描述符
- 一種基于PCIE 總線的高性能數(shù)據(jù)傳輸架構(gòu)設(shè)計(jì)
用戶可配置并且描述符結(jié)構(gòu)可擴(kuò)展，因而大大增強(qiáng)了本設(shè)計(jì)的適應(yīng)性和可移植性，并且通過反饋數(shù)據(jù)特征參數(shù)的方式可以有效解決后端數(shù)據(jù)解析開銷大的問題，能夠滿足諸如雷達(dá)信息處理、圖像處理等應(yīng)用場(chǎng)景中海量數(shù)據(jù)流傳輸和實(shí)時(shí)解析的需求。1 PCIE 總線PCIE 總線采用端點(diǎn)到端點(diǎn)的連接方式，通過串行差分信號(hào)進(jìn)行傳輸，其層次結(jié)構(gòu)由低到高分為物理層、數(shù)據(jù)鏈路層和事務(wù)層[14]。物理層確保數(shù)據(jù)傳輸?shù)奈锢憝h(huán)境和電信號(hào)符合要求，并完成鏈路訓(xùn)練和狀態(tài)管理；數(shù)據(jù)鏈路層定義了一系列的DL
現(xiàn)代電子技術(shù) 2023年21期2023-11-05
- 基于QSPR方法的活性化合物熱穩(wěn)定性預(yù)測(cè)研究
，用來篩選分子描述符和建立模型；劃分?jǐn)?shù)據(jù)樣本的20%(8種有機(jī)過氧化物和21種硝基化合物的起始放熱溫度和分解熱)作為測(cè)試集，用來驗(yàn)證模型。數(shù)據(jù)樣本信息如表1所示。表1 數(shù)據(jù)樣本信息Table 1 Data sample statistics2 分子描述符計(jì)算與篩選本文在計(jì)算分子描述符之前，首先采用HyperChem 8.0軟件[8]繪制有機(jī)過氧化物和硝基化合物的3D分子結(jié)構(gòu)，并采用VB編程，利用DDE接口操控HyperChem的分子力學(xué)(MM+)和量子化學(xué)
中國(guó)安全生產(chǎn)科學(xué)技術(shù) 2022年9期2022-10-17
- 小天體導(dǎo)航陸標(biāo)深度學(xué)習(xí)預(yù)測(cè)框匹配算法
出一種基于特征描述符的識(shí)別預(yù)測(cè)框匹配算法。在小天體的精確附著探測(cè)過程中應(yīng)用深度學(xué)習(xí)網(wǎng)絡(luò)識(shí)別未知自然陸標(biāo)，針對(duì)識(shí)別結(jié)果選取支撐區(qū)域，求取區(qū)域像素梯度構(gòu)建不變性特征描述符，通過閾值限制實(shí)現(xiàn)識(shí)別結(jié)果的匹配，在光照、尺度及旋轉(zhuǎn)變換下分析實(shí)驗(yàn)結(jié)果并對(duì)文章進(jìn)行總結(jié)。1 深度學(xué)習(xí)陸標(biāo)識(shí)別在探測(cè)器自主導(dǎo)航任務(wù)過程中采用YOLOv4網(wǎng)絡(luò)對(duì)小天體導(dǎo)航陸標(biāo)識(shí)別[27]。通過局部方差均衡算法增強(qiáng)圖像中隕石坑、巖石和溝壑等地形特征，并采用透視變化等多種數(shù)據(jù)增強(qiáng)方法構(gòu)建小天體表面地形
深空探測(cè)學(xué)報(bào) 2022年4期2022-10-14
- 基于鏈?zhǔn)?span id="j5i0abt0b" class="hl">描述符的層次化通信網(wǎng)絡(luò)數(shù)據(jù)庫(kù)容災(zāi)備份方法
題提出基于鏈?zhǔn)?span id="j5i0abt0b" class="hl">描述符的層次化通信網(wǎng)絡(luò)數(shù)據(jù)庫(kù)容災(zāi)備份方法。通過寫入鏈?zhǔn)?span id="j5i0abt0b" class="hl">描述符，優(yōu)化傳輸過程；刪除重復(fù)數(shù)據(jù)，精簡(jiǎn)備份對(duì)象；根據(jù)壓縮算法，為通信網(wǎng)絡(luò)數(shù)據(jù)庫(kù)設(shè)計(jì)容災(zāi)備份方案。實(shí)驗(yàn)結(jié)果：所研究的備份方法進(jìn)行數(shù)據(jù)備份恢復(fù)的模擬實(shí)驗(yàn)中，測(cè)試值比RPO目標(biāo)值及RTO目標(biāo)值分別快出10.3min及10h，獲得較佳的數(shù)據(jù)庫(kù)容災(zāi)備份效果。由于現(xiàn)代社會(huì)的網(wǎng)絡(luò)技術(shù)和通信技術(shù)正在迅猛發(fā)展中，信息化程度越來越高，對(duì)數(shù)據(jù)的依賴程度逐漸增加，數(shù)據(jù)丟失帶來的影響和損失也越來越大。如何削弱災(zāi)難
中國(guó)信息化 2022年8期2022-09-14
- 面向超高速以太網(wǎng)ADB-DMA的設(shè)計(jì)與實(shí)現(xiàn)
：寄存器模式與描述符(descriptor)模式[2]。在寄存器模式中處理器直接控制DMA相關(guān)寄存器，配置相關(guān)傳輸參數(shù)，控制數(shù)據(jù)傳輸?shù)膯?dòng)與停止。它具有較好的數(shù)據(jù)傳輸性能，但需要處理器對(duì)寄存器進(jìn)行實(shí)時(shí)配置，靈活性較差。描述符模式需要處理器在內(nèi)存中預(yù)先布設(shè)好用于指示DMA操作的描述符，DMA控制器通過描述符獲得緩存地址、數(shù)據(jù)長(zhǎng)度等信息進(jìn)行操作，并通過改寫描述符與處理器或軟件進(jìn)行交互，因而具有較強(qiáng)的靈活性。通用外設(shè)接口協(xié)議如以太網(wǎng)、PCIe等常使用該方式實(shí)現(xiàn)網(wǎng)
計(jì)算機(jī)應(yīng)用與軟件 2022年6期2022-07-12
- 基于結(jié)構(gòu)信息的異源遙感圖像局部特征描述符研究
感圖像局部特征描述符可區(qū)分性不足、旋轉(zhuǎn)變化的穩(wěn)健性不強(qiáng)及計(jì)算效率較低等問題，論文展開了一系列深入研究，主要研究工作如下：(1) HOMPC(histograms of oriented magnitudes and phase congruency)：可區(qū)分的異源遙感圖像局部特征描述符。目前的局部特征描述符對(duì)非線性輻射差異的圖像穩(wěn)健性不足而導(dǎo)致描述符的可區(qū)分度不高。針對(duì)這一難點(diǎn)，提出一種基于幅值和相位一致性的局部特征描述符—HOMPC。該描述符根據(jù)log-
測(cè)繪學(xué)報(bào) 2022年12期2022-02-13
- 電力巡線無人機(jī)航拍圖像匹配算法研究
心是特征檢測(cè)和描述符構(gòu)建。基于局部特征的圖像匹配算法可分為三大部分：一是尺度空間構(gòu)建，二是局部特征提取，三是特征編碼。SIFT算法（Scale Invariant Feature Transform）[9]利用高斯濾波構(gòu)建尺度空間，然后再高斯差分金字塔中檢測(cè)特征點(diǎn)，最后建立128維浮點(diǎn)型描述符；該算法具有較好的抗噪聲、視角變換等能力，但描述符維度較高嚴(yán)重影響算法效率。針對(duì)SIFT算法效率較低，提出了利用小波算法建立64維浮點(diǎn)型描述符的SURF算法[10]（
