-
题名分布式商业数据仓库技术的研究
被引量:1
- 1
-
-
作者
崔志明
陈建明
刘熠
-
机构
苏州大学计算机信息处理技术实验室
-
出处
《微电子学与计算机》
CSCD
北大核心
2001年第2期18-21,共4页
-
文摘
数据仓库是现代企业建立决策支持系统的重要技术手段,文章介绍了建立分布式数据仓库的基本方法,讨论了分布式数据仓库系统功能,着重阐述了分布式商业数据仓库的设计思想,并展望新一代数据仓库技术。
-
关键词
分布式商业数据仓库
数据库
决策支持系统
元数据管理
-
Keywords
Data Warehouse, Distributed, Decision Support
-
分类号
TP392
[自动化与计算机技术—计算机应用技术]
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名面向对象的医学图像数据模型(OOMI)的研究
被引量:3
- 2
-
-
作者
金海东
崔志明
-
机构
苏州大学计算机信息处理技术实验室
-
出处
《微机发展》
2002年第2期1-3,共3页
-
文摘
根据医学图像在计算机上存储及检索的主要特征 ,提出了面向对象的医学图像数据模型的设想 ,讨论了在关系数据库管理系统上实现对象模型的技术 。
-
关键词
医学图像
面向对象
数据模型
关系数据库管理系统
内容检索
OOMI
-
Keywords
Medical Image
Object Oriented Data Model
Retrieve Based on Content
-
分类号
R445
[医药卫生—影像医学与核医学]
TP311.132
[自动化与计算机技术—计算机软件与理论]
-
-
题名FTP搜索引擎数据采集策略的研究
- 3
-
-
作者
郭立力
胡亮
张小栓
-
机构
中国农业大学
中国邮政集团邮票印制局
苏州大学计算机信息处理技术重点实验室
-
出处
《计算机工程与设计》
CSCD
北大核心
2009年第8期1853-1854,1885,共3页
-
基金
国家863高技术研究发展计划基金项目(2006AA10Z239)
欧盟亚洲信息技术与通信基金项目(Europe Aid/117839/C/G-41-15)
江苏省高校省级重点实验室开放基金项目(2006)
-
文摘
为了解决传统FTP Search Engine的检索时效性问题,提出了一种有针对性的数据采集更新模型。在该模型中,更新频率被设计用于解决在怎样尽可能降低服务器负载压力的前提下保证较高的平均有效下载比率的问题,而队列排序用于解决在一次数据采集更新中怎样确定FTP站点队列采集对象顺序的策略优化。
-
关键词
FTP
搜索引擎
时效性
更新频率
队列排序
-
Keywords
FTP
search engine
temporal effectiveness
data update frequency
queue order
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名Smartdraw在生物课件图形素材收集中的运用
- 4
-
-
作者
朱善良
徐国华
-
机构
苏州大学计算机信息处理技术重点实验室
-
出处
《江苏教育学院学报(自然科学版)》
2002年第3期84-86,共3页
-
基金
本研究得到江苏省教委重点实验室开放基金资助
-
文摘
在生物多媒体课件制作过程中,图形素材的运用占有重要地位.准备充足的生物图形素材是一项难度较大的基础性工作,需要制作者掌握一定的方法.怎样才能快速便捷地得到大量的生物学图形素材呢?流程绘图软件Smartdraw既是一个庞大的素材库,又是一个素材加工和制作的有用工具.本文结合自己的使用体会,介绍了运用Smartdraw收集和绘制生物图形素材的方法和技巧,以供广大生物教师参考.
-
关键词
生物教育
课件
素材
-
分类号
TP317.4
[自动化与计算机技术—计算机软件与理论]
G434
[文化科学—教育技术学]
-
-
题名融合频率和通道卷积注意的脑电(EEG)情感识别
被引量:3
- 5
-
-
作者
柴冰
李冬冬
王喆
高大启
-
机构
华东理工大学信息科学与工程学院
苏州大学计算机信息处理技术重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2021年第12期312-318,共7页
-
基金
国家自然科学基金(61806078,62076094,61976091)
上海市教育发展基金会和上海市教育委员会“曙光计划”(61725301)
+1 种基金
国家重大新药开发科技专项(2019ZX09201004)
上海市科技计划项目(20511100600)。
-
文摘
现有的脑电(EEG)情感识别研究普遍采用神经网络和单一注意机制来学习情感特征,具有相对单一的特征表示。而神经科学研究表明,不同频率和电极通道的脑电信号对情感有不同的响应程度,因此文中提出了一种融合频率和电极通道卷积注意的方法,用于脑电情感识别。具体来说,首先将EEG信号分解到不同的频带上并提取相应的帧级特征,然后用预激活残差网络来学习深层次的脑电情感相关特征,同时在残差网络的每个预激活残差单元中都融入频率和电极通道卷积注意模块,以建模脑电信号的频率和电极通道信息,并生成脑电特征的最终注意表示。在DEAP和DREAMER数据集上的独立于受试者场景下的实验结果表明,所提出的卷积注意方法相比单一注意机制更有助于增强EEG信号中情感显著信息的导入,并且能产生更好的情感识别结果。
-
关键词
脑电情感识别
特征表示
残差网络
预激活残差单元
频率和电极通道卷积注意
-
Keywords
EEG emotion recognition
Feature representation
Residual network
Pre-activated residual unit
Frequency and electrode channel convolutional attention
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-