- 问答
-
问 数据挖掘结合的多学科技术
-
问 应用电子技术学什么
匿名用户 业务培养目标：本专业培养具备物理电子、光电子与微电子学领域内宽厚理论基础、实验能力和专业知识，能在该领域内从事各种电子材料、元器件、集成电路、乃至集成电子系统和光电子系统的设计、制造和相应的新产品、新技术、新工艺的研究、开发等方面工作的高级工程技术人才。 业务培养要求：本专业学生主要学习数学、物理、物理电子、光电子、微电子学领域的基本理论和基本知识，受到相关的信息电子实验技术、计算机技术等方面的基本训练，掌握各种电子材料、工艺、器件及系统的设计、研究与开发的基本能力。 主干学科：电子科学与技术 主要课程：电子线路、计算机语言、微型计算机原理、电动力学、量子力学、理论物理、固体物理、半导体物理、物理电子与电子学以及微电子学等方面的专业课程等 主要实践性教学环节：包括电子工艺实习、电子线路实验、计算机语言和算法实践、课程设计、生产实习、毕业设计等，一般安排20周。 主要专业实验：物理电子技术实验，光电子技术实验、半导体器件与集成电路实验等
-
问 汽车传感器技术，有多少种？？？？
-
问 有哪些常用的数据挖掘技术？
-
问 到底是什么数据挖掘呢，需要什么技术呢
南柯一梦。 数据挖掘是近年来数据库应用技术中相当热门的议题，看似神奇、听来时髦，实际上却也不是什么新东西，因其所用之诸如预测模型、数据分割，连结分析（Link Analysis）、偏差侦测（Deviation Detection）等，美国早在二次世界大战前就已应用运用在人口普查及军事等方面。随着信息科技超乎想象的进展，许多新的计算机分析工具问世，例如关系型数据库、模糊计算理论、基因算法则以及类神经网络等，使得从数据中发掘宝藏成为一种系统性且可实行的程序。R一般而言，数据挖掘的理论技术可分为传统技术与改良技术两支。传统技术以统计分析为代表，统计学内所含序列统计、概率论、回归分析、类别数据分析等都属于传统数据挖掘技术，尤其 数据挖掘 对象多为变量繁多且样本数庞大的数据，是以高等统计学里所含括之多变量分析中用来精简变量的因素分析（Factor Analysis）、用来分类的判别分析（DiscriminantAnalysis），以及用来区隔群体的分群分析（Cluster Analysis）等，在数据挖掘过程中特别常用。在改良技术方面，应用较普遍的有决策树理论（Decision Trees）、类神经网络（Neural Network）以及规则归纳法（Rules Induction）等。决策树是一种用树枝状展现数据受各变量的影响情形之预测模型，根据对目标变量产生之效应的不同而建构分类的规则，一般多运用在对客户数据的分析上，例如针对有回函与未回含的邮寄对象找出影响其分类结果的变量组合，常用分类方法为CART（Classification and Regression Trees）及CHAID（Chi-Square Automatic InteractionDetector）两种。R类神经网络是一种仿真人脑思考结构的数据分析模式，由输入之变量与数值中自我学习并根据学习经验所得之知识不断调整参数以期建构数据的型样 (patterns)。类神经网络为非线性的设计，与传统回归分析相比，好处是在进行分析时无须限定模式，特别当数据变量间存有交互效应时可自动侦测出；缺点则在于其分析过程为一黑盒子，故常无法以可读之模型格式展现，每阶段的加权与转换亦不明确，是故类神经网络多利用于数据属于高度非线性且带有相当程度的变量交感效应时。规则归纳法是知识发掘的领域中最常用的格式，这是一种由一连串的「如果…/则…（If / Then）」之逻辑规则对数据进行细分的技术，在实际运用时如何界定规则为有效是最大的问题，通常需先将数据中发生数太少的项目先剔除，以避免产生无意义的逻辑规则。
-
问 lighthouse技术到底怎么运转