計(jì)算機(jī)工程與應(yīng)用 2021年21期2021-11-12
- 基于品評(píng)小組可靠性篩選葡萄酒的香氣描述符
選葡萄酒的香氣描述符[8,12,16-17]。因此，在葡萄酒感官評(píng)價(jià)中，為獲得可靠的感官數(shù)據(jù)，其關(guān)鍵取決于品評(píng)小組及其成員的表現(xiàn)[13,18]。然而，在上述有關(guān)葡萄酒香氣感官特性的研究中，涉及品評(píng)員的培訓(xùn)方法和考核指標(biāo)很多[19]，但是卻罕見評(píng)估品評(píng)小組及其成員可靠性的相關(guān)數(shù)據(jù)報(bào)道，很大程度上限制了感官評(píng)價(jià)結(jié)果的準(zhǔn)確性和可信度。為此，本研究旨在通過評(píng)估葡萄酒品評(píng)小組及其成員表現(xiàn)，獲得可靠的感官數(shù)據(jù)；并在此基礎(chǔ)上，科學(xué)規(guī)范葡萄酒特征香氣描述符的篩選方法，為進(jìn)
食品科學(xué) 2021年19期2021-10-31
- Linux進(jìn)程間能力傳遞原理和應(yīng)用分析
件，稱為“文件描述符(File Descriptor,簡(jiǎn)稱：FD)”，將文件描述符從一個(gè)進(jìn)程傳遞到另外一個(gè)進(jìn)程，對(duì)應(yīng)的使用文件描述符所關(guān)聯(lián)資源的能力也就被傳遞到了新的進(jìn)程。在軟件設(shè)計(jì)中，這種方式可以實(shí)現(xiàn)在一組進(jìn)程中的不同進(jìn)程對(duì)同一資源不同階段共享訪問，可以利用進(jìn)程的相互隔離，帶來安全性、 穩(wěn)定性和健壯性等方面的好處, 文件描述符的進(jìn)程間傳遞是Linux操作系統(tǒng)的一種重要的進(jìn)程間能力傳遞手段，本文將對(duì)其底層原理和典型應(yīng)用場(chǎng)景進(jìn)行分析。1 文件描述符進(jìn)程間傳遞
山西電子技術(shù) 2021年5期2021-10-26
- 自然資源多時(shí)相遙感影像智能匹配方法研究
征；②構(gòu)建特征描述符，并根據(jù)相似性提取時(shí)序匹配點(diǎn)對(duì)；③根據(jù)基準(zhǔn)影像與待匹配影像之間的畸變特點(diǎn)確定幾何變換模型；④對(duì)影像進(jìn)行坐標(biāo)變換與插值。其中，提取更多的影像空間不變特征和構(gòu)建信息豐富的描述符是時(shí)序影像精準(zhǔn)匹配的關(guān)鍵。對(duì)于影像空間不變特征的提取，傳統(tǒng)方法首先提取兩幅影像間的不變特征，再進(jìn)行影像空間匹配[2]；De C E[3]、CHEN Q S[4]和Reddy B S[5]等則利用傅里葉梅林變換分別將圖像配準(zhǔn)擴(kuò)展到了旋轉(zhuǎn)、平移、縮放等情況，但這些方法處理
地理空間信息 2021年9期2021-09-27
- 基于數(shù)據(jù)融合的細(xì)菌素發(fā)掘及類別判定模型
算細(xì)菌素的數(shù)學(xué)描述符，利用數(shù)學(xué)模型進(jìn)行細(xì)菌素的識(shí)別和預(yù)測(cè)。這種方法更常見于二肽和三肽數(shù)學(xué)模型的構(gòu)建[15]，在肽鏈長(zhǎng)度較長(zhǎng)且氨基酸數(shù)量相差較多的細(xì)菌素的研究中，模型準(zhǔn)確度也不高。缺少建立生物大分子數(shù)學(xué)描述符的方法和數(shù)學(xué)模型選擇不準(zhǔn)確是導(dǎo)致上述研究準(zhǔn)確度不高的主要原因。本研究利用數(shù)據(jù)融合技術(shù)，對(duì)細(xì)菌素氨基酸序列的排列信息、物理化學(xué)性質(zhì)、蛋白質(zhì)同源模型的結(jié)構(gòu)數(shù)據(jù)等進(jìn)行篩選整合，作為細(xì)菌素的數(shù)學(xué)描述符；利用機(jī)器學(xué)習(xí)方法建立了一種從細(xì)菌分泌的類細(xì)菌素蛋白片段中發(fā)掘
中國(guó)乳品工業(yè) 2021年8期2021-09-16
- 基于基因表達(dá)編程的α- 葡萄糖苷酶抑制劑定量構(gòu)效關(guān)系研究
.1 數(shù)據(jù)集和描述符的選擇數(shù)據(jù)3-[4- (苯磺胺基)苯甲?；鵠-2H-1-苯并吡喃-2-酮衍生物取自現(xiàn)有文獻(xiàn)[10-11]并在表1 中給出。為了更好地分析，lg(IC50)值被用作因變量，如表1 所示。在GEP 方法步驟中，數(shù)據(jù)集被隨機(jī)劃分為由24 種化合物組成的訓(xùn)練集和由7 種化合物組成的測(cè)試集。訓(xùn)練集用于建立模型，測(cè)試集用于評(píng)估模型的預(yù)測(cè)能力。QSAR 模型使用描述符來表示化合物的生化特性。在這種情況下，生成和計(jì)算尤為重要。分子描述符的計(jì)算步驟如下:
科學(xué)技術(shù)創(chuàng)新 2021年20期2021-07-16
- 多分支網(wǎng)絡(luò)聯(lián)合的傾斜影像仿射不變特征匹配
僅追求同名特征描述符間距離最小，當(dāng)同名特征描述符間存在非同名特征描述符時(shí)，存在優(yōu)化歧義，導(dǎo)致描述符的區(qū)分度較低?；诖?，HardNet特征描述模型[14]運(yùn)用顧及最近鄰負(fù)樣本的三元組網(wǎng)絡(luò)結(jié)構(gòu)，一定程度上增加了描述符的區(qū)分度，但仍缺少與其他近鄰非同名特征描述符的距離約束，當(dāng)大量相似樣本參與優(yōu)化時(shí)，仍難以訓(xùn)練出高質(zhì)量描述符模型。綜上，面向具有復(fù)雜幾何和輻射畸變的傾斜立體影像，無論經(jīng)典不變特征匹配算法還是新型深度學(xué)習(xí)匹配網(wǎng)絡(luò)，均難以得到較為可靠的匹配結(jié)果。其中，
測(cè)繪學(xué)報(bào) 2021年5期2021-06-25
- OPAHs對(duì)斑馬魚胚胎的急性毒性預(yù)測(cè)
選OPAHs的描述符，建立OPAHs斑馬魚胚胎急性毒性的QSAR模型，驗(yàn)證其預(yù)測(cè)能力，表征了模型的應(yīng)用域，為OPAHs的生態(tài)風(fēng)險(xiǎn)評(píng)估提供數(shù)據(jù)支持。1 材料與方法(Materials and methods)2 結(jié)果(Results)2.1 模型的建立本研究分別采用Dragon描述符、量子化學(xué)描述符以及綜合以上2類描述符建立了3個(gè)QSAR模型(表2)?；? 629種OPAHs Dragon描述符，采用多元線性逐步回歸法篩選出模型(1)的R2為0.524，表
生態(tài)毒理學(xué)報(bào) 2021年6期2021-03-25
- 檸檬醛基抗油茶炭疽病菌衍生物的定量構(gòu)效關(guān)系研究
