1.1内存的存储特性是什么? 答:最典型的存储特性是,数据一次存入,可多取出,即取出的是它的副本,但一 旦数据被覆盖或者关闭计算机,就会导致内存中的数据完全丢失。这个特性使得内存特别 适合存储一些临时性数据,因为一旦重新启动,这些数据就自动消失。也正是这个特性, 使得内存不适合存储重要的数据,因为一旦死机这些东西就再也找不回来了

差错率:差错率是衡量传输质量的重要指标之一,它有以下几种不同的定义。 码元差错率:指在传输的码元总数中发生差错的码 元数所占的比例(平均值),简称误码率比特差错率/比特误码率:指在传输的比特总数中发 生差错的比特数所占的比例(平均值)。在二进制传输系统中,码元差错率就是比特差错率 码组差错率:指在传输的码组总数中发生差错的码 组数所占的比例(平均值)

本书由二十七篇论文组成,内容分为两个部分:理论部分、应用及软件部分。理论部分包括了蒙特卡罗方法基础、伪随机数的产生、已知分布抽样;应用及软件部分覆盖了蒙特卡罗方法的主要应用领域。本书基本上反映了自1993年西安会议以来我国在蒙特卡罗方法研究和应用方西的水平愿本书能成为蒙特卡罗方法研究和应用的最重要参考书之一

差错率:差错率是衡量传输质量的重要指 标之一,它有以下几种不同的定义。 码元差错率:指在传输的码元总数中发生差错的码 元数所占的比例(平均值),简称误码率。 比特差错率/比特误码率:指在传输的比特总数中发 生差错的比特数所占的比例(平均值)。在二进制 传输系统中,码元差错率就是比特差错率。 码组差错率:指在传输的码组总数中发生差错的码 组数所占的比例(平均值)

由于时间序列数据具有高维度、动态性等特点,这就导致传统的数据挖掘技术很难有效的对其进行处理,为此,提出了一种基于多维时间序列形态特征的相似性动态聚类算法(similarity dynamical clustering algorithm based on multidimensionalshape features for time series,SDCTS).首先,提取多维时间序列的特征点以实现降维,然后,根据多维时间序列的斜率、长度和幅值变化的形态特征定义了一种新的时间序列相似性度量标准,进而提出无需人为给定聚类个数的多维时间序列动态聚类算法.实验结果表明,与其他算法相比,此算法对时间序列具有良好的聚类效果

利用Carr粉体流动指数法评价高炉喷吹煤粉的流动特性及喷流特性,研究了煤岩显微组分、变质程度等煤质特性对高炉喷吹煤粉流动性的影响.研究发现,流动特性与喷流特性几乎呈负相关.煤变质程度对煤粉流动特性及喷流特性都有显著影响.变质程度低的烟煤,流动特性差,喷流特性好;变质程度高的无烟煤,流动特性好,喷流特性差.镜质组体积分数为60%~70%时,流动特性指数较差;体积分数在83%~95%,由于影响因素较多,流动特性与镜质组没有相关性.丝质组与喷流特性正相关,与流动特性负相关.矿物质与煤粉流动性无相关性

•从文本分类图像分类 • 如何从图像中获取全局特征？ • 颜色特征、纹理特征、形状特征 • 如何从图像中获取局部特征？ • SIFT: Scale-invariant feature transform •图像分类的几个发展阶段 • Low-level Modelling • Semantic Modelling • Sparse Coding • Deep Learning

一、昆虫纲分目的历史及变化 昆虫纲分目的数量与分类学的发展阶段、当时技术 水平和手段对分类性状与特征的运用、各学者的认识和 观点均有很大关系。 在昆虫纲分目的特征运用上,除注重形态学、生态 学等特征外,在生物学特征中应以变态特征为主,原因 在于昆虫由卵发育到成虫的整个过程实质是其进化历程 的缩影,如以尚未研究清楚或争议较大的起源关系替代 这一主要特征,争议将更大。各家对昆虫纲的分目如下

采用FactSage理论计算以及熔点实验对CaO-FeO-Al2O3-SiO2无氟的环保型铁水预处理脱磷渣系的熔化温度特性进行了系统研究，考察了炉渣碱度、Al2O3和FeO质量分数三个因素渣系熔化温度特性的影响.研究结果表明：FeO的质量分数对渣系熔点的影响最大；炉渣的最佳配比为碱度5.5，Al2O3质量分数10%，FeO质量分数45%，该配比下炉渣熔化特性在本实验条件下能够满足铁水预处理用渣的熔化温度特性的要求

总结一下前面所讲的内容思想 任何一个事物都对应着多个描述空间(从不同角度观察),每个描述空间都由自身的特征描述基构成,若 这些特征基可以描述出S中不同事物,则称特征基在S中是完备的。若这些特征基两两之间不相关,则称 其为正交。当然完备并不要求正交,正交的好处在于每个特征基上描述的信息和其他特征基不相关