一、总账系统的任务 总账系统的任务主要包括以下几个方面: 1、及时、准确地采集和输入各种会计凭证。 2、高效、正确地完成记账过程。 3、随时为企业管理提供信息。 4、建立总账系统与其他子系统的数据接口

研制了用于心磁测量的直流高温量子干涉器,并建立了单通道高温直流超导量子干涉器心磁图仪.根据临床诊断标准,在磁屏蔽室内依次调节无磁床的位置,采集了人体胸前平面5×5正方格子上各点的心磁数据.实验结果表明,健康人与心脏病患者的心脏磁场信号存在明显差异.利用该系统,可为心脏病的临床诊断提供有价值的实验数据

7.1 多媒体技术概要 7.1.1 媒体与多媒体 7.1.2 多媒体技术特征 7.1.3 多媒体系统组成 7.1.4 光盘 7.2 图形图像基础 7.2.1 图像的数字化 7.2.2 数字图像的类型与格式 7.2.3 数字图像的获取和编辑 7.3 声音媒体基础 7.3.1 声音的数字化 7.3.2 声卡与声音文件的格式 7.3.3 MIDI音乐 7.3.4 声音的采集和编辑 7.4 数据压缩与编码 7.5 动画基础 7.6 视频基础 7.7 多媒体应用系统制作的一般过程

2.1 穿戴传感器简介 2.2 数据手套和手环 2.3 运动检测传感器 2.4 可穿戴生理传感器 2.5 AR/MR与智能眼镜 2.6 脑电采集与脑机接口

使用装备有产量监视仪的 CASE IH2366联合收获机,在黑龙江垦区进行农田作物 产量分布信息采集试验,取得了一些试验数据、经验和体会。通过试验对产量监视系统有了 更深入的了解,为今后的精准农业试验奠定了基础 关键词:全球卫星定位系统;联合收获机:产量监视仪 农田作物产量分布信息(基于GPS的收获机产量监视仪)的试验是实施“精准农业”的 第一步,只有采集到农田作物产量分布信息,才能用计算机软件绘制出谷物产量分布图(田 间信息处理),为作物生产管理决策提供条件 农田作物产量分布信息(基于GPS的收获机产量监视仪)的试验由黑龙江八一农垦大学 与黑龙江省友谊农场共同实施,试验地点在友谊农场五分场二队,取得了一些试验数据、经 验和体会

无人机遥感技术是融合无人机、遥感传感器、差分定位、通信等技术以实现地理环境信息快速采集处理与应用分析的新兴技术。本文介绍了无人机遥感平台构成、技术现状及工作流程，并通过大量国内外文献调研系统梳理其在矿业领域应用场景与实际案例，结合当前技术供给短板分析发展态势。研究表明：（1）无人机遥感技术具备成本低廉、机动性强、数据采集灵活、时效性强、可重复、高分辨率等无可比拟的优势；（2）当前矿业领域主要应用于露天矿生产管理、尾矿库安全监测、灾害应急救援、矿区环境监测、边坡灾害防治；（3）规范监管、简化操控方式、提升续航时间、改善成果精度、拓展应用场景是技术应用发展趋势。无人机遥感技术在矿业领域具备广阔应用前景，势必成为智慧矿山建设中不可缺少的重要组成部分

 大数据处理的基本流程  大数据处理模型  大数据关键技术  大数据处理工具  大数据时代面临的新挑战 WordCount 关联规则基本模型 聚类 本章内容首先介绍了大数据处理的基本流程和大数据处理模型，接着介绍了大数据的关键技术，其中，云计算是大数据的基础平台和支撑技术，本章以Google 的相关技术为主线，详细介绍Google 以及其他众多学者和研究机构在大数据技术方面已有的一些工作，包括文件系统、数据库系统、索引和查询技术、数据分析技术等；接下来，介绍了大数据处理平台和工具，就目前技术发展现状而言，Hadoop 已经成为了大数据处理工具事实上的标准。最后，介绍大数据时代面临的新挑战，包括大数据集成、大数据分析、大数据隐私问题、大数据能耗问题、大数据处理与硬件的协同、大数据管理易用性问题以及性能测试基准。 大数据采集架构 预测模型

本书详尽讲解了LabVIEW常用的编程方法、编程技巧和工程应用技术。全书共分为3篇，其中：入门篇归纳总结了LabVIEW编程人员必须掌握的基础知识，包括LabVIEW的基本概念、基本函数的用法和常用的运行结构，以及LabVIEW的基本数据结构和文件存储方式；高级篇细致地讲解了引用、属性、方法以及各类高级控件的运用，LabVIEW的文本方式编程以及DLL、C语言接口，基于Matlab语法的MathScript编程技术，LabVIEW基于组件的高级编程方法和编程模式；工程应用篇介绍了串口、并口和网络通信的常用方法，数据采集的基本原理和方法，LabVIEW实时系统的构建和编程，以及各种常用专业工具包的使用方法，包括数据库连接工具包、数据监控与记录工具包、报表生成工具包、状态图工具包等等。本书可作为高等院校通信、测量技术、自动控制等相关课程的教材和教学参考书，也可作为相关工程技术人员设计开发仪器或自动测试系统的技术手册

8.1 流计算概述 • 8.1.1 静态数据和流数据 • 8.1.2 批量计算和实时计算 • 8.1.3 流计算概念 • 8.1.4 流计算与Hadoop • 8.1.5 流计算框架 8.2 流计算处理流程 • 8.2.1 概述 • 8.2.2 数据实时采集 • 8.2.3 数据实时计算 • 8.2.4 实时查询服务 8.3 流计算应用 8.4 流计算开源框架 – Storm • 8.4.1 Storm简介 • 8.4.2 Storm的特点 • 8.4.3 Storm设计思想 • 8.4.4 Storm框架设计 8.5 Spark Streaming 8.5.1 Spark Streaming设计 8.5.2 Spark Streaming与Storm的对比 8.6 Samza 8.6.1 基本概念 8.6.2 系统架构 8.7 Storm、Spark Streaming和Samza的应用场景 8.8 Storm编程实践 8.8.1 编写Storm程序 8.8.2 安装Storm的基本过程 8.8.3 运行Storm程序

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机