不同生理状态时脑电时间序列的皮层信息传输

引用一种“信息传输”理论来研究不同生理状态时的脑电时间序列，比较了正常人和在急性缺氧条件下、睡眠条件下及局灶性癫痫病患者的大脑皮层信息传输，发现在各种情况下的大脑皮层信息传输有非常特殊的现象：在急性缺氧时，人的大脑皮层信息传输量各导联均较正常人高；当深睡时，各导联的信息传输量均较正常人低；局灶性癫痫病人痫性导联与其他导联间的皮层信息传输量有明显增加，而非痫性导联信息传输量 对降低，用脑皮层信息传输量来分析在不同生理状态下的脑电信号是一个极有潜力的方法，可能为研究和理解大脑的活动机理提供一条新的途径。     

以太网CSMA/CD工作原理研究

针对目前关于CSMA／CD协议工作过程的不同解释，在CSMA／CD协议概念模型和二进制指数退避算法的基础上，分析了CSMA／CD协议的工作过程，指出了它们之间在解释上的差异，并给出了CSMA／CD协议的正确工作过程。     

基于跟踪信息的多帧联合检测方法

传统多帧联合检测方法针对搜索阶段进行设计,由于无任何目标信息,需要采用较高的检测门限以降低虚警数量.然而,一旦成功建航,目标存在性已确定,可利用目标跟踪信息调整多帧联合检测策略,以提升微弱目标检测能力.基于上述考虑,本文提出了一种基于跟踪信息的多帧联合检测方法.首先利用当前时刻跟踪信息建立预测波门,然后设定较低的单帧检...     

一种新的相似性度量及其在DNA序列相似性分析中的应用

衡量序列之问距离的传统方法是通过局部比对或者全局比对来实现的,其运算的时间复杂度和空间复杂度随着序列长度的增加而急剧上升.本文提出一种新的相似性度量.它是建立在Lempel-Ziv复杂度基础之上的,不需要通过序列之间的比对来实现,其时间和空间复杂度比传统方法降低了很多.用这种新的相似性度量的方法可以算出序列同的相似性矩阵,以此来刻画不同序列之间的距离.为了说明此方法的可靠性,最后对多个物种DNA序列作了相似性分析.     

采用折叠-展开技术的一种并行排序算法

给出ｎ×ｎ网孔环接式阵列处理机上的一种并行排序算法,它将ｎ×ｎ阵列上的数据折叠成ｎ×ｎ／ｋ子阵列,排序后再展开到整个ｎ×ｎ阵列上,实现ｎ×ｎ项数据的行主序排序,其平均时间复杂度为（２＋１／ｋ）ｎ＋ｏ（ｎ）．若采用ｎ×ｎ／ｋ阵列模型,且各处理器初始、结束状态允许有ｋ项数据时,该算法的平均时间复杂度只有（１＋２／ｋ）ｎ＋ｏ（ｎ）．     

浅谈内部排序方法的比较及改进

介绍排序的基本概念以及几种常用的排序算法,通过分析它们的算法和各自的时间复杂度、空间复杂度等,对这几种算法进行比较和选择,给出这几种排序算法的改进方法。     

一种支持软件测试的测试工具研究

论文首先介绍支持软件测试的测试工具McCabe IQ,接着讨论McCabe IQ为软件系统的静态分析和动态测试提供了有力的工具支持,最后通过实例说明McCabe IQ能够指导测试、提高测试效率。     

基于FSCD-CNN的深度图像快速帧内预测模式选择算法

针对3D-HEVC的多视点视频加深度图的编码格式和四叉树编码结构所带来的编码复杂度问题,提出了一种深度图像快速帧内预测模式选择算法。首先,从深度视频序列中以最优的深度图最大编码单元（largest coding unit,LCU）划分深度为标签获取训练集;其次,构建了适用于LCU的Cu深度快速选择卷积神经网络（fast selecting Cu’s depth-convolutionalneural network,FSCD-CNN）;最后,对深度图LCU进行划分深度预测,跳过部分编码模式决策,实现最佳LCU划分。实验结果表明,与相关文献对比,所提算法在保持了编码性能的同时平均减少了15%的编码时间,实验验证了其有效性和可靠性。     

运动目标最优角点选择算法*

针对传统角点提取算法应用于运动目标优质角点选取上,较难平衡检测精度和检测速率的问题,提出一种稳健的角点选择新算法。首先将图像分块,用子块在相邻帧间的灰度差对其进行聚类,并分割出运动区域块作为角点的搜索区域;然后引入邻域块重新构造Moravec算法的能量变化计算方法,并用之检测目标上的角点;最后对检测到的所有角点进行动态过滤,剔除掉质量低的角点,留下质量高的角点代表运动目标的局部显著特征。将本算法应用于目标跟踪系统进行测试,测试结果表明它有较好的稳健性,较强的的抗噪能力和较快的检测速度,且能保证跟踪的准确性,可以很好地满足交通场景中对行人检测实时性和可靠性的要求。     

有限反馈多用户MIMO系统的低复杂度用户选择

为了降低有限反馈多用户MIMO系统中的用户选择算法的复杂度,使系统支持更多的用户,基于贪婪用户选择算法(GUS),提出了一种低复杂度用户选择算法。该算法将Schmidt正交化的思想引入GUS算法,通过计算相互正交的预编码向量来构成预编码矩阵,并估计信道容量,最后寻找最佳的用户组合进行下行数据的传输。该低复杂度算法利用预编码向量的正交性避免了矩阵求伪逆的过程,从而极大地降低了计算量。仿真结果表明,在相同反馈方式下,改进后的算法仍能取得和GUS近乎相同的系统总容量。