構(gòu)型。1.3 描述符的生成與篩選將Ampac軟件處理后的三維分子結(jié)構(gòu)導(dǎo)入Codessa軟件中,通過結(jié)構(gòu)參數(shù)化過程,將每個(gè)檸檬醛衍生物的分子結(jié)構(gòu)轉(zhuǎn)變成一系列具有具體數(shù)值的結(jié)構(gòu)描述符。每個(gè)化合物至少含有400個(gè)描述符,具體的描述符類型包括6類：結(jié)構(gòu)組成描述符、拓?fù)?span id="j5i0abt0b" class="hl">描述符、幾何描述符、靜電描述符、量子化學(xué)描述符和熱力學(xué)描述符。獲得的描述符通過啟發(fā)式回歸方法,剔除與活性不相關(guān)的描述符,篩選出來的描述符將用于下一步QSAR模型的構(gòu)建。1.4 QSAR模型的構(gòu)建利用啟
生物質(zhì)化學(xué)工程 2021年1期2021-01-26
- 基于定量結(jié)構(gòu)-性質(zhì)關(guān)系預(yù)測(cè)含水二元共沸物的共沸溫度與組成
數(shù)據(jù)獲取及分子描述符篩選1.1 樣本數(shù)據(jù)的獲取為保證所建的QSPR 模型不受數(shù)據(jù)源的影響,本文涉及到的125 種含水二元共沸物的共沸特性數(shù)據(jù)均選自溶劑手冊(cè)[21]。 同時(shí),本研究根據(jù)“Mixtures out”樣本劃分法[22]隨機(jī)將整個(gè)數(shù)據(jù)集分為訓(xùn)練集(80%)和測(cè)試集(20%),以達(dá)到有效表征各類含水二元共沸物體系的目的,詳見附件1 表1。 其中,訓(xùn)練集用于篩選特征描述符及建立QSPR 模型,測(cè)試集則用于評(píng)估所建模型的預(yù)測(cè)能力及泛化推廣能力[13]。1
化學(xué)工業(yè)與工程 2020年4期2020-08-22
- 基于改進(jìn)FREAK的圖像匹配算法
為特征點(diǎn)檢測(cè)、描述符生成和根據(jù)描述符進(jìn)行匹配3個(gè)步驟[1-2]。提高圖像匹配算法性能的關(guān)鍵在于生成區(qū)分度更高、運(yùn)算量更小的描述符。因?yàn)槎M(jìn)制描述符表達(dá)緊湊且可利用位運(yùn)算加速匹配,所以其所需的內(nèi)存和運(yùn)算量相比非二進(jìn)制描述符大幅減小。近年來,研究人員提出了較多的二進(jìn)制描述符算法。文獻(xiàn)[3]提出一種ORB算法,該算法根據(jù)機(jī)器學(xué)習(xí)選擇的點(diǎn)對(duì)生成二進(jìn)制描述符,且引入方向信息使描述符具有旋轉(zhuǎn)不變性。文獻(xiàn)[4]提出一種BRISK(Binary Robust Invari
計(jì)算機(jī)工程 2020年8期2020-08-19
- 基于AKAZE的BOLD掩碼描述符的匹配算法的研究
重影響特征點(diǎn)和描述符的穩(wěn)定性。利用非線性濾波函數(shù)構(gòu)建的尺度空間算法主要有：KAZE算法[9]，AKZAE算法[10]等。非線性濾波函數(shù)構(gòu)建的尺度空間可以更好地保護(hù)圖像邊緣處的信息，增加了匹配算法的魯棒性。KAZE算法的特征點(diǎn)檢測(cè)和描述符均借鑒SURF算法，但KAZE算法的魯棒性較SURF算法更強(qiáng)，足以證明非線性尺度空間的優(yōu)越性。鑒于非線性尺度空間的優(yōu)越性，許多研究者在KAZE算法和AKZAE算法的基礎(chǔ)上提出創(chuàng)新。文獻(xiàn)[11]提出KAZE算法與FREAK描述
計(jì)算機(jī)應(yīng)用與軟件 2020年6期2020-06-16
- 具有抗仿射性的局部特征點(diǎn)匹配方法
消除仿射變化對(duì)描述符的影響，但對(duì)仿射性較大的圖像魯棒性欠佳。針對(duì)尺度不變特征轉(zhuǎn)換（Scale-Invariant Feature Transform，SIFT）算法［2］對(duì)具有仿射性圖像匹配效果較差提出了ASIFT（Affine SIFT）算法［3］，該算法對(duì)描述符采樣區(qū)域在經(jīng)緯度上進(jìn)行投影，從而模擬圖像在不同方向上的仿射變換，該方法的魯棒性較好；但是SIFT描述符為128維浮點(diǎn)型，在不同方向上的投影導(dǎo)致描述符的維度急劇增加，嚴(yán)重影響匹配算法 的 速 度。
計(jì)算機(jī)應(yīng)用 2020年4期2020-06-01
- 電力巡線無人機(jī)航拍圖像拼接算法
中建立MLDB描述符，命名為Opponent-MLDB描述符。圖像匹配后，借助盡可能投影變換配準(zhǔn)模型[11-12](As projective as possible image stitching,APAP)配準(zhǔn)電力巡線無人機(jī)航拍圖像，最后利用加權(quán)疊加算法融合拼接電力巡線圖像。1 算法設(shè)計(jì)本文提出在Opponent對(duì)比色彩空間內(nèi)構(gòu)建MLDB描述符的改進(jìn)AKAZE算法，對(duì)電力線圖像進(jìn)行匹配，然后使用APAP模型對(duì)待拼接圖像配準(zhǔn)，最后對(duì)配準(zhǔn)圖像加權(quán)融合得到拼
計(jì)算機(jī)應(yīng)用與軟件 2020年5期2020-05-16
- 基于卷積神經(jīng)網(wǎng)絡(luò)的局部圖像特征描述符算法
傳統(tǒng)的局部特征描述符提取是基于圖像處理技術(shù)，如幾何特征提取、灰度比較等，在此基礎(chǔ)上生成64 維、128 維甚至更高維數(shù)用于描述該特征點(diǎn)的向量。該方法需要設(shè)計(jì)者具有豐富的設(shè)計(jì)經(jīng)驗(yàn)以及大量的調(diào)試工作，同時(shí)難以滿足實(shí)際應(yīng)用中對(duì)復(fù)雜環(huán)境下特征點(diǎn)描述的要求。近些年，深度卷積神經(jīng)網(wǎng)絡(luò)在眾多計(jì)算機(jī)視覺領(lǐng)域取得巨大成功［1-4］，如圖像分類、目標(biāo)定位、目標(biāo)跟蹤等，實(shí)驗(yàn)結(jié)果表明：神經(jīng)網(wǎng)絡(luò)可以從大量帶有標(biāo)注信息的圖像中，有效地學(xué)習(xí)到不同圖像深層特征。圖像內(nèi)各種幾何紋理特征被網(wǎng)
上海航天 2020年1期2020-02-26
- 歐洲共同語言參考標(biāo)準(zhǔn)在中國(guó)高校學(xué)術(shù)英語寫作教學(xué)適用性的研究：可理解性，可行性和有用性
語寫作ELP;描述符1研究背景CEFR在歐洲已經(jīng)得到廣泛研究，但是在歐洲以外還不是特別知名，尤其是在亞洲（Zheng，Zhang&Yan，2016）。但是，隨著始于2014年的新一輪英語考試改革，作為中國(guó)新版全國(guó)英語能力測(cè)試的主要參考之一，CEFR在中國(guó)受到越來越多的關(guān)注（劉建達(dá)，2015）。在中國(guó)利用CEFR發(fā)展新版英語能力測(cè)試的主要原因是它在英語語言教、學(xué)、測(cè)之間充當(dāng)橋梁的巨大潛力（劉建達(dá)，2015）。新版英語能力測(cè)試的另一個(gè)主要目的是培養(yǎng)自主學(xué)習(xí)。作
速讀·下旬 2019年11期2019-09-10
- 三元組描述符的特征匹配算法
