1.1 计算机网络在信息时代中的作用 1.2 计算机网络的发展过程 1.3 计算机网络的分类 1.4 计算机网络的主要性能指标 1.5 计算机网络的体系结构的比较 1.6 应用层的客户-服务器方式

5.1 信息隐藏的概念 5.2 隐藏信息的基本方法 5.3 数字水印 5.4 数字隐写 5.5 数字指纹 •空域算法，变换域算法 •压缩域算法，NEC算法，生理模型算法 •技术模型，分类与应用 •空域水印，DCT水印 •技术模型， •典型数字图像隐写算法 •基本概念和模型 •数字指纹编码，数字指纹协议

 3.1 信道的数学模型及分类  3.2 平均互信息及平均条件互信息  3.3 平均互信息的特性  3.4 信道容量及其一般计算方法  3.5 离散无记忆扩展信道及其信道容量  3.6 独立并联信道及其信道容量  3.7 串联信道的互信息和数据处理定理  3.8 信源与信道的匹配

– 帮助学生了解口译的性质、分类、特点、主要理论，从而促进对口译活动的认识 – 指导学生熟悉并掌握常用的交替传译技能，如口译准备、听力理解、短时记忆、速记、视译、顺句驱动、长句切分、数字口译、信息重组、演说等 1.宾馆入住 2.机场接待 3.口译速记 4.演讲比赛 5.面试访谈 6.礼仪祝酒 7.餐饮宴请 8.观光旅游 9.数字口译 10.中国文化 11.商业谈判 12.口语表达

1、信道模型与信道分类 2、离散无记忆信道 3、概率关系 4、信道的疑义度、散布度和平均互信息 5、平均互信息的性质 6、信道容量C 7、扩展信道及其信道容量 8 信道的组合 9、信道剩余度 10、连续信道的信道容量 11、波形信道及其信道容量

• 什么是Graphical Model • 定义、示例 • Representation、Inference、Learning • 主题模型与分类 • LSA (Latent Semantic Analysis), 1990 • pLSA (probabilistic Latent Semantic Analysis), 1999 • LDA(Latent Dirichlet Allocation), 2003 • Hierarchical Bayesian model • 主题模型的R语言实现示例

6–1 反馈的基本概念及基本方程 6–2 负反馈对放大器性能的影响 6–3 反馈放大器的分类及对输入、输出阻抗的影响 6–4 反馈放大器的分析和近似计算 6–5 反馈放大器稳定性讨论 6—6 运算放大器的小信号闭环带宽、压摆率及功率带宽

1.1 计算机网络在信息时代的作用 1.2 计算机网络的发展过程 1.3 计算机网络的分类 1.4 计算机网络的主要性能指标 1.5 计算机网络的体系结构 1.6 应用层的客户-服务器方式

提出一种改进的最大互信息(MMI)准则函数并把它应用于隐马尔可夫模型(HMM)的参数估计,重新推导了HMM的迭代公式.该准则函数相对于原来准则函数定义更为合理,能有效利用训练样本集中的鉴别信息,使得训练数据得到充分利用,提高了HMM的性能.把这种改进的HMM算法应用于面部表情识别,利用改进的光流算法提取面部表情特征向量序列,并利用改进HMM算法和BP神经网络构建了面部表情混合分类器.实验结果表明了该方法能有效提高面部表情识别率,有效解决HMM参数估计问题

选用在生理位置上具有一定关联性的人耳和人脸作为研究对象,针对剧烈的姿态变化会造成融合信息大量缺损的问题,提出了一种基于核典型相关分析的多模态识别方法,利用标准化和中心化两种方法对原始数据集进行预处理,并用最近邻方法进行分类识别.实验结果表明,核典型相关分析方法可以有效地克服剧烈的姿态变化对人耳和人脸识别的影响,且与单生物特征相比,识别率显著提高