第3章数据链路层 3.1数据链路层的基本概念 3.2停止等待协议 3.2.1完全理想化的数据传输 3.2.2具有最简单流量控制的数据链路层协议 3.2.3实用的停止等待协议 3.2.4循环冗余检验的原理 3.2.5停止等待协议的算法 3.2.6停止等待协议的定量分析 *3.3 连续ARQ 协议 3.3.1 连续 ARQ 协议的工作原理 3.3.2 连续 ARQ 协议的吞吐量 3.3.3 滑动窗口的概念 3.3.4 信道利用率与最佳帧长 3.4 选择重传ARQ 协议 *3.5 面向比特的链路层协议 HDLC 3.5.1 HDLC 协议概述 3.5.2 HDLC 的帧结构 *3.6 因特网的点对点协议 PPP 3.6.1 PPP 协议的工作原理 3.6.2 PPP 协议的帧格式 3.6.3 PPP 协议的工作状态

计算机可靠性设计 一、计算机故障 二、计算机可靠性 三、计算机容错与冗余技术

4-12选择光纤线路玛型应考虑以下因素 ①能限制信号带宽,减小功率谱中的高低频率分量。 ②能给光接收机提供足够的定时信息。 ③能提供一定的冗余码,实现主辅信号同时传输

一、 差错的产生及控制方法 二、 奇偶校验 三、 循环冗余校验 四、 海明码

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度

木建筑由于结构冗余性以及钉接节点超强的吸能耗能能力在抗震中表现良好.交叉层积木是一种新型的建筑材料.本文以交叉层积木3种柔性连接试验为基础,采用Open Sees中Pinching4自定义模型模拟连接滞回曲线的高度非线性、强度退化、刚度退化和捏拢现象.基于主次半循环累积能量的损伤模型,对交叉层积木连接进行损伤分析,并提出该连接的5种性能水平的损伤指数.Pinching4模型与连接试验结果吻合较好,进一步证明该模型模拟木节点连接性能的可行性和有效性.损伤因子对应的损伤程度基本符合试验规律,其平均值在合理范围内,计算结果离散性较低

利用K均值聚类和增量学习算法扩大训练样本规模,提出一种改进的mRMR SBC.一方面,利用K均值聚类预测测试样本的类标签,将已标记的测试样本添加到训练集中,并在属性选择过程中引入一个调节因子以降低K均值聚类误标记带来的风险.另一方面,从测试样本集中选择有助于提高当前分类器精度的实例,把它加入到训练集中,来增量地修正贝叶斯分类器的参数.实验结果表明,与mRMR SBC相比,所提方法具有较好的分类效果,适于解决高维且含有较少类标签的数据集分类问题

针对应用模式识别技术进行数据降维过程中存在的人为性及冗余性等不足,提出一种有效的数据压缩技术——主元分析法.研究表明,此方法具有快速、准确、一次自动完成等显著优点,有效率达到85.18%

14.1 干扰的来源 14.2 供电系统干扰及其抗干扰措施 14.2.1 电源噪声来源、种类及危害 14.2.2 供电系统的抗干扰设计 14.3 过程通道干扰的抑制措施—隔离 14.3.1 光电隔离的基本配置 14.3.2 光电隔离的实现 14.4空间干扰及抗干扰措施 14.4.1 接地技术 14.4.2 屏蔽技术 14.5 反电势干扰的抑制 14.6 印刷电路板的抗干扰设计 14.6.1 地线及电源线设计 14.6.2 去耦电容的配置 14.6.3 印制板的布线的抗干扰设计 14.7软件抗干扰措施 14.7.1 软件抗干扰的一般方法 14.7.2 指令冗余和软件陷阱 14.7.3 软件滤波 14.7.4 开关量输入/输出软件抗干扰设计 14.8 看门狗定时器的使用

智能系统：基于止血机制的冗余并联机器人精准容错控制