的匹配方法按照描述符的類型不同可分為兩大類：二進(jìn)制描述符、非二進(jìn)制描述符。非二進(jìn)制描述符主要有：尺度不變SIFT(Scale Invariant Feature Transform)[1]的特征點(diǎn)檢測(cè)和匹配算法，其匹配效果較好，但匹配速度較慢，算法復(fù)雜度高。加速魯棒性算法SURF(Speeded UpRobust Feature)[2]的特征點(diǎn)提取與匹配，其復(fù)雜度比SIFT算法低、魯棒性好，但相較于二進(jìn)制描述符匹配速度太慢。文獻(xiàn)[3]在SIFT算法上進(jìn)行改
計(jì)算機(jī)應(yīng)用與軟件 2019年2期2019-04-01
- 醇胺溶液二氧化碳解吸能力的定量構(gòu)效關(guān)系研究
，模型中使用的描述符僅限于伯胺基團(tuán)數(shù)量（n(RNH2)）和仲胺基團(tuán)數(shù)量（n(RNHR)），而且23種胺中有10種是多胺，對(duì)于胺的利用率探究不足。本研究利用定量構(gòu)效方法對(duì)21種醇胺水溶液的解吸能力建立預(yù)測(cè)模型。使用遺傳函數(shù)逼近與人工神經(jīng)網(wǎng)絡(luò)算法建立模型并對(duì)比，利用內(nèi)外部驗(yàn)證方法對(duì)模型預(yù)測(cè)性、可靠性進(jìn)行驗(yàn)證。通過對(duì)預(yù)測(cè)模型的解釋，進(jìn)一步分析影響醇胺水溶液解吸能力的結(jié)構(gòu)因素。1 研究方法1.1 數(shù)據(jù)集圖1 21種醇胺結(jié)構(gòu)圖Fig.1 The structures
天然氣化工—C1化學(xué)與化工 2019年6期2019-02-18
- 基于深度學(xué)習(xí)的局部描述符
，深度學(xué)習(xí)局部描述符廣泛應(yīng)用于計(jì)算機(jī)視覺領(lǐng)域和圖像理解領(lǐng)域。相比較傳統(tǒng)手工局部描述符，深度學(xué)習(xí)局部描述符經(jīng)深度學(xué)習(xí)提取到的描述符精度高，而傳統(tǒng)手工局部描述符精度不高，這會(huì)導(dǎo)致之后計(jì)算出現(xiàn)偏差甚至出現(xiàn)錯(cuò)誤。而現(xiàn)今大多數(shù)SLAM主要應(yīng)用傳統(tǒng)手工局部描述符，它的精度達(dá)不到很高，基于這一問題我們準(zhǔn)備利用一個(gè)深度學(xué)習(xí)提取到的描述符來代替?zhèn)鹘y(tǒng)手工局部描述符，這樣會(huì)大大提高視覺精度。同時(shí)定位與建圖（Simultaneous Localization And Mappin
電子制作 2019年2期2019-02-14
- 活性化合物熱穩(wěn)定性預(yù)測(cè)技術(shù)研究進(jìn)展
分子結(jié)構(gòu)的分子描述符，建立的To預(yù)測(cè)模型的平均絕對(duì)累積誤差為6%。由于在該過程中，優(yōu)化分子結(jié)構(gòu)需要花費(fèi)超級(jí)計(jì)算機(jī)CPU時(shí)間約1 h，因此，Saraf等又采用AM1半經(jīng)驗(yàn)量子化學(xué)計(jì)算方法快速獲得相關(guān)的分子描述符，以此建立的To預(yù)測(cè)模型的平均絕對(duì)累積誤差為7%，但所需成本相對(duì)較低。2008年，F(xiàn)ayet等[16]針對(duì)22種硝基芳香族化合物，基于DFT計(jì)算獲得5個(gè)電性相關(guān)的分子描述符，建立-ΔHd的QSPR線性預(yù)測(cè)模型。該研究中，F(xiàn)ayet等對(duì)比了5個(gè)描述符對(duì)-
中國(guó)安全生產(chǎn)科學(xué)技術(shù) 2019年5期2019-01-19
- 潤(rùn)滑油添加劑抗磨性能與結(jié)構(gòu)定量關(guān)系*
量和偶極矩2個(gè)描述符與摩擦因數(shù)的定量構(gòu)效(QSPR)模型，模型的相關(guān)系數(shù)R為0.94[13]，但樣本數(shù)偏少。該課題組采用多元線性回歸方法，基于同樣的2個(gè)描述符對(duì)36 種含氮雜環(huán)衍生物的磨損性能建模，其中相關(guān)系數(shù)R值最高的一組為0.622(R2=0.387)[14]。該課題組又采用人工神經(jīng)網(wǎng)絡(luò)(ANN)方法對(duì)36種含氮雜環(huán)衍生物潤(rùn)滑油添加劑進(jìn)行了QSPR研究，分別以47、60個(gè)描述符建模[15]。根據(jù)文獻(xiàn)[16]，這些模型或相關(guān)系數(shù)偏低[14]，或描述符過多
潤(rùn)滑與密封 2019年1期2019-01-18
- 異惡唑姜黃素類似物抗結(jié)核分枝桿菌活性定量構(gòu)效關(guān)系的研究
價(jià)值的基于分子描述符來預(yù)測(cè)活性值的方法。筆者采用啟發(fā)式方法（HM）和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RFBNN）預(yù)測(cè)47個(gè)異惡唑姜黃素類似物抗結(jié)核分枝桿菌的活性。目的是建立一個(gè)穩(wěn)定的QSAR模型，來預(yù)測(cè)各種姜黃素類似物的抗結(jié)核分枝桿菌的活性。1 數(shù)據(jù)和方法1.1 數(shù)據(jù)集47個(gè)異惡唑姜黃素類似物抗結(jié)核分枝桿菌的活性數(shù)據(jù)來自文獻(xiàn)[5]。在這些化合物中，存在多種不同類型的異惡唑姜黃素類似物。原文獻(xiàn)中共有59個(gè)異惡唑姜黃素類似物，在計(jì)算時(shí)，由于其中有7個(gè)化合物缺少活性數(shù)據(jù)，以
生物化工 2018年6期2019-01-09
- 鋅螯合肽的兩端排序法定量構(gòu)效關(guān)系
構(gòu)表征中氨基酸描述符和數(shù)學(xué)建模中統(tǒng)計(jì)方法的研究[11]。氨基酸描述符分為2D描述符和3D描述符，2D描述符主要表征電荷性、疏水性、立體性和氫鍵屬性等參數(shù)。包括了TOF[12]、Z-scale[13]、VHSE[14]、DPPS[15]、T-scale[16]、HESH[17]、VMEE[18]、VSTV[19]、SZOTT[20]、FASGAI[21]、ST-scale[22]、VSTA[19]、SVG[23]、VSW[23]。Sneath等[24]首先進(jìn)
食品科學(xué) 2018年21期2018-11-29
- 一種新的LTP紋理譜描述符探析
二值模式紋理譜描述符自最早由Ojala等［1］等提出，通過比較鄰域像素與中心像素的灰度差關(guān)系反映圖像的紋理特征，該方法已得到國(guó)內(nèi)外學(xué)界的廣泛研究。Heikkila［2］為降低紋理特征的維數(shù)，提出了CS-LBP（Center-Symmetric Local Binary Patterns） 紋理譜描述符，以中心對(duì)稱的鄰域點(diǎn)灰度差作為比較對(duì)象，取得了很好的效果。在此基礎(chǔ)上，孫君頂?shù)龋?］將中心像素引入到比較關(guān)系中，提出了ICS-LBP描述符；陳剛等［4-5］通
