图像识别技术在人工智能中的应用

在人工智能技术中,图像识别技术是十分重要的一种,随着信息时代的不断发展,图像识别技术逐渐兴起并得到广泛应用。笔者基于图像识别技术原理,较深入地探讨了图像识别技术及其识别过程,重点分析了神经网络及非线性降维的图像识别技术,对于深入开展图像识别研究及应用有一定的促进作用。

浅析多层结构及其在Delphi中的实现

本文讨论了分布式多层应用体系的结构、特点及实现技术。分析了用 Delphi 实现基于 MI-DAS 技术的多层结构,并举例说明实现多层结构的步骤。

基于内容的互联网图像检索系统设计

在基于内容的互联网图像检索引擎设计中,针对互联网图像数量巨大并且品类繁杂的特点,本文实现了一个多特征的、可预分类、多级标注的图像检索系统。以文本信息和人工标注等方式,改善了图像检索系统的指向性混乱问题。通过实验分析,相比传统的基于单一特征的图像检索系统,具有更好的准确性和有效性。

并行计算的基本问题及现状分析

我国经济的不断发展,科学技术不断的进步,在计算机的发展中并行计算是发展的主要目标。本文针对并行计算的基本情况做出分析,并且讨论并行计算存在的问题与当前研究热点、并行计算的现状等等。

AT91SAM7A3在CAN总线中SAEJ1939协议的实现

一、AT91SAM7A3简介 AT91SAM7A3是Atmel32位ARMRISC处理器，集成了ARM7TDMI ARM Thumb处理器。（1）256K字节的片内高速Hash存储器，共1024页，每页256字节；（2）32K字节的片内高速SRAM，可以在最高时钟速度下进行单时钟周期访问操作；（3）电源管理控制器（PMC）；（4）复位控制器（RSTC）；（5）先进的中断控制器（AIC）；

大数据时代的计算机信息处理技术

日益发展的计算机技术便利了生活,全球爆炸式增长的计算机用户中产生了待处理的海量数据信息,目前计算机信息处理水平难以达到对大数据处理的要求,这对于计算机技术革新具有一定的促进作用。本研究针对计算机信息处理技术在大数据时代的发展及计算机信息处理技术有关问题进行初步探讨,并分析了计算机信息处理技术在大数据时代的的机遇与挑战。

基于Web方式的科技计划管理系统的设计与实现

应用ASP、Web交互技术设计和实现黑龙江省科技计划管理系统 ,详细说明了系统的设计原则、逻辑体系划分。

基于Wifi网络的模糊聚类KNN位置指纹定位算法

无线传感定位系统离不开网络及专用传感器的支持,基于此对移动目标定位采用WiFi网络管理是一种具有普适性地解决方案。本文针对基于Wifi网络的位置指纹定位算法的分析,对KNN定位算法中存在的问题进行改进后提出了模糊聚类KNN位置指纹定位算法,明显提高了定位精度及效率,也降低了定位误差。

浅谈车载中控设计方案

文章结合作者在进行汽车行驶记录仪设计过程中设计方案,对车载中控设计方案进行基本阐述,为行车记录仪的发展提出了好的技术基础。

一种基于内容的视频检索系统设计

随着多媒体技术的迅猛发展,数字视频信息量飞速增长。如何有效地在海量视频数据中查找用户感兴趣的内容,已经成为当今信息社会亟待解决的技术问题。本设计针对互联网视频的检索,分别从基于文本的方法和基于视频内容的方法出发,研究包括视频网页的识别和视频文本特征提取以及大规模视频数据处理等视频检索系统中的关键技术和问题,设计并实现了通用的视频检索系统。

一种锁无关的数据缓存方法

针对多处理器环境下的并行数据访问,笔者通过引入锁无关的算法和设计思想,改善了传统的基于锁的并发访问控制机制导致的性能低下、无法避免死锁或活锁等问题,提出了一个基于锁无关的缓存数据结构和算法;通过实验与基于锁的缓存机制对比,本文提出的方法具有更好的性能。

基于条件依赖网络的多标签分类研究

在海量视频标签检索中,我们通过开发一个条件依赖网络模型。实现一个循环的指示图形模型,该模型提供了一个直观的代表性的多个标签依赖,和良好的高效的模型训练的综合智能框架,使用二元分类推断。该模型可以有效地利用标签的依赖,以提高多标签分类性能。

CAN总线在客车上的网络控制

一、CAN简介 CAN全称“Controller Area Network”，即控制器局域网，是国际上应用最广泛的现场总线之一。最初，CAN被设计作为汽车环境中的微控制器通讯，在车载各电子控制装置ECU之间交换信息，形成汽车电子控制网络。比如：发动机管理系统，变速箱控制器，仪表装备、电子主干系统中，均嵌入CAN控制装置。

人脸表情识别系统研究

在人与人的交往中，面部表情是一种非常重要的信息传递方式，能够传达很多语言所不能传达的信息。人脸表情识别就是利用计算机对人脸的表情信息进行特征提取并分类的过程，它使得计算机能够根据人的表情信息，推断人的心理状态，从而实现人机之间的智能交互。随着计算机处理技术的不断完善及人脸识别研究的进展，利用计算机进行人脸面部表情识别已经成为可能，并且这一领域的研究工作正日益被科研人员重视。