值模型上针对经典的无标度网络得到了所构造的种子集规模上界。实验在随机生成网络和一些实际网络数据集上进行,结果表明所提方法的有效性,特别在无标度网络上生成的种子集具有比相关算法更小的规模。     

基于稀疏强特征提取的三维地震数据完备方法

随着复杂储层地震资料特征筛选的机器学习技术的进步,如何有效地对参与地震属性优选和储层反演的地震样本进行采集和分析,成为目前智能地震预测领域的一个研究热点。目前的方法多着重于模型分类算法的改进,在标签的制作和采集方面不仅耗费大量时间进行人工标注,还存在标签不平衡情况下类内可靠性、类间平衡性不强等问题。为此,提出基于稀疏强特征提取的三维地震数据完备方法。首先,基于多数决原则的样本分割(Sample Segmentation Based on Majority Rule, SSMR)寻迹多尺度、多标签三维地震样本,进行采集、自动标注;然后,改进标签洗牌平衡方法(Improved Label Shuffling Balance Method, ILSB),通过“2+1”的样本增广平衡策略进行数据完备处理,改善样本采样不平衡性导致的模型训练偏向性;最后,利用基于最小L₁范数稀疏表示对奇异值分解结果进行强特征提取(Minimum L₁-norm Based Sparse Representation for Feature Extraction, L