福建教育學(xué)院學(xué)報(bào) 2018年10期2018-11-17
- 基于TMS320C6678的雙網(wǎng)卡研究與驅(qū)動(dòng)實(shí)現(xiàn)①
處理的數(shù)據(jù)是以描述符的形式存在的,描述符存在于隊(duì)列中,由QMSS的PDSP固件完成隊(duì)列中描述符的操作.當(dāng)網(wǎng)卡硬件初始化完成后,主機(jī)發(fā)送數(shù)據(jù)時(shí),從發(fā)送空閑隊(duì)列分配一個(gè)描述符,填寫描述符域和負(fù)載數(shù)據(jù)后,將描述符PUSH到發(fā)送隊(duì)列,隊(duì)列管理器為隊(duì)列提供一個(gè)層敏感(level sensitive)狀態(tài)信號(hào)量,負(fù)責(zé)DMA的調(diào)度操作,DMA控制器最終引入相應(yīng)通道的上下文,并且開始處理包.DMA控制器通過將數(shù)據(jù)塊中的內(nèi)容傳輸出去的方式,來清空緩沖區(qū).根據(jù)包大小域中指定的
計(jì)算機(jī)系統(tǒng)應(yīng)用 2018年11期2018-11-14
- Linux單線程并發(fā)服務(wù)器探索
理眾多的套接字描述符。通過實(shí)驗(yàn)結(jié)果的分析，再次強(qiáng)化對(duì)select函數(shù)的理解，了解套接字描述符的變化過程。2 基礎(chǔ)理論文件描述符是由內(nèi)核創(chuàng)建的文件的索引，指向被打開的文件，涉及I/O的系統(tǒng)調(diào)用都會(huì)使用文件描述符。而每個(gè)活動(dòng)的套接字由一個(gè)小整數(shù)標(biāo)識(shí)，被稱為套接字描述符。由于套接字描述符也存放在文件描述符表中，所以同一進(jìn)程不能擁有相同數(shù)值的文件描述符和套接字描述符。Select函數(shù)的原型如下：Int select（int maxfdp，fd_set *readf
數(shù)字通信世界 2018年1期2018-04-18
- 基于SVM的化合物分類綜述
;化合物分類;描述符;圖核Review of Chemical Compound Classification Based on SVMJIANG Qiang?rong， MA Jia?jia（Department of Computer Science， Beijing University of Technology， Beijing 100022， China）Abstract：Drug development is a difficult and
軟件導(dǎo)刊 2018年12期2018-02-12
- Linux內(nèi)核伙伴系統(tǒng)分析①
,內(nèi)核采用節(jié)點(diǎn)描述符存儲(chǔ)內(nèi)存節(jié)點(diǎn)的相關(guān)信息.每個(gè)物理內(nèi)存節(jié)點(diǎn)對(duì)應(yīng)一個(gè)節(jié)點(diǎn)描述符,其中包含相應(yīng)內(nèi)存節(jié)點(diǎn)的標(biāo)識(shí)符、起始頁(yè)框號(hào)、頁(yè)框數(shù)等字段.單處理器系統(tǒng)和對(duì)稱多處理器系統(tǒng)屬于UMA體系結(jié)構(gòu),這類系統(tǒng)僅包含一個(gè)內(nèi)存節(jié)點(diǎn),因而內(nèi)核僅為其分配唯一的節(jié)點(diǎn)描述符.依據(jù)內(nèi)存節(jié)點(diǎn)尋址特點(diǎn)及用途的不同可將每個(gè)內(nèi)存節(jié)點(diǎn)進(jìn)一步劃分為若干個(gè)內(nèi)存區(qū).例如,在IA32系統(tǒng)中,唯一的內(nèi)存結(jié)點(diǎn)被分為DMA,NORMAL和HIGHMEM三個(gè)區(qū).內(nèi)核為每個(gè)內(nèi)存區(qū)分配一個(gè)區(qū)描述符,其中包含內(nèi)存區(qū)
計(jì)算機(jī)系統(tǒng)應(yīng)用 2018年1期2018-02-07
- 基于簡(jiǎn)化描述符的仿射不變圖像匹配算法
測(cè)子與SIFT描述符相結(jié)合，具有尺度、平移、旋轉(zhuǎn)不變性，對(duì)光照、幾何變換有一定的適應(yīng)性。相關(guān)文獻(xiàn)表明相對(duì)于其他描述符而言，SIFT描述符性能更加穩(wěn)定[17]，因此被廣泛應(yīng)用于圖像匹配，然而SIFT特征描述符維度過高，匹配圖像的時(shí)間開銷很大而且不具備仿射不變性。YanKe等提出PCA（Principal Components Analysis）-SIFT[2]方法有效的降低了描述符的維度，提高了圖像匹配的速度，但是該方法的降維操作時(shí)間復(fù)雜度過高。Zhipin
現(xiàn)代計(jì)算機(jī) 2017年36期2018-01-25
- 一種基于PCIE總線的改進(jìn)分散集聚DMA的設(shè)計(jì)
A由于可以通過描述符鏈表將分散的內(nèi)存集聚起來,可申請(qǐng)的內(nèi)存更大,經(jīng)過一次DMA啟動(dòng),便能完成FPGA與各個(gè)物理分散內(nèi)存之間的數(shù)據(jù)傳輸,能夠減輕CPU的負(fù)擔(dān),優(yōu)勢(shì)更為明顯[7-9]。目前分散集聚DMA中描述符鏈表的傳輸與更新需要DMA控制器與驅(qū)動(dòng)頻繁的握手,每一個(gè)描述符對(duì)應(yīng)內(nèi)存完成數(shù)據(jù)傳輸以后,DMA控制器都需要向驅(qū)動(dòng)更新此描述符并獲取新的描述符[10],浪費(fèi)了很多時(shí)間。本文提出了一種改進(jìn)分散集聚DMA的實(shí)現(xiàn)方式,一次性將描述符鏈表全部傳輸給DMA控制器,之
雷達(dá)科學(xué)與技術(shù) 2017年5期2018-01-15
- 基于端系統(tǒng)應(yīng)用的分組I/O加速技術(shù)*
申請(qǐng)、釋放以及描述符的轉(zhuǎn)換操作，有效降低分組I/O開銷和訪存開銷。Netmap[4]通過預(yù)分配固定大小緩沖區(qū)，采用批處理和并行數(shù)據(jù)路徑的方法，實(shí)現(xiàn)了內(nèi)存映射，存儲(chǔ)信息結(jié)構(gòu)簡(jiǎn)單高效，能夠?qū)崿F(xiàn)報(bào)文的高速轉(zhuǎn)發(fā)。DCA通過處理器硬件支持，將接收網(wǎng)絡(luò)分組直接寫入LLC cache，減小CPU訪問分組描述符的延時(shí)[5]。而PFQ[6]接收的報(bào)文不需要通過標(biāo)準(zhǔn)協(xié)議棧處理，直接送入批處理隊(duì)列進(jìn)行批處理。現(xiàn)有研究采用內(nèi)存映射的零拷貝技術(shù)，只能解決拷貝的開銷，不能解決報(bào)文緩沖
網(wǎng)絡(luò)安全與數(shù)據(jù)管理 2016年7期2016-12-23
- 面向多核網(wǎng)絡(luò)分組處理系統(tǒng)的線程親和緩沖區(qū)管理機(jī)制*
