短期电力负荷预测的模糊神经网络方法

针对短期电力负荷的复杂性和不确定性,提出一种应用模糊神经网络的短期电力负荷预测模型.该模型具有神经网络的强有力学习能力.由于利用了模糊理论处理非线性问题的能力以及从海量数据中抽取相似性的功能,冈而弱化了神经嘲络对样本的依赖性,增强了外推性,可在一定程度上减少学习时间,并充分考虑气温变化对负荷的影响.实验结果表明,该模型对短期负荷有较好的预测精度,具有实用价值.     

单芯片多处理器系统任务并行处理设计

根据单芯片多处理器的基本架构,围绕如何提高单芯片多处理器的性能,提出一种基于任务库的任务并行处理方法,给出了任务加载和调度策略,并用硬件予以实现.以4个基于51体系结构的MCU子处理器为单芯片多处理器架构,进行了任务分配调度实例验证.结果表明,提出的方法切实可行,能够提高单芯片多处理器的并行处理能力和工作效率.     

基于语义网络表示的皮肤症状模糊推理系统的研究

针对皮肤症状中的知识表示问题,讨论了语义网络的知识表示方法.并将模糊推理引入皮肤症状图像的分类识别中,给出了4种常见皮肤症状(黄褐斑、粉刺、黑头、雀斑)的语义网络表示,建立了识别的隶属度函数和基于语义网络表示的模糊推理算法,从而构建了一种皮肤症状模糊推理系统.实验结果表明,利用该推理系统得到的皮肤症状分类准确率达到了令人满意的效果.     

MCS-51中串行口IP的设计

该文介绍了一种串口的内部结构及其模块化实现，并结合具体工作方式给出了仿真结果，在文章的最后讨论了可综合的编程风格和在设计中遇到的问题及其解决方法．该文设计的串口IP已经结合其它IP做成了一个SOC系统，并成功地通过了FPGA的测试．     

控制器局域网位时序处理器的设计与实现

在控制器局域网（controller area network,CAN）总线通信中,位时序的处理关系到CAN能否正确地收发数据.基于总线标称位时间的周期结构及位同步的工作原理,提出CAN 2.0协议标称位时间的一种优化方法,即将传统的标称位时间由4个互不交叠的段简化成3个互不交叠的段,并在此基础上提出一种基于同步状态机的CAN总线位时序处理器的设计方法,提供可编程的时间段来补偿传播延迟时间和相位漂移,并对设计的电路进行仿真与验证.结果表明,相对于CAN协议规范标称位时间的4个互不交叠的段,减少了整个位时序处理过程使用的寄存器,简化了执行位同步的步骤,能更简便地处理CAN总线通信的位时序,实现了CAN总线协议中对位定时和位同步的控制,更好地优化了CAN网络的性能.     

基于支持向量机的皮肤显微图像识别

该文针对皮肤显微图像症状识别过程中样本采集困难、数量偏少的实际情况,在皮肤症状识别中引入了一种新的模式识别方法——支持向量机(Support Vector Machines,SVM)．该方法基于统计学习理论的原理,较好地解决了小样本的分类问题．文中采用“一对一”的策略解决多类别的SVM分类问题,使用留一法进行交叉验证,并比较了SVM与人工神经网络算法的识别结果．结果表明,SVM算法识别率高(89．35％),且速度快．根据该算法,建立了皮肤症状显微图像识别系统软件的原型．     

基于多特征融合与树形结构代价聚合的立体匹配算法

针对立体匹配中弱纹理区域和深度不连续区域的匹配精度问题,提出了一种基于多特征融合的树形结构代价聚合立体匹配算法.首先,融合图像颜色、梯度和图像的Census变换进行匹配代价计算;然后,在由原始图像生成的最小生成树上进行匹配代价聚合,并使用多方向扫描线优化,进一步提升立体匹配的精确度;最后,使用左右一致性检测标记出误匹配点,并进行视差修正.为了验证该算法的有效性,使用Middlebury测试集提供的测试图像进行测试,平均误匹配率为6.38%;分别对2种场景实际拍摄图像进行深度信息提取误差率测试,测试得到2种场景的测距误差率分别为5.76%和5.55%,证明了该算法的实用性.     

基于NanoSim-VCS的芯片级混合信号验证

在混合信号系统芯片设计过程中，复杂的全芯片系统验证以及数字单元和模拟IP电路间的接口节点分析成为设计的瓶颈.提出一种基于NanoSim-VCS的混合信号验证方法，以SHU-MV06芯片为具体对象，对一个包括Verilog和SPICE的数模混合系统设计进行验证.这一验证方法在仿真的速度和精度间进行折衷，在保证一定精度的基础上大大缩短了仿真时间，提高了验证效率，使设计人员在早期仿真阶段就能及时发现设计中的问题，改进了设计质量.采用此方法验证的数模混合系统级芯片SHU-MV06一次流片成功，表明了此方法的正确性和有效性.       

基于混合梯度最小化的铅笔画生成

利用计算机模拟铅笔画生成的算法主要存在两个问题:其一是画面细节易丢失,边缘重点线条不够突出;二是笔画单一不能很好地展示原画中的层次信息.针对以上问题,提出了一种基于混合梯度最小化的铅笔画生成算法,通过结合L0梯度最小化和L1范数约束,既突出显示了图像边缘和重点线条,又不影响图像的整体锐度,同时可与原图像结构保持高度一致,充分展现了图像的层次性和丰富的细节信息.实验结果表明,本算法能够生成质量更高、真实感更强的的铅笔画效果,相比于已有的其他算法具有一定的优越性.     

基于半邻域法的自适应图像边缘提取方法

图像边缘对图像识别和计算机分析十分重要，至今已经提出了大量的各种类型边缘提取算法.该文在半邻域法的基础上提出了一种基于自适应阈值选择的图像边缘提取算法，在判断某一像素点是否在边缘上时，以该像素点为中心，选取3×3的区域为研究对象，求出该区域的最大、最小、均值像素值及标准差，在选用标准差为其阈值的同时，还考虑人的视觉对于灰度分辨能力的限制.最后，对多幅灰色图像进行了边缘提取，结果证实了该文方法的有效性.