6634432127f2 在虚拟现实中，如何做到六自由度跟踪？我们都知道传统的惯性传感器是无法做到这一点的，最多只能跟踪头部的转动；想要跟踪头部的位移，就要引入光学系统了。HTC Vive使用了一套十分巧妙的技术，称之为Lighthouse，这套技术由Valve开发，可以说是目前体验最好的VR光学跟踪方案。Lighthouse由两个基站构成：每个基站里有一个红外LED阵列，两个转轴互相垂直的旋转的红外激光发射器。转速为10ms一圈。基站的工作状态是这样的：20ms为一个循环，在循环开始的时候红外LED闪光，10ms内X轴的旋转激光扫过整个空间，Y轴不发光；下10ms内Y轴的旋转激光扫过整个空间，X轴不发光。 Valve在头显和控制器上安装了很多光敏传感器。 在基站的LED闪光之后就会同步信号，然后光敏传感器可以测量出X轴激光和Y轴激光分别到达传感器的时间。这个时间就正好是X轴和Y轴激光转到这个特定的，点亮传感器的角度的时间，于是传感器相对于基站的X轴和Y轴角度也就已知了；分布在头显和控制器上的光敏传感器的位置也是已知的，于是通过各个传感器的位置差，就可以计算出头显的位置和运动轨迹。 这个系统有很多优势。 第一条是其需要的计算能力非常小。 一个光学系统需要进行成像，然后程序就需要通过图像处理的方法来将成像中的马克点分辨出来。成像的细节越丰富，需要的图像处理计算能力就越高。所以红外摄像头比单色摄像头简单，单色摄像头比彩色摄像头简单。Lighthouse使用的仅仅是时间参数，那么它就不涉及到图像处理，对于位置的计算在设备本地就可以完成。 第二个优点是其延迟也很小。 计算能力需求高就意味着延迟会高：图形处理的大量数据要从摄像头传输到电脑中，再从电脑传输到头显上，就会增加延迟。而Lighthouse可以直接将位置数据传输到电脑上，省略了从摄像头到电脑的高数据传输的步骤。 第三，是系统中的追踪物体的数量理论上没有上限。 如果是光学摄像头的话，系统内的跟踪马克点数量就有一个上限，再多了无法处理。Lighthouse基站本身不处理任何信息，所有数据由跟踪传感器本地报告，这是一个天然的分布式系统。这套系统可以很方便地支持多人：两个玩家可以很轻松的在一个场地里同时体验。 所以Lighthouse造就了目前最好的VR体验。Vive的头动跟踪和手柄跟踪都非常精确，延迟极低，用户甚至可以做出将手柄抛来抛去的动作。就个人体验而言，Vive的头动和手柄跟踪的精确程度已经让人真的产生了“这就是现实”的错觉——你会不自觉的对你在整个环境中所能做到的事情产生更高的期望，比如大动态的动作，试着去伸手够到远方的物体，等等。 当然Lighthouse系统并不是完美无缺。它的主要问题是两个： 从理论来讲，Lighthouse的精度依赖于系统的时间分辨率。 传感器点亮的时候需要精确的知道激光当时的角度，那么就需要很精确的测量激光到达的时间。光敏传感器本身也有一定宽度，如果传感器“挤”在一起，间距达到了传感器本身的宽度量级，那么测角本身就会出现误差了。所以光敏传感器的分布之间需要一定的距离，设备不能制造的太小。Valve表示要保持对一个刚体的跟踪，需要至少5个传感器形成一个阵列。所以，Vive的手柄前方的传感器阵列部分体积庞大，是有原因的。 要满足跟踪稳定性和传感器分布的尺寸要求，Vive手柄前端才被设计成一个甜甜圈形状。如果想要将设备的尺寸缩小，那么就得将光敏传感器本身的尺寸缩小，同时降低传感器之间的距离，这个时候就需要更高的测角精度，系统的时间分辨率要求就提升了。 另一个问题是Lighthouse系统的可扩展性。 如果在一个空间里Lighthouse有许多基站的话，很有可能出现的情况是光敏传感器同一时间内被多道激光扫过，就很难分清楚激光是来自哪个基站，位置计算能力就会变差了。目前的Lighthouse是使用时分复用：任意时刻只有一个基站发光。在未来最彻底的解决方案应该是频分复用——光敏传感器接受的每一道激光都带有信息报告自己的基站的id，但是这样整个系统的设计会变得比现在复杂得多，在那么短的一道激光中做到这一点，也可能需要更昂贵的设备。Valve表示这套系统是理论上可扩展到无限容量的，但是他们并没有披露具体是用怎样的方法做到这一点。 Lighthouse可以说是Valve带给VR的一个重要贡献：它是目前所有的低成本室内定位系统中性能最好的。