沖區(qū)地址信息的描述符和分組數(shù)據(jù)按照分組處理的線程號(hào)鏈?zhǔn)降貙?duì)應(yīng)加載在多個(gè)地址連續(xù)的共享緩沖區(qū)中?；谕ㄓ枚嗪撕同F(xiàn)場(chǎng)可編程門陣列平臺(tái)進(jìn)行報(bào)文轉(zhuǎn)發(fā)測(cè)試，實(shí)驗(yàn)結(jié)果表明，采用線程親和緩沖區(qū)管理機(jī)制能使平均報(bào)文轉(zhuǎn)發(fā)處理性能提升12.4%，有效地降低IO開銷和TLB表項(xiàng)失效率。分組IO；線程親和；緩沖區(qū)管理；分組轉(zhuǎn)發(fā)；多核隨著新型網(wǎng)絡(luò)業(yè)務(wù)、協(xié)議以及多核技術(shù)的發(fā)展，具有高可編程性的基于多核處理器的網(wǎng)絡(luò)分組處理系統(tǒng)成為學(xué)術(shù)界和工業(yè)界研究的熱點(diǎn)。隨著通用多核處理器處理性能的不
國(guó)防科技大學(xué)學(xué)報(bào) 2016年5期2016-11-25
- 特征聯(lián)合和旋轉(zhuǎn)不變空間分割聯(lián)合的局部圖像描述符
聯(lián)合的局部圖像描述符許允喜1陳方1提出了一種新的局部圖像描述符:特征聯(lián)合和旋轉(zhuǎn)不變空間分割聯(lián)合描述符（Feature combination and rotation invariant space division combination descriptor，F(xiàn)CSCD）.提出了一種新的局部特征:WLBP（Weber local binary pattern），該特征由局部二進(jìn)制模式和韋伯二進(jìn)制差分激勵(lì)聯(lián)合得到.提出了一種新的用于特征匯聚的旋轉(zhuǎn)不變空間
自動(dòng)化學(xué)報(bào) 2016年4期2016-11-08
- 多核導(dǎo)航及其在LTE－A中的應(yīng)用
系統(tǒng)中，需要為描述符存儲(chǔ)區(qū)、緩沖區(qū)存儲(chǔ)區(qū)、累加器存儲(chǔ)區(qū)和鏈接索引存儲(chǔ)區(qū)分配一定的內(nèi)存，保證多核導(dǎo)航的正常工作。整個(gè)系統(tǒng)通過中斷實(shí)現(xiàn)多核之間的相互通知機(jī)制，通過2 Tbit/s容量的TeraNet(VBUS)交換網(wǎng)絡(luò)來搬移數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)包的高速傳輸。圖1 多核導(dǎo)航模塊框圖Fig.1 multicore navigator block diagram1.2多核導(dǎo)航的組件(1)QMSS:隊(duì)列管理器子系統(tǒng)(QMSS)主要由以下6部分組成。①1個(gè)硬件隊(duì)列管理器，包括
自動(dòng)化儀表 2016年3期2016-05-11
- 基于蟻群算法對(duì)有機(jī)物熱容的預(yù)測(cè)研究
，得到5個(gè)特征描述符作為模型的輸入變量，結(jié)合多元線性回歸（MLR）方法建立了蟻群-多元線性回歸（ACO-MLR）預(yù)測(cè)模型。研究結(jié)果表明：ACO-MLR模型的訓(xùn)練集和測(cè)試集的復(fù)相關(guān)系數(shù)分別為0.9430和0.9344，預(yù)測(cè)效果令人滿意。該研究提供了一種新的預(yù)測(cè)有機(jī)化合物熱容的方法。熱容；蟻群算法；多元線性回歸；預(yù)測(cè)熱容表示系統(tǒng)升高單位熱力學(xué)溫度時(shí)所吸收的熱［1］，是化合物的基本熱學(xué)性質(zhì)之一。熱容的變化提供了化合物相變信息以及化合物分子結(jié)構(gòu)的變化，獲悉該方面信
化工管理 2016年21期2016-03-14
- 抗菌肽的定量構(gòu)效關(guān)系研究進(jìn)展
定量構(gòu)效關(guān)系；描述符；氨基酸；數(shù)學(xué)模型抗菌肽是生物體抵御病原微生物入侵而產(chǎn)生的一類陽離子多肽，主要通過破壞靶細(xì)胞的細(xì)胞膜，從而發(fā)揮抗菌、抗病毒、抗腫瘤等多種活性［1］。與傳統(tǒng)的抗生素相比，抗菌肽具有抗菌譜廣、熱穩(wěn)定性好、抗菌機(jī)理獨(dú)特等優(yōu)點(diǎn)。特別是其抗腫瘤活性引起越來越多的研究者關(guān)注［2-3］。這種以細(xì)胞膜為靶標(biāo)的作用機(jī)制的優(yōu)勢(shì)在于：1）作用速度快（幾分鐘時(shí)間），可以避免或延緩細(xì)胞抗藥性的形成；2）靶細(xì)胞膜組成和結(jié)構(gòu)的差異形成了其選擇性作用的基礎(chǔ)，可減少毒副
食品科學(xué) 2015年15期2015-11-02
- 定量結(jié)構(gòu)-性質(zhì)關(guān)系在化合物溶解度預(yù)測(cè)中的研究進(jìn)展
結(jié)構(gòu)參數(shù)（分子描述符）與某一性質(zhì)（如溶解度）之間的定量關(guān)系建立預(yù)測(cè)模型。進(jìn)行溶解度的QSPR研究主要包括兩大步驟：①分子描述符的計(jì)算與優(yōu)化；②模型的建立與評(píng)價(jià)。分子描述符通常根據(jù)所解決的問題從化合物的一系列理化參數(shù)中篩選，針對(duì)化合物溶解度的預(yù)測(cè)問題，研究者們相繼提出了3類分子描述符：①組成描述符；②試驗(yàn)參數(shù)；③理論計(jì)算描述符。而相關(guān)的建模方法主要有：①線性建模法；②非線性建模法；③線性與非線性聯(lián)合建模法。本文基于文獻(xiàn)報(bào)道的溶解度預(yù)測(cè)方法的研究進(jìn)展，分別評(píng)述
化工進(jìn)展 2015年5期2015-08-19
- 利用二值描述符的實(shí)時(shí)目標(biāo)跟蹤算法
38)利用二值描述符的實(shí)時(shí)目標(biāo)跟蹤算法覃 兵,田 軍,查宇飛,張立朝,黃宏圖(空軍工程大學(xué)航空航天工程學(xué)院,陜西西安 710038)針對(duì)目標(biāo)跟蹤過程中的速率低和存儲(chǔ)量大的問題,提出了一種新的利用二值描述符特征的快速穩(wěn)定的目標(biāo)跟蹤算法.該算法首先在保持目標(biāo)結(jié)構(gòu)信息的情況下,通過尋找最優(yōu)正交矩陣對(duì)樣本進(jìn)行旋轉(zhuǎn)聚類,將樣本從歐式空間投影到漢明空間,生成二值描述符.然后在粒子濾波采樣的框架下,通過計(jì)算目標(biāo)與候選樣本的漢明距離確定目標(biāo)跟蹤位置.實(shí)驗(yàn)結(jié)果表明,當(dāng)發(fā)生光
西安電子科技大學(xué)學(xué)報(bào) 2015年5期2015-07-24
- 基于葉緣特征的植物圖像分類檢索
個(gè)新的葉緣特征描述符、提出了以語義字典組織植物屬種多層分類中的層間繼承關(guān)系、以及通過葉節(jié)點(diǎn)成員相似性評(píng)估確定植物屬種的技術(shù)框架和方法.通過分支結(jié)點(diǎn)描述符組合分類實(shí)驗(yàn)，證明了葉緣凸殘差與葉局部面積比、右邊長(zhǎng)與左邊長(zhǎng)比對(duì)劃分不同的非裂葉植物、以及劃分不同的非全緣葉植物有效；葉緣凸殘差均值等描述符對(duì)于劃分不同的非全緣葉植物有效.通過多描述符組合的多層分類將30種非裂葉植物劃分到多個(gè)葉節(jié)點(diǎn)，平均全局精度優(yōu)于81.21%.而葉節(jié)點(diǎn)成員屬種概率評(píng)估實(shí)驗(yàn)，進(jìn)一步論證了這
