基于信道相关因子的自适应滤波模型及其应用

对信道衰落趋势进行预测,并有针对性地制定接收机策略,是改善无线接收机性能的一项重要课题.信道相关因子能一定程度反映了移动终端接收信号强度变化的规律,将信道相关因子引入自适应滤波模型的建立,并从理论上对模型的收敛速度和稳态特性进行分析.应用该模型对移动终端在衰落信道下信号强度的变化趋势进行预测,结果证明该方法具有良好的预测精度和较快的收敛速度.应用该预测模型的移动终端接收机在典型的衰落信道下解调性能得到一定程度的提高.     

地理社交网络中基于K近邻的兴趣组查询

为满足地理社交网络平台中用户对附近区域内具有相同兴趣的其他用户的查找需求,提出一种新型空间查询——基于K近邻的兴趣组查询(K-Nearest Neighbor Based Interest Group Query,KNNIG)。与基于距离约束的传统空间K近邻查询不同,KNNIG查询还加入了基于查询关键字的兴趣值约束,并在此基础上提出了D-I评价函数。查询结果为分值最高的用户集合。此外,提出了3种查询处理算法:基本KNNIG查询处理算法(KNNIG-G)、KNNIG查询的优化算法(KNNIG-G*)以及基于网格的距离松弛算法(KNNIG-DR)。在KNNIG-G基础上,KNNIG-G*和KNNIG-DR分别通过空间剪枝和距离松弛策略,在可容忍误差范围内有效地减少了计算开销,提高了查询效率。在真实数据集上进行的实验验证了所提算法的可行性与有效性。     

基于核典型相关分析的字符识别

介绍一种基于核典型相关分析(KCCA)的字符识别方法.首先选取核函数将低维数据映射到高维空间,再利用典型相关分析(CCA)的思想对数据进行降维,最后利用分类器对降维后的数据进行分类识别.通过对MINST手写数字字符库的实验结果表明,利用KCCA对特征数据进行降维后,能够在新的特征空间中寻找到较好的线性模型,即新特征能够被较好地分类识别.     

纪录片故事化创作论

纪录片是供人们观赏的艺术品,"好看"是纪录片的价值核心。如何才能做到好看,这就是"讲故事",故事从何而来,人,是纪录片创作的永恒话题,人的思想、人的情感、人的行为、人的真善美、人的假丑恶、人的环境、人的社会意识、人的内心世界成为纪录片创作的内容和主题。     

惠普方舟行动起航

近日,惠普公司“方舟行动”在京沪穗三地起航,揭开了其进入Internet应用时代的序幕。活动期间,惠普公司组织了规模巨大的研讨会和展示会.研讨了Internet时代以网络服务器为吣的应用解决方案,展示介绍了惠普公     

基于Contourlet变换的人脸图像超分辨率技术研究

采用Contourlet变换,对基于学习的人脸图像超分辨率技术进行了研究.为了表示人脸特征,首先建立了Contourlet金字塔,针对Contourlet变换特征存在的不足,采用Contoudet变换的方向滤波器(DFB)对高斯金字塔的一阶和二阶梯度特征进行方向滤波,提取滤波后的特征作为新增加的特征.然后针对人脸的特殊性,在匹配过程中采用对应点进行匹配的方法,既保持了匹配的准确性又加快了匹配速度.最后采用最小欧式距离进行最优匹配的选择,对该距离进行判断.针对不同的距离采用不同的复原方法.实验结果表明,本文算法复原出的超分辨率人脸图像具有更好的视觉效果,更逼真、更接近于原始高分辨率图像.     

基于GIS的南渡江流域生态敏感性评价

为了解南渡江流域生态环境遭到破坏的程度,基于GIS技术,根据南渡江流域的主要生态问题,选取高程、坡度、地形起伏度、土壤侵蚀、土地覆盖、水体缓冲、降雨侵蚀力和植被覆盖度8个生态敏感性评价指标,采用层次分析法(AHP)、多因子加权求和模型以及自然断点法,将流域划分为5个生态敏感等级。结果表明南渡江流域整体生态敏感性适中,其评价结果可为政府相关部门在南渡江流域的生态保护和资源开发中提供依据和参考。     

自恃老经验受伤坐轮椅

每天上班途中,我总会遇到两位坐着三轮摩托车去买菜的老人,开车的是一位断了腿的大爷,后面坐的是他的老伴.     

An Efficient Method for Cleaning Dirty-Events over Uncertain Data in WSNs

Event detection in wireless sensor networks (WSNs) has attracted much attention due to its importance in many applications. The erroneous abnormal data generated during event detection are prone to lead to false detection results. Therefore, in order to improve the reliability of event detection, we propose a dirty-event cleaning method based on spatio-temporal correlations among sensor data. Unlike traditional fault-tolerant approaches, our method takes into account the inherent uncertainty of sensor measurements and focuses on the type of directional events. A probabilitybased mapping scheme is introduced, which maps uncertain sensor data into binary data. Moreover, we give formulated definitions of transient dirty-event (TDE) and permanent dirty-event (PDE), which are cleaned by a novel fuzzy method and a collaborative cleaning scheme, respectively. Extensive experimental results show the effectiveness of our dirty-event cleaning method.