IEEE 802.11e增强型分布式协调功能的性能分析

IEEE802.11e协议草案以增强型分布式协调功能(EDCF)为基础,保证多媒体业务的服务质量。针对目前没有合适的EDCF理论分析模型,本文提出的EDCF理论分析模型。该模型假设终端竞争信道过程为Markov链,并得出归一化饱和吞吐量,结构简单,分析方便。仿真结果表明,系统饱和吞吐量和多媒体业务的成功发送概率及碰撞概率的理论分析结果基本准确。     

传感器数据流实时语义注释方法研究

为了对微环境监测平台上的传感器所捕获的异构、大量、连续的数据流进行语义注释,从而及时地根据语义上下文推理出新的或隐含的知识,以实现微环境监测平台的实时监测,对SASML映射语言和SDRM算法进行了研究和改进,设计了S-SASML映射语言和SDS2R算法,用于将传感器原始数据流转换为符合SOSA/SSN本体的RDF数据流;并利用线程池技术实现方法的高并发处理,提高了方法的实时性能。改进后的映射语言和算法实现了微环境监测平台对连续、大量的数据流的实时语义注释,不仅解决了动态传感器数据流语义注释的问题,而且避免了高频数据流导致的系统过载现象,具有稳定高效的处理能力,基本满足了微环境监测平台的需求,具有一定的应用价值。     

CTCS-3级列控车载设备的形式化建模与验证

CTCS-3级列控系统安全苛求性较高,而列控车载设备是CTCS-3级列控系统的主体,主要功能是对列车进行操纵和控制,保证列车安全运行的关键。通过分析CTCS-3级列控车载设备之间的信息交互以及车载安全计算机中工作模式的转换规则,采用有色Petri网(CPN)建立车载设备的信息交互模型以及工作模式转换模型,使用ASK-CTL分支时序逻辑公式验证了模型的死标识、死锁以及分析工作模式下的系统行为等特性,验证构建的CPN模型符合系统规范要求的流程及规则,可为相关安全苛求系统的设计提供一定参考。     

一种融合标签间强相关性的多标签图像分类方法

为了将标签间的语义相关性引入多标签图像分类模型中,传统的方法例如 ML-GCN 通过设置单阈值将标 签条件概率矩阵二值化为标签共现矩阵,然而,仅设置单阈值很难归纳所有的标签语义关系情况。 针对这一问题, 提出一种融合标签间强相关性的多标签图像分类方法—MGAN(Multiple Graph Convolutional Attention Networks), 通过设置多个阈值,将传统的标签条件概率矩阵按照不同的相关性程度分割为多个子图;同时,为了提升多标签分 类性能,也引入图像区域空间相关性。 另外,针对传统的“CNN+GCN”方法将标签与特征的融合张量视为预测分数 缺乏可解释性问题,将标签与特征的融合张量视为注意力分数;在 MS-COCO 和 PASCAL VOC 数据集上与其他主 流多标签图像分类方法进行了对比实验,平均准确率分别达到了 94. 9%和 83. 7%,相较于经典 ML-GCN 模型,分 别获得了 0. 9%和 0. 8%准确率提升,且在“Binary”和“Re-weighted”邻接矩阵模式下,MGAN 都有较好的表现,验证 了新的融合方法可以缓解图卷积神经网络过平滑问题对多标签图像分类的影响。     

列写二阶电路状态方程的一种简便方法

本文通过二端口网络的伏安关系(VAR),给出了一种直接列写二阶电路状态方程的简便方法.     

国内若干主要城市纺织品色彩爱好分布图

本文运用因子分析、聚类分析等多元统计分析方法,以48种色彩作为讨论对象,对全国32个具有一定代表性地区的色彩爱好调研资料进行分析.通过分析,32个地区作总体的色彩爱好主要由六个基本特征来描述,且根据色彩爱好的差异程度,32个地区可划归至五种类型的色彩爱好:南方城市型、北方城市型、江南地区型、东北地区型及交错型。     

电力负荷工频微机控制系统

本文介绍了电力负荷的工频控制技术。阐述了工频发射原理,对信号波形进行了分析,给出了发射机及接收机实现的硬件线路及软件流程图。并对进一步研究作了初步探讨。     

净耕地系数测算中样方总面积的确定

样方总面积的大小.直接影响净耕地系数的测算精度.本文给出了确定样方总面积的计算公式,得出了样方总面积可以少于1%的结论.     

轧机液压压下计算机控制系统

介绍了炉卷轧机液压压下计算机控制系统的结构及原理;并给出计算机应用于轧机厚控系统中的多种控制方案及算法。计算机控制系统与原模拟系统比较,它的灵敏度高,产品的纵向与横向厚差小,控制功能多,改造灵活,能适合各种操作方式与操作习惯。     

CSMCCVA：Framework of cross-modal semantic mapping based on cognitive computing of visual and auditory sensations

Cross-modal semantic mapping and cross-media retrieval are key problems of the multimedia search engine.This study analyzes the hierarchy, the functionality, and the structure in the visual and auditory sensations of cognitive system, and establishes a brain-like cross-modal semantic map-ping framework based on cognitive computing of visual and auditory sensations.The mechanism of visual-auditory multisensory integration, selective attention in thalamo-cortical, emotional control in limbic system and the memory-enhancing in hippocampal were considered in the framework.Then, the algorithms of cross-modal semantic mapping were given.Experimental results show that the framework can be effectively applied to the cross-modal semantic mapping, and also provides an im-portant significance for brain-like computing of non-von Neumann structure.