基于PLC的智能化停车场指挥引导系统设计

针对传统停车场存在的问题和目前智能化停车场指挥引导系统的不足,设计了一种基于PLC的智能化停车场指挥引导系统。系统由PLC、MCGS、车位检测模块、PLC输入信号形成模块、信号整合模块、路口光电检测器、路口指示灯等组成,重点对停车场各硬件安放位置、PLC的I/O分配、车位检测模块、PLC输入信号形成模块、信号整合模块等进行设计。经测试表明,系统稳定可靠,安全可行,具有较好的推广价值。     

变换域数字水印处理技术

数字水印是信息安全领域的一项新技术,给出了相对明确的定义。着重分析了变换域数字水印系统的特征及常见攻击,给出了一些相应的对策。最后指出变换域水印的重要问题,即频率的选择问题。     

基于核空间中最优变换和聚类中心的鉴别特征提取

应用统计学习理论中的核化原理,可以将许多线性特征提取算法推广至非线性特征提取算法.提出了基于核化原理的最优变换与聚类中心算法,即通过非线性变换,将数据映射到高维核空间,应用最优变换算法,实现原空间数据的非线性特征提取,而求解过程却借助"核函数",回避了复杂非线性变换的具体表达形式.新算法可提取稳健的非线性鉴别特征,从而解决复杂分布数据的模式分类问题.大量数值实验表明新算法比传统的最优变换与聚类中心算法更有效,甚至优于经典的核Fisher判别分析.     

基于管理形式固化的进销存系统设计

小型进销存企业虽然管理形式相对固化,但是内部管理水平较低,一个主要原因是因资金量较小和员工的素质低导致无法使用专业的管理软件来提高企业的竞争力.设计了一种实用的小型的进销存软件,具有简单易用的交互界面,丰富的数据报表分析,能满足管理形式固定进销存企业的日常使用,可以有效提高小型企业管理的效率,预测企业的需求,为企业的长远发展提供更多的参考.     

基于共源共栅反相器的极低功耗Sigma-Delta调制器设计

为了满足穿戴式医疗设备中低功耗、高精度的模数转换应用需求,设计一种基于共源共栅反相器的低功耗14 bit/500 Hz Sigma-Delta调制器电路.在低电源电压环境下,该电路采用栅压自举开关完成了高精度的信号采样.利用共源共栅反相器替换传统Sigma-Delta调制器的跨导放大器（DTA）,有效降低了电路功耗.电路采用SMIC 0.13 μm 1P8M 混合信号工艺实现,测试结果表明,在供电电压为0.6 V、时钟频率为256 kHz、信号带宽为500 Hz内,Sigma-Delta调制器输出信号最大信噪失真比为69.7 dB,有效精度为11.3 bit,功耗仅为5.07 μW.     

延迟基因调控网络重构问题研究

在基因序列相空间重构的基础上,利用基因序列互信息极小原则可有效确定调控基因之间的转录延时,根据延时来确定实施聚类的时刻．在此基础上,通过对调控关系的预测和对反映调控误差的决定性系数的计算获得对目标基因的调控基因组,进而获得概率基因调控网络,这样做能更有效地反映基因之间的调控关系．     

改进的离群核模糊聚类算法

针对离群点数据的发现问题,提出一种改进的离群核模糊聚类算法,利用先验知识,选择聚类目标函数,并将聚类中心作为初始化参数,有效提高算法的收敛速度,减少其整体运行时间,仿真实验结果表现,该算法是有效的。     

几何模式动态贝叶斯网络推理基因调控网络

针对趋势相关(两基因在其表达水平随时间上升与下降的变化趋势上相关)关系在重建基因调控网络中十分重要却尚未被挖掘利用的问题,提出了几何模式动态贝叶斯网络(Gp-DBN)方法．Gp-DBN将每个基因的表达数据转换为一个几何模式,依据几何模式确定潜在的调控子和调控时滞,并通过推理这些几何模式之间的相关关系来发现基因间的调控关系．该方法解决了挖掘具有趋势相关的基因调控关系的问题,能够很大程度地提高重建的基因调控网络的性能．对Yeast和 E. coli基因数据的实验结果表明无论是在无先验知识还是在有先验知识时Gp-DBN重建的基因调控网络的性能都比传统的动态贝叶斯网络方法有大幅度提高．     

填空法讲授二叉树遍历教学探讨

本文从教学实践的角度出发，阐述了学生对“数据结构”课程教学中二又树遍历这一知识点不易理解的问题，并提出一种新的方法——填空法解决这一问题。通过对填空法的基本原理和讲授方式的探讨，使学生产生兴趣从而提高该知识点的课堂教学效果。     

基于因果关系挖掘的概率基因调控网络的构建

科学的基因聚类方法是构建基因调控网络的前提，但仅以聚类作为构建网络的主要手段只能找到共同调控的基因，不能精确反映基因之间的相互作用过程。贝叶斯网络模型通过基于图的方式求得多变量之间条件独立的概率因果关系，但因其计算复杂性受到应用层面的限制。该文综合考虑几方面因素，在对基因进行聚类基础上，通过对调控关系的预测获得对目标基因的调控基因组，再利用LCD(local causal relation discovery)方法通过限制搜索条件发现基因间的独立关系，进而获得基因调控网络。实验结果表明了该方法的可行性和有效性。