- 面向Bayer真彩色航空影像特征匹配的彩色描述符適用性分析*
特征匹配的彩色描述符適用性分析*屈新原1，2，3，段福洲1，2，3，趙文吉1，2，3，田金炎1，2，3(1. 三維信息獲取與應(yīng)用教育部重點(diǎn)實(shí)驗(yàn)室，北京100048；2. 城市環(huán)境過程與數(shù)字模擬國(guó)家重點(diǎn)實(shí)驗(yàn)室培育基地，北京100048；3. 首都師范大學(xué) 資源環(huán)境與旅游學(xué)院，北京100048)摘要：針對(duì)Bayer真彩色遙感影像進(jìn)行特征匹配時(shí)，彩色描述符的效果與適用性問題一直研究較少。結(jié)合Bayer真彩色遙感影像成像變化規(guī)律和彩色描述符算法特點(diǎn)，從理論上分析彩
國(guó)防科技大學(xué)學(xué)報(bào) 2015年2期2015-02-25
- 基于描述符的輸出調(diào)度IP核的設(shè)計(jì)與實(shí)現(xiàn)
0073)基于描述符的輸出調(diào)度IP核的設(shè)計(jì)與實(shí)現(xiàn)趙國(guó)鴻，胡勇庭，李 韜，孫志剛(國(guó)防科學(xué)技術(shù)大學(xué)計(jì)算機(jī)學(xué)院，湖南 長(zhǎng)沙 410073)輸出調(diào)度是實(shí)現(xiàn)QoS支持的重要技術(shù)?；趫?bào)文的輸出調(diào)度技術(shù)由于實(shí)現(xiàn)簡(jiǎn)單等優(yōu)點(diǎn)，廣泛應(yīng)用于各種QoS部件的設(shè)計(jì)與實(shí)現(xiàn)中。然而，基于報(bào)文的輸出調(diào)度由于需要緩存大量待調(diào)度報(bào)文，因此增加了設(shè)備的芯片面積和實(shí)現(xiàn)成本。針對(duì)上述問題，提出了一種基于描述符的輸出調(diào)度技術(shù)，通過對(duì)攜帶報(bào)文長(zhǎng)度信息的描述符進(jìn)行調(diào)度，在保證系統(tǒng)性能的前提下，可有效
計(jì)算機(jī)工程與科學(xué) 2014年3期2014-09-15
- 利用密度描述符對(duì)應(yīng)的視覺跟蹤算法
換（SIFT）描述符［6］、BRIEF描述符［7］和DBrief描述符［8］等不變特征描述符，利用局部相關(guān)像素對(duì)關(guān)鍵點(diǎn)進(jìn)行描述，使關(guān)鍵點(diǎn)具有尺度和旋轉(zhuǎn)不變性。文獻(xiàn)［9］利用SIFT算法檢測(cè)到的稀疏關(guān)鍵點(diǎn)及其描述符構(gòu)建相關(guān)圖來表征目標(biāo)，然而在實(shí)際中相關(guān)圖的構(gòu)建比較困難，從而導(dǎo)致跟蹤失敗，可將SIFT描述符作為均值漂移的度量實(shí)現(xiàn)跟蹤［10］。以上基于局部不變特征描述符的跟蹤算法均屬于稀疏描述符，關(guān)鍵點(diǎn)檢測(cè)結(jié)果對(duì)跟蹤結(jié)果影響很大。與稀疏描述符不同，密度描述符不需
西安交通大學(xué)學(xué)報(bào) 2014年9期2014-01-16
- Ames試驗(yàn)與QSAR模型結(jié)合對(duì)芳香胺致癌活性的預(yù)測(cè)作用
尚未發(fā)現(xiàn)用多種描述符建立線性判別模型的報(bào)道.因此,采用多種描述符建立線性判別模型具有一定的意義.芳香胺除了具有強(qiáng)的致癌性外,還具有致突變性[6].目前,檢測(cè)致突變性的Ames試驗(yàn)方法已被大量應(yīng)用和報(bào)道,并且已有數(shù)量庫(kù)收集Ames試驗(yàn)結(jié)果,如ISSCAN數(shù)據(jù)庫(kù)[7],但將Ames試驗(yàn)和QSAR相結(jié)合的研究尚未見報(bào)道.本文以芳香胺為研究對(duì)象,采用將Ames結(jié)果作為自變量加入QSAR模型和先根據(jù)Ames結(jié)果分類后再用QSAR模型預(yù)測(cè)2種方法,對(duì)113個(gè)芳香胺的致
- 基于機(jī)器學(xué)習(xí)方法的H1N1神經(jīng)氨酸苷酶抑制劑的分類預(yù)測(cè)
度與適當(dāng)?shù)姆肿?span id="j5i0abt0b" class="hl">描述符集密切相關(guān)，這些描述符在一定程度上代表了被預(yù)測(cè)化合物的物理化學(xué)性質(zhì).遞歸變量消除(REF)法13，14是一種被廣泛應(yīng)用的性質(zhì)選擇方法，可以通過優(yōu)化預(yù)測(cè)化合物的性質(zhì)集，從而進(jìn)一步提高預(yù)測(cè)精度.另外在本研究中，我們使用兩種方法對(duì)預(yù)測(cè)精度進(jìn)行評(píng)價(jià)，包括五重交叉驗(yàn)證法和獨(dú)立驗(yàn)證集法.2 材料與方法2.1 神經(jīng)酰胺酶抑制劑的選取本研究共選取237個(gè)NA抑制劑和非抑制劑(附表1，見Supporting Information)，它們分別來自文獻(xiàn).1
物理化學(xué)學(xué)報(bào) 2013年1期2013-09-21
- 基于保護(hù)緩存的x86系統(tǒng)仿真優(yōu)化
80發(fā)起，中斷描述符表IDT中索引為0x80的描述符被設(shè)置為陷阱門，用以給出該軟中斷服務(wù)程序的入口。Linux系統(tǒng)調(diào)用不涉及x86的一致代碼段、虛擬8086模式等機(jī)制，為方便敘述，我們這里忽略了有關(guān)這些機(jī)制的保護(hù)檢查，實(shí)際的保護(hù)檢查過程還要復(fù)雜一些。執(zhí)行INT 0x80指令時(shí)處理器主要執(zhí)行以下動(dòng)作:以0x80為索引，從IDT中取得門描述符，記為GateDesc，并檢查中斷類型號(hào)0x80所引用的描述符是否超出IDT的界限、GateDesc的P位是否為1、Ga
計(jì)算機(jī)工程與設(shè)計(jì) 2013年2期2013-07-25
- 利用WinDriver實(shí)現(xiàn)鏈?zhǔn)紻MA
區(qū)域，用來存儲(chǔ)描述符表。所謂描述符表，是用來描述在主機(jī)與外設(shè)之間數(shù)據(jù)傳輸有關(guān)的地址與長(zhǎng)度信息的，它由一個(gè)表頭和多個(gè)描述符組成，其中每一個(gè)描述符對(duì)應(yīng)一次DMA操作。用戶根據(jù)自己的需求填寫該描述符表，如下表所示。表1 鏈?zhǔn)紻MA描述符表Tab.1 Chaining DMA descriptor table在上表中，偏移地址是指到描述符表內(nèi)存區(qū)域開始處的字節(jié)偏移地址。DMA長(zhǎng)度用來設(shè)置本描述符對(duì)應(yīng)的DMA傳輸?shù)拈L(zhǎng)度，是以32位雙字為單位的。主機(jī)地址用來指示數(shù)據(jù)在
