自回歸功率譜密度（AR-PSD）方法的基礎是生物組織的離散散射體模型〔超聲體?！忱碚?，該模型認為生物組織為半規則的散射體分布的，這種方法是基于溫度和頻移的相關特性。本文介紹超聲回波信號對HIFU（High Intensity Focused Ultrasound）治療的測溫技術，從測溫模型和算法，實驗儀器的設計和構建，仿真和離體實驗中獲取了一套有效的測溫方法，利用Matlab7.1和VC++6.0作為工具對超聲回波信號進行計算機仿真，并從實驗獲得的超聲回波信號中分析出具體的溫度變化，驗證了算法的可行性。
上傳時間： 2013-11-13
上傳用戶：eastimage
人臉特征是最自然直接的生物特征，它具有直接、友好、方便的特點，易于為用戶接受。人臉識別由于其在監控、罪犯識別、人機交互等方面廣泛潛在的應用，已成為圖像處理、模式識別和計算機視覺等學科最活躍的研究領域。線性鑒別分析是特征抽取中最為經典和廣泛使用的方法之一。近年來，在小樣本情況下如何抽取Fisher最優鑒別特征一直是許多研究者關心的問題。文中闡述了應用Fisher 判別法在人臉圖像樣本分類方面的運用。在標準數據庫ORL人臉庫和Yale人臉數據庫上仿真的試驗結果證實了方法的有效性和穩定性。
上傳時間： 2013-12-04
上傳用戶：qq527891923
收發器乃新型通訊系統的基本組件，可以用於各種不同裝置包括手機、 收發器乃新型通訊系統的基本組件，可以用於各種不同裝置包括手機、 收發器乃新型通訊系統的基本組件，可以用於各種不同裝置包括手機、 WLANWLANWLANWLAN網路橋接器與蜂巢式基礎建設。
上傳時間： 2013-10-12
上傳用戶：ligi201200
隨著人類基因組計劃的實施，通過基因組測序，蛋白質序列測定結構解析等實驗，分子生物學家提供了大量的有關生物分子的原始數據，需要利用現代計算技術對這些原始數據進行收集、整理、管理以便于檢索使用。而為了解釋和理解這些數據，還需要對數據進行比對、分析，建立計算模型，進行仿真、預測與驗證，因而出現生物信息學，它的出現，極大的促進了分子生物學的發展。
標簽： 基因組
上傳時間： 2015-03-11
上傳用戶：894898248
蟻群算法上傳一個文件這么復雜啊？生命在長期進化過程中，積累了很多新奇的功能，人類很早就從中得到啟發而改進自己的工具，如史書中記戴“見蓬轉而做車輯”，傳說魯班被茅葦劃破，而發明鋸子……也許早先的發明,只是偶然的模仿和發現,后來人們已有意識地進行這方面的研究,這就是“仿生學”。仿生學顧名思義就是模仿生物的某些功能的學問。有名的例子很多，如模仿海豚皮而構造的“海豚皮游泳衣”、科學家研究鯨魚的皮膚時，發現其上有溝漕的結構，于是有個科學家就依照鯨魚皮構造，造成一個薄膜蒙在飛機的表面，據實驗可節約能源3%，若全國的飛機都蒙上這樣的表面，每年可節約幾十億。又如有科學家研究蜘蛛，發現蜘蛛的腿上沒有肌肉，有腳的動物會走，主要是靠肌肉的收縮，現在蜘蛛沒有肌肉為什么會走路？經研究蜘蛛不是靠肌肉的收縮進行走路的，而是靠其中的“液壓”的結構進行走路，據此人們發明了液壓步行機……總之,從自然界得到啟迪, 模仿其結構進行發明創造.這就是仿生學. 這是我們向自然界學習的一個方面.另一方面,我們還可以從自然的規律中得到啟迪,利用其原理進行設計(包括設計算法),這就是智能計算的思想.
上傳時間： 2014-01-21
上傳用戶：kernaling
Autolife模型是一個能夠進行“開放式進化”的人工生命系統。每個Agent模型采用可以變化規則表長度的有限自動機模型建模。一方面Agent可以進行自我繁殖，同時模型中的選擇機制沒有采用顯式的適應度函數而是采用能量消耗的簡單模型而自發涌現出來，所以可以認為Agent模型是一個類Tierra系統。然而與Tierra、Avida等數字生命模型不同的是，Autolife模型進行了大大的簡化，它界面友好，操作直接。雖然沒有給每個Agent裝配一個虛擬計算機，但是Agent與環境的耦合則可以看成一個圖靈機模型，因此Agent可以通過變異而“任意”的編程序。通過Autolife模型，首先人們可以看到一般的生態系統中共存的現象：生物的大爆炸、大滅絕，Agent進化得越來越聰明；其次，用戶可以通過變化不同的食物添加規則探索Agent與環境的關系；最后，如果允許Agent通過播種改變環境自動產生食物，那么組織的涌現就是一種不可避免的結果。Agent構成的組織具有自主運動的特性，還可以進行自我修復，可以說Autolife中的組織是一些真正的“活體”。
上傳時間： 2015-03-14
上傳用戶：a6697238
自組織系統Kohonen網絡模型。對于Kohonen神經網絡，競爭是這樣進行的：對于“贏”的那個神經元c，在其周圍Nc的區域內神經元在不同程度上得到興奮，而在Nc以外的神經元都被抑制。網絡的學習過程就是網絡的連接權根據訓練樣本進行自適應、自組織的過程，經過一定次數的訓練以后，網絡能夠把拓撲意義下相似的輸入樣本映射到相近的輸出節點上。網絡能夠實現從輸入到輸出的非線性降維映射結構：它是受視網膜皮層的生物功能的啟發而提出的。~..~
上傳時間： 2014-01-06
上傳用戶：ghostparker
這是用verilog寫的一個簡單的處理器，雖然只具有5個指令，但是可以透過這個範例，來了解到cpu的架構，與如何開發處理器，相信會有很大的啟發。
標簽： verilog
上傳時間： 2014-12-08
上傳用戶：ikemada
這是一些經典算法的描述，是由中國科學院的張法院士所編寫的，對生物信息學有非常重要的意義。
標簽： 算法
上傳時間： 2014-12-02
上傳用戶：athjac
地球模擬器，最經典的人工生命模型,研究人工智能的必看。一般地說，生命都具有新陳代謝、復制和進化的能力。在自然界中，生物是由有限的食物供給和有限的生存空間約束的。在Tierra中，“生物”由一系列能夠自我復制的機器代碼或程序組成，它在計算機中的復制分別受到計算機的存儲空間和CPU時間約束。能有效地占有內存空間和利用CPU時間的生物體，將具有更高的適應度，傳遞到下一代的機會就越大。 在Tierra中，計算機的RAM（隨機訪問存儲器）中有一塊專門的空間，這個空間中放置了一個“祖先有機體”，該祖先有機體根據它的匯編程序代碼中的指令開始復制對它的生存是基本的代碼。隨著有機體的數目的增加，RAM中的空間減少了，因此有機體為了自己的生存空間開始競爭。
上傳時間： 2015-04-06
上傳用戶：gxmm
