排序方式: 共有22条查询结果,搜索用时 18 毫秒
1.
计算机安全控制不但能保护计算机的数据信息,而且能保护您的网络。一个好的安全性系统能确认试图访问您计算机资源的用户身份,防止非法用户访问某些特定的资源,并且提供了简单、高效的方法来设置和维护计算机的安全。Windows2000 Professional提供 相似文献
2.
在数据层和决策层综合信息,采用多人工神经网络系统诊断故障.通过对全互连、前馈、BP人工神经网的学习训练,可识别不同类型的故障;将诊断任务分解为多个子任务,对每个子任务训练相应的神经网,最后将多个神经网的结果综合起来,以提高系统性能. 相似文献
3.
4.
基于小波变换和稀疏成分分析的盲图像分离法 总被引:3,自引:1,他引:3
针对图像信号不满足稀疏性条件,不能直接用稀疏成分分析模型进行盲分离的现象,提出一种基于小波变换和稀疏成分分析的盲图像分离法. 利用小波分解将混合图像从空域转化到频域,获取混合图像高频对角分量,在频域空间利用线性聚类稀疏成分分析法估计混合矩阵,进而最终重构源图像. 实验结果表明,该方法能准确有效地提取源图像. 目视结果及相关系数分析结果均表明,与经典独立成分分析法(FASTICA)相比,该方法分离精度高,分离效果好. 相似文献
5.
基于分级位平面偏移的多感兴趣区图像编码 总被引:1,自引:1,他引:0
被JPEG2000推荐的Maxshift方式能够高效完成单一感兴趣区(ROI)图像编码,但无法支持不同兴趣度下的多ROI编码.本文提出一种采用分级位平面偏移框架的多ROI编码方式-CBShift.新方法将所有ROI与背景位平面按重要性不同分为重要ROI与背号位平面区(MSRB)、一般重要ROI与背景位平面区(GSRB)及不重要背景区(LSB).当图像中含有多个ROI时,通过调节每个ROI在GSRB区的位平面偏移量支持不同兴趣度下的多ROI编码.实验显示,新方式不仅具有Maxshift方式的优点,而且支持不同兴趣度下无需ROI形状信息的多ROI编码. 相似文献
6.
单亲遗传模拟退火及在组合优化问题中的应用 总被引:4,自引:0,他引:4
基于模拟退火算法(SA)、遗传算法(GA)、 单亲遗传算法(PGA)、遗传模拟退火算法(SAGA)理论的优缺点,比照SAGA、根据SA和PGA的优势互补性,提出了一种融合SA和PGA的新算法--单亲遗传模拟退火算法(SAPGA).结合SA、PGA的优点,对PGA中每一代操作内部的基因重组操作进行了改进,同时改变了传统的降温方式、在两代操作之间加入染色体按适应度函数大小排列的过程.用3组城市数据的旅行商问题(TSP)对上述5种算法进行仿真实验,SAPGA的平均最优解始终最小,收敛所用时间始终最短. 相似文献
7.
非线性现象广泛存在于许多自然科学研究之中。非线性空间信息统计学主要包括对数正态克立格、指示克立格、析取克立格、条件期望等理论方法,已在矿床储量估计中显示出其强大的生命力。其中析取克立格法(DK)介于线性地质统计学和条件期望之间的新方法,其前提假设Z(x)服从一、二元正态分布,并利用厄尔米特多项式展开进行估计,该方法更有效、准确、易实现,并能很好地估计Z(x)的任意函数,解决可回采储量估计等现实问题。该文主要研究了二元高斯分布法、正态变换和埃尔米特多项式的应用,并实现了析取克立格的算法,再现了它在真值空间变异性上的优势。 相似文献
8.
讨论了10 个区间数排序的可能度公式, 分析了它们各自的特点. 从可能度的含义和保序性两个角度指出, 基于可能度矩阵的区间数排序方法有时会导出不合理的排序结果. 通过分析可能度矩阵与模糊判断矩阵的关系, 剖 析了导致这种不合理排序结果的原因. 最后, 利用可能度矩阵构造一个布尔矩阵, 基于布尔矩阵给出一个改进的区间 数排序算法, 并从理论上证明了所提出的排序方法的科学性.
相似文献9.
10.
随着集成电路工艺进入纳米工艺时代,VLSI规模在增大的同时,还伴随着显著的工艺参数变化,使得电源线/地线网络(P/G网)分析从确定式分析算法转变为统计式分析算法,迫切需要能够降低算法复杂度的局部分析算法.为了计算设计者感兴趣的P/G网少数IR电压降比较大的问题节点电压变化,必须分别计算出这些点的相关电阻向量,本文提出了一种单点SOR (Successive Over Relaxation:连续过松弛-超级松弛)的统计分析方法(SN-SOR).与传统的全局SOR方法相比,SN-SOR方法有如下三个优点:(1)局部松弛.由于计算一个问题节点q的相关电阻向量,必须仅在q点加一个激励,所以SN-SOR方法不是采用全局电路节点的顺序松弛方法,而是采用从q点不断向周围节点进行松弛的波状松弛方法,当某些节点的IR电压降小于一个极小的设定值时(即相关电阻足够小),这些节点就不再向外进行松弛计算,因此SN-SOR方法具有局部松弛的特性.(2)高效.与传统的全局SOR方法相比,SN-SOR方法不仅松弛点非常少,而且松弛次数也有所减少.(3)低空间复杂度.当计算出q点相关电阻向量后,SN-SOR方法不是将所有相关电阻都存起来,而是只将强相关电阻存起来,对于大多数的弱相关电阻,仅将少数代表节点上的弱相关电阻存起来,所以本文方法的空间复杂度比较低.大量的实验数据表明,与全局SOR求解方法相比,SN-SOR方法在保持较高精度(误差小于0.38%)的前提下,速度可以提高20倍. 相似文献