電子設(shè)計(jì)工程 2013年8期2013-07-13
- Ames試驗(yàn)與QSAR模型結(jié)合對(duì)芳香胺致癌活性的預(yù)測(cè)作用
尚未發(fā)現(xiàn)用多種描述符建立線性判別模型的報(bào)道.因此,采用多種描述符建立線性判別模型具有一定的意義.芳香胺除了具有強(qiáng)的致癌性外,還具有致突變性[6].目前,檢測(cè)致突變性的Ames試驗(yàn)方法已被大量應(yīng)用和報(bào)道,并且已有數(shù)量庫(kù)收集Ames試驗(yàn)結(jié)果,如ISSCAN數(shù)據(jù)庫(kù)[7],但將Ames試驗(yàn)和QSAR相結(jié)合的研究尚未見報(bào)道.本文以芳香胺為研究對(duì)象,采用將Ames結(jié)果作為自變量加入QSAR模型和先根據(jù)Ames結(jié)果分類后再用QSAR模型預(yù)測(cè)2種方法,對(duì)113個(gè)芳香胺的致
- 樹描述符匹配算法在地形匹配中的應(yīng)用
提出了改良的樹描述符匹配算法，用樹描述符對(duì)地形特征（山谷線）進(jìn)行重建，通過搜索樹描述符中最長(zhǎng)公共子串的方法獲得最大同構(gòu)子樹，建立2個(gè)同構(gòu)子樹之間的匹配關(guān)系完成匹配工作。該算法可應(yīng)用于存在縮放、旋轉(zhuǎn)條件下的地形匹配問題。2.地形匹配技術(shù)的原理地形匹配技術(shù)的依據(jù)是地形的凹凸不平特征與地理位置之間的對(duì)應(yīng)關(guān)系，利用這種地形特征，在運(yùn)動(dòng)載體實(shí)時(shí)測(cè)量得到的地形圖與已知的三維地形基準(zhǔn)圖進(jìn)行配準(zhǔn)，從而確定載體自身的位置信息。本文通過提取匹配圖的山谷線作為待匹配的地形特征。
電腦與電信 2012年6期2012-08-06
- 一種無驅(qū)動(dòng)RFID閱讀器的USB固件程序設(shè)計(jì)
1 HID設(shè)備描述符在USB中，USB HOST通過各種描述符來識(shí)別設(shè)備。HID設(shè)備描述符包含5個(gè)USB基本描述符（設(shè)備描述符、配置描述符、接口描述符、端點(diǎn)描述符、字符串描述符）和3個(gè)HID設(shè)備類特定描述符（HID描述符、報(bào)告描述符、實(shí)體描述符），它們之間的關(guān)系如圖1所示。2 HID設(shè)備枚舉USB主機(jī)識(shí)別一個(gè)USB設(shè)備必須經(jīng)過枚舉過程，主機(jī)使用總線枚舉來識(shí)別和管理設(shè)備狀態(tài)的變化?？偩€枚舉過程如下：① 連接設(shè)備。USB設(shè)備接入U(xiǎn)SB總線。② 設(shè)備上電。USB
單片機(jī)與嵌入式系統(tǒng)應(yīng)用 2012年7期2012-06-25
- 淺談機(jī)頂盒大網(wǎng)升級(jí)測(cè)試方案
系統(tǒng)中添加升級(jí)描述符來規(guī)定要升級(jí)的機(jī)頂盒序列號(hào)等信息。這種碼流文件的優(yōu)點(diǎn)是：如果把測(cè)試碼流放到大網(wǎng)中播發(fā)不會(huì)造成全網(wǎng)機(jī)頂盒馬上升級(jí)，可以通過在EPG系統(tǒng)中添加升級(jí)描述符來靈活地控制升級(jí)機(jī)頂盒數(shù)量，靈活調(diào)整升級(jí)頻點(diǎn)。不管是單臺(tái)測(cè)試升級(jí)、少批量測(cè)試升級(jí)還是以后全網(wǎng)正式升級(jí)都使用該碼流[1]。如果文件名沒有寫nopsi（即文件名直接為psi的升級(jí)碼流），說明這種碼流內(nèi)置了升級(jí)PID、頻點(diǎn)、要升級(jí)的機(jī)頂盒序列號(hào)等升級(jí)描述信息，并且一般公司在該文件中對(duì)機(jī)頂盒序列號(hào)規(guī)
電視技術(shù) 2012年10期2012-02-07
- 電腦能代替藝術(shù)鑒賞家？
解為所謂的數(shù)字描述符。描述符將畫的紋理和顏色、線條在畫布上的相對(duì)位置、特定圖形的展示方式、某個(gè)點(diǎn)的顏色濃度和所有具有圖形特點(diǎn)的組成部分均進(jìn)行數(shù)量化的描述。從513副作品中，電腦共識(shí)別出4027個(gè)不同的數(shù)字描述符，為進(jìn)一步分析做好準(zhǔn)備。這一研究的目標(biāo)是尋找出區(qū)別不同畫家作品的數(shù)量化方式。該目標(biāo)的實(shí)現(xiàn)將簡(jiǎn)化判別一副不知名的畫作者的工作，識(shí)別仿制品，仿制出已失傳的名畫。為了尋找區(qū)分因素，Shamir博士編寫了識(shí)別畫家在畫中所使用數(shù)字描述符類型、使用每種數(shù)字描述符
中國(guó)教育網(wǎng)絡(luò) 2011年9期2011-07-04
- 多功能USB組合設(shè)備的結(jié)構(gòu)設(shè)計(jì)
2 組合設(shè)備的描述符結(jié)構(gòu)如圖3所示,以兩個(gè)接口的組合設(shè)備為例,來說明組合設(shè)備的描述符結(jié)構(gòu)。一個(gè)設(shè)備描述符下有一個(gè)配置描述符,一個(gè)配置描述符下可以有多個(gè)接口描述符,分別對(duì)應(yīng)不同的設(shè)備。每個(gè)接口描述符下又包含多個(gè)端點(diǎn)描述符。一個(gè)USB邏輯設(shè)備對(duì)USB系統(tǒng)來說就是一個(gè)端點(diǎn)集合。端點(diǎn)可以根據(jù)它們實(shí)現(xiàn)的接口來分類。所有的USB設(shè)備都需要實(shí)現(xiàn)一個(gè)缺省的控制方法。這種方法將端點(diǎn)0作為輸入端點(diǎn),同時(shí)也將端點(diǎn)0作為輸出端點(diǎn)。USB系統(tǒng)用這個(gè)缺省方法初始化及一般地使用邏輯設(shè)備
單片機(jī)與嵌入式系統(tǒng)應(yīng)用 2011年11期2011-06-22
- 機(jī)器學(xué)習(xí)方法用于建立乙酰膽堿酯酶抑制劑的分類模型
征的1559個(gè)描述符,通過Fischer Score排序過濾和Monte Carlo模擬退火法相結(jié)合進(jìn)行變量篩選得到37個(gè)描述符,然后分別用支持向量學(xué)習(xí)機(jī)(SVM)、人工神經(jīng)網(wǎng)絡(luò)(ANN)和k?近鄰(k?NN)等機(jī)器學(xué)習(xí)方法建立了乙酰膽堿酯酶抑制劑的分類預(yù)測(cè)模型.對(duì)于訓(xùn)練集的515個(gè)樣本,通過五重交叉驗(yàn)證,各機(jī)器學(xué)習(xí)方法對(duì)正樣本,負(fù)樣本和總樣本的平均預(yù)測(cè)精度分別為87.3%-92.7%,67.0%-81.0%和79.4%-88.2%;通過y?scrambl
物理化學(xué)學(xué)報(bào) 2010年12期2010-11-30