复杂性是随机性吗?

辨析了对柯尔莫哥洛夫复杂性的某些误读。指出柯尔莫哥洛夫复杂性定义下的随机性即序列的不可压缩性，不等于无序性，并且与传统的随机性理解相去甚远。在某些情况下，这种序列的不可压缩性恰恰是有序性的表现，从而说明，柯尔莫哥洛夫复杂性可以成为系统有序状态即复杂性的测度。     

频率捷变的相控阵雷达目标多径DOA估计算法

介绍了频率捷变在相控阵雷达目标多径DOA估计中的应用,并采用修正的MUSIC算法(MMU-SIC)以提高多径信号DOA估计性能。频率捷变不仅可以去掉直射信号与反射信号的相关成分,而且可以消除严重的信号对消现象。而修正的MUSIC算法则可以将相关信号源的相关性大大降低,从而改善了传统MUSIC算法对相关信号源的DOA估计性能。     

面向网络定制设计的虚拟人仿真

为实现适合网络定制设计的虚拟人仿真，提出基于H-anim的虚拟人仿真方法。根据H-anim定义的关节骨架模型，实现了人体的参数化几何建模和关节动画仿真，结合行为模板、规则推理和实例推理构造了人体行为仿真系统。最后介绍了虚拟人仿真在网络家居定制设计中的具体应用。     

复方甘草酸苷治疗妊娠期病毒性肝炎的疗效观察

目的观察复方甘草酸苷注射液治疗妊娠期病毒性肝炎患者的疗效。方法选择妊娠期病毒性肝炎患者58例,随机分为治疗组(31例),和对照组(27例)。治疗组在常规药物治疗的基础上行复方甘草酸苷注射液80ml加入5%葡萄糖注射液250ml中静滴,1次/天,30天为1疗程;对照组单纯用常规药物治疗,疗程相同。观察治疗前后的症状及肝功能的变化。结果治疗组1个月及2个月后肝功能三项指标的复常率显著高于对照组(P<0.05);治疗后三项指标的水平治疗组显著低于对照组(P<0.05)。结论复方甘草酸苷治疗妊娠期病毒性肝炎疗效显著可靠,安全性高,值得临床推荐应用。     

扭n立方体中的边不交Hamilton圈

网络图的Hamilton性是图论、计算机网络理论中的重要研究议题，超立方体及其变体由于其良好的网络参数、拓扑结构吸引了众多学者的关注和研究，并将之广泛地应用于许多实际领域中．结合Lee距离Gray码理论证明了扭n方体中存在[n／2]个边不交Hamilton圈，并且给出这些边不交Hamilton圈的生成方法．     

局域网上动态视频实时传输技术的研究

介绍了一种在局域网上实时传输视频的策略,并给出实现方法,该方法可成功地应用于远程视频集散监控系统中.     

DARPA持续推动科技创新的挑战赛模式分析

 国防高级研究计划局（DARPA）是引领美军科技创新的"技术引擎"。为总结DARPA在推动科技创新方面的成功经验,回顾了DARPA代表性挑战赛的有关情况,分析了DARPA挑战赛模式的成功经验。研究表明,DARPA挑战赛模式充分利用了美国乃至世界的技术研发力量,取得了显著成效,目前已成为DARPA推动科技创新发展的重要途径,并引起美国其他创新机构和世界各国的广泛关注与纷纷效仿。     

太阳辐射对高温热管接收器传热的影响

为了研究高温热管太阳能接收器的传热性能,研究了其基本传热元件--高温热管在相应工作条件下的导热性能.基于高温热管半周向加热条件下传热特性试验的结论,研究了高温热管接收器工作时太阳辐射与热管温差的对应关系,从而得出太阳直射辐射与高温热管当量导热系数的关系.研究结果表明:太阳辐射强度对高温热管的当量导热系数具有重要影响,随着太阳辐射的增强,高温热管当量导热系数不断增大,当太阳辐照度1000W/m2时,当量导热系数达11400W/(m·K).表明高温热管太阳能接收器在工作环境中,太阳辐射越强,传热性能越好.     

基于图像内容认证的Contourlet域半脆弱水印算法

本文针对小波变换不能有效表达二维信号的状况,提出了一种基于图像内容认证的Contourlet域半脆弱水印算法,算法修改了小波域的HVS模型,将修改后的模型应用于Contourlet变换域,提取图像的颜色、边缘、纹理特征作为水印信息.水印嵌入时选择变换后能量最大的方向子带,将该方向子带利用混沌映射置乱后嵌入水印.实验证明本算法提高了载体图像的透明性与水印的安全性.认证检测时,无需原始图像和原始水印,实现了盲认证.算法能够抵抗JPEG、JPEG2000压缩等一般的图像处理操作,并对恶意篡改报警,定位篡改部位.滑动窗口滤波消除了一般图像处理操作产生的虚假的报警点.     

Multi-Dimensional Piece-Wise Self-Affine Fractal Interpolation Model

Iterated function system (IFS) models have been used to represent discrete sequences where the attractor of the IFS is piece-wise self-affine in R 2 or R 3 (R is the set of real numbers). In this paper, the piece-wise self-affine IFS model is extended from R 3 to Rn (n is an integer greater than 3), which is called the multi-dimensional piece-wise self-affine fractal interpolation model. This model uses a "mapping partial derivative" , and a constrained inverse algorithm to identify the model parameters. The model values depend continuously on all the model parameters, and represent most data which are not multi-dimensional self-affine in Rn . Therefore, the result is very general. The class of functions obtained is much more diverse because their values depend continuously on all of the variables, with all the coefficients of the possible multi-dimensional affine maps determining the functions.