多元方差分析的主要用途是同时分析和检验不同类别在多个间距测度等级变 量上是否存在显著差别。这种方法由威尔克(S.S.Wlk)在1932年创建,后来 又得到逐步发展和完善。现在,许多计算机统计软件中都已经具有多元方差分析 的功能。但是,这种方法在我国社会科学研究中的应用尚属少见,有待进一步推 本章第一节将从多元方差分析与一元方差分析的关系入手,简介相关方法的 沿革及多元方差分析的特点。第二节主要介绍多元方差分析所要求的变量、数据 方面的条件

在本书前7章中,已经讲述了ASP的有关内容,以及ASP如何为Web站点带来动态的内容。 已经见到其脚本程序允许自定义Web页面使我们能够构建功能更为强大的ASP页面。 现在,将研究ASP和数据的集成。虽然对用于网页中的脚本数量并无任何限制,但如果 没有某种形式的数据,很快就会进入一个死胡同。数据构成了Web站点的实际内容,或者指 出了如何设置b站点,因此总的说来数据是非常重要的。如果围绕数据存储建立Web站点, 改变Web站点时只需要改变相应的数据即可

数字信号处理学科是随着半导体器件和计算机技术的发展而出现的，它将数字或符号表示的序列，通过计算机或专用的硬件处理设备，用数字的方式去处理，以得到人们所要求的信号形式。例如，对信号滤波，选择了信号的有用分量，而抑制了无用分量；或是估计信号的特征参数。总之，数字信号处理的内容丰富多彩，凡是用数字的方式对信号进行滤波、变换、估计、识别等，都是数字信号处理的研究对象。 1.1模拟信号的数字化处理过程 1.2 数字信号处理系统具有的特点 1.3 数字信号处理涉及的主要内容 1.4 数字信号处理的框架结构

8.1 数据中心与数据中心网络概述 8.1.1 数据中心 8.1.2 数据中心网络 8.1.3 数据中心网络体系结构 8.2 电交换数据中心网络架构 8.2.1 以交换机为中心的 DCN 架构 8.2.2 以服务器为中心的 DCN 架构 8.3 光电混合交换数据中心网络架构 8.4 光交换与光互连数据中心网络架构 8.4.1 基于光电路交换的全光数据中心网络 8.4.2 基于光分组交换的全光数据中心网络 8.4.3 数据中心机架内光互连架构 8.5 数据中心网络的路由技术 8.5.1 数据中心的流量特征分析 8.5.2 分布式路由机制 8.5.3 集中式路由机制 8.6 数据中心网络的传送技术 8.6.1 TCP 拥塞控制机制 8.6.2 多租户场景的带宽分配算法 8.7 软件定义数据中心网络 8.7.1 软件定义网络 8.7.2 软件定义数据中心网络

1.1 排队系统概述 1.1.1 排队论发展历程 1.1.2 排队现象 1.1.3 排队系统的组成和特征 1.1.4 经典排队系统的符号表示 1.1.5 排队问题的求解 1.2 几个重要的概率分布 1.2.1 定长分布 1.2.2 负指数分布 1.2.3 爱尔郎（Erlang）分布 1.2.4 泊松（Poisson）分布 1.3 泊松过程 1.4 单服务者负指数分布排队系统的分析 1.4.1 系统中有个i 顾客的概率 1.4.2 系统的运行指标 1.5 Little 公式及其直观意义 1.5.1 Little 公式直观意义 1.5.2 Little 公式的证明 1.6 利用因数P的定义及其物理意义

在传统的Web网站中，网页的布局往往由网页制作人员安排并很少变化。为了更好的为网络用户提供服务，提出通过对Web日志的数据清洗，识别出每个用户在一个会话期内访问的页面，依据网页内容在逻辑上的关系和用户经常访问的页面，得到用户对网页内容的兴趣度矩阵及各子项目的兴趣度矩阵。对网络用户根据兴趣度矩阵进行层次化的分类，得到每个用户所属的类别。当用户访问网站时，根据该用户所属的类别进行网页布局的自动调整，让用户能够方便、快捷地访问到自己感兴趣的页面。这样能够给每个用户提供更加个性化、柔软的服务，增加了网站的服务效果和用户对于网站的信赖，避免用户迷失在海量数据中

泵送剂能有效改善膏体料浆流动性能,然而其对膏体料浆凝结性能的影响机理尚未明确.针对这一问题,本文进行泵送剂的抗压强度试验和环境扫描电镜观察.强度试验结果表明:泵送剂可有效改善膏体料浆凝结性能,泵送剂掺量越高不同龄期的膏体凝结性越好.环境扫描电镜观察结果表明:泵送剂添加后,大尺寸絮团减少,料浆内孔隙减少,改变了膏体微观结构.基于应用计算机图像处理技术和分形理论,计算膏体微观结构计盒维数,量化分析膏体微观结构.最终对泵送剂改善膏体凝结性能的机理进行分析,认为泵送剂通过改变絮团大小和数量、孔隙率、水化反应等方面影响膏体凝结性能

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

图像分割是计算机视觉领域中的重要分支，旨在将图像分成若干个特定的、具有独特性质的区域。随着计算机硬件计算能力的提高和计算方法的进步，大量基于不同理论的图像分割算法获得了长足的发展。因而选择合适的评估方法对分割结果的准确性和适用性进行综合评估，从而选择最优分割算法，成为图像分割研究中的必要环节。在综述14种图像分割评估指标的基础上，将其分成基于像素的评估方法、基于类内重合度的评估方法、基于边界的评估方法、基于聚类的评估方法和基于实例的评估方法五大类。在材料显微图像分析的应用背景下，通过实验讨论了不同分割方法和不同典型噪声在不同评估方法中的表现。最终，讨论了各种评估方法的优势和适用性

研究了含有大范围参数不确定性离散时间被控对象的加权多模型自适应控制问题(包括模型集构建和加权算法分析).通过构建含有自校正模型和多个固定模型的模型集覆盖并逼近被控对象,在模型输出误差可分的前提下,采用基于模型输出误差性能指标的加权算法,并依据固定模型中是否包含真实被控对象模型的不同情形分析加权算法的收敛性.在权值收敛的前提下,利用虚拟等价系统理论,分析了参数未知线性时不变和参数跳变的情形,在不依赖于特定局部控制算法的基础上,证明了此种模型集构建下的加权多模型自适应控制系统的稳定性和收敛性,放宽了先期加权多模型自适应控制系统稳定性分析中关于模型集构建的约束条件.最终,通过计算机MATLAB仿真,验证了此类加权多模型自适应控制系统的收敛性和闭环稳定性