北桥设计中的总线周期精确事务级建模

总线周期精确事务级建模能解决系统设计中的仿真精度和速度之间的矛盾。以北桥中的总线设计为背景,采用SystemC中接口方法调用的原理,实现了对Wishbone总线的周期精确事物级建模,并给出了具体的实现方法和测试方法,具有一定的通用性。     

计算机应用基础机试阅卷系统的设计

叙述了计算机应用基础机试阅卷系统设计过程,给出了一个核心程序ＣＯＭＰ函数的程序清单及说明。在每学期的机试阅卷中,使用这一系统后,大大提高了阅卷的准确性及效率,产生了良好的效果。     

基于Web体系结构中的组件设计

提高软件重用度和可维护性一直是软件开发者所遵循的目标，以往的组件技术由于受到编译环境的限制而不能跨平台使用。本文以仓储物流管理信息系统(LSMIS)为例，介绍应用JavaBeans组件技术实现基于Web体系结构中业务逻辑层的设计，它由一些封装的类组成，通过类间的调用实现系统的功能，体现了新一代组件的可移植、可重用，可被替换的特性。     

面向服务的架构SOA-Service Oriented Architecture

SOA（Service Oriented Architecture)是一种分布式软件模型和设计方法，它将应用程序的不同功能组件通过服务之间定义好的接口和契约联系起来，并使各个组件可以用统一和通用的方式进行交互。SOA的目的是为了提高软件应用的适配性和效率。通过使用SOA框架，系统之间的耦合性会大大降低，从而提高软件组件的可重用性。SOA可以用多种技术来完成，例如目前最常用的网络服务(Web Service)或者CORBA和Java远程调用技术。     

基于遗传算法的模糊神经网络控制器在虚拟仪器中的实现

模糊控制技术在复杂的非线性控制过程中表现出优越的性能，神经模糊控制器的出现为自适应模糊控制设计开辟了新的途径。遗传算法由于具有不依赖于问题模型、全局最优、隐含并行性、高效率和解决不同非线性问题的鲁棒性等特点，能很好地用于神经网络的训练。两种方法综合使用，可以大大提高模糊神经推理控制系统的自学习性能和鲁棒性。通过应用Active X技术在Lab VIEW中调用和操作MATLAB的方法，实现了基于遗传算法的模糊神经网络控制器。     

基于上下文敏感度的动态图像目标识别

针对机载实时系统获取的图像序列既不满足背景固定又没有目标、背景的高灰度比,而且常规方法处理这些图像存在局限性,提出了基于上下文敏感度的运动图像目标识别算法.首先,对标准Hough变换(HT)算法进行改进,即沿着某一方向做HT,如果线段长度或已识别的目标点数加上剩余线段长度小于阈值,则停止此方向的扫描,这种变换克服了标准HT以图像边界点为扫描边界的缺点.其次,在静态图像识别的基础上,定义了图像识别的置信度,对运动图像前后帧的关系进行了量化,据此实现了对目标的识别.实验结果表明,与标准HT相比,改进的算法不仅具有很强的稳定性和高抗干扰能力,识别准确性高,而且处理速度是标准HT的3～5倍.     

上下文相关算术编码的VLSI结构设计

由于上下文相关算术编码(CAE)方法的良好压缩特性，使其适用于二值形状视频对象的编码．然而CAE配编码所消耗的运算资源较大，不能满足实时视频编码的要求．为了有效减少数据载入次数，提出一种高效的上下文相关算术编码(CAE)的VISI结构．采用延迟线结构保存输入像素，使其在以后的处理中重复利用．实验结果表明，采用这种结构，有效减少了存储器的访问次数，在计算概率索引时，避免了加法操作，从而达到了利用较少的门电路实现高效编码的设计目标．     

基于隐马尔科夫模型的上下文感知活动计算

为了推理移动用户在智能空间的活动，提出了基于隐马尔科夫模型的上下文感知活动计算．首先按照上下文的定义，采用元组方法表示移动用户和智能空间，然后根据活动理论基本构成元素和面向客体活动原理来描述用户活动和智能空间的状态变化，最后引用隐马尔科夫模型建立起用户活动与智能空间状态变化之间的联系，从而实现活动计算．该模型可以完整地描述活动分解为动作的过程，还可以根据每种活动的动作链标记用户活动数据，却不需要用户直接参与数据的标记．将该模型的动作状态数与上下文感知经验采样工具（ESM）的动作状态数进行比较，结果表明该模型的平均活动识别准确度比ESM高25％．     

关联推理对大学英语词汇与结构测试的启示

本文依据关联理论中关联推理对于上下文语境地依赖的法则,论证了在进行大学英语词汇与结构测试试题设计时,应如何考虑到上下文提供的信息的强度与数量,以及如何能使受试者能据此进行合理的推理,以取得最佳关联,获取准确无误的信息。