-
问 自动量程切换的技术叫做什么？
-
问 传感器技术复习题
f563fa6dacbb 1） 传感器按构成原理，可分为（ ）型和（ ）型两大类，一般由（敏感元件）、（转换元件）、（转换电路）三部分组成。为了改善其性能，可采用下列技术途径（）、（）、（）、（）、（）。（2）列举三种电传感器（压电式传感器）、（光电式传感器）和（热电偶传感器）。最常用的螺管型差动变压器式传感器是（电感）式的。光电器件按测量原理可分放大器为（外光电式）和（内光电式）两种。莫尔条纹有（）、（）、（）三个重要特性。电容应变片的温度误差包括（）和（）。（3）压电传感器的前置放大器有（电压放大器）、（电荷放大器）。电容传感器的转换电路可用谐调振幅和调频电路外，较多采用的电路还有（）、（）、（）、（）。电热阻传感器的测量引线有（）、（）、（）。（4）传感器能检测到的最小输入增量为（分辨率）。
-
问 信息技术及其应用实例
-
问 如何运用物联网技术提升
4d699e4d34fe （一）加快技术研发，突破产业瓶颈。以掌握原理实现突破性技术创新为目标，把握技术发展方向，围绕应用和产业急需，明确发展重点，加强低成本、低功耗、高精度、高可靠、智能化传感器的研发与产业化，着力突破物联网核心芯片、软件、仪器仪表等基础共性技术，加快传感器网络、智能终端、大数据处理、智能分析、服务集成等关键技术研发创新，推进物联网与新一代移动通信、云计算、下一代互联网、卫星通信等技术的融合发展。充分利用和整合现有创新资源，形成一批物联网技术研发实验室、工程中心、企业技术中心，促进应用单位与相关技术、产品和服务提供商的合作，加强协同攻关，突破产业发展瓶颈。（二）推动应用示范，促进经济发展。对工业、农业、商贸流通、节能环保、安全生产等重要领域和交通、能源、水利等重要基础设施，围绕生产制造、商贸流通、物流配送和经营管理流程，推动物联网技术的集成应用，抓好一批效果突出、带动性强、关联度高的典型应用示范工程。积极利用物联网技术改造传统产业，推进精细化管理和科学决策，提升生产和运行效率，推进节能减排，保障安全生产，创新发展模式，促进产业升级。（三）改善社会管理，提升公共服务。在公共安全、社会保障、医疗卫生、城市管理、民生服务等领域，围绕管理模式和服务模式创新，实施物联网典型应用示范工程，构建更加便捷高效和安全可靠的智能化社会管理和公共服务体系。发挥物联网技术优势，促进社会管理和公共服务信息化，扩展和延伸服务范围，提升管理和服务水平，提高人民生活质量。（四）突出区域特色，科学有序发展。引导和督促地方根据自身条件合理确定物联网发展定位，结合科研能力、应用基础、产业园区等特点和优势，科学谋划，因地制宜，有序推进物联网发展，信息化和信息产业基础较好的地区要强化物联网技术研发、产业化及示范应用，信息化和信息产业基础较弱的地区侧重推广成熟的物联网应用。加快推进无锡国家传感网创新示范区建设。应用物联网等新一代信息技术建设智慧城市，要加强统筹、注重效果、突出特色。（五）加强总体设计，完善标准体系。强化统筹协作，依托跨部门、跨行业的标准化协作机制，协调推进物联网标准体系建设。按照急用先立、共性先立原则，加快编码标识、接口、数据、信息安全等基础共性标准、关键技术标准和重点应用标准的研究制定。推动军民融合标准化工作，开展军民通用标准研制。鼓励和支持国内机构积极参与国际标准化工作，提升自主技术标准的国际话语权。（六）壮大核心产业，提高支撑能力。加快物联网关键核心产业发展，提升感知识别制造产业发展水平，构建完善的物联网通信网络制造及服务产业链，发展物联网应用及软件等相关产业。大力培育具有国际竞争力的物联网骨干企业，积极发展创新型中小企业，建设特色产业基地和产业园区，不断完善产业公共服务体系，形成具有较强竞争力的物联网产业集群。强化产业培育与应用示范的结合，鼓励和支持设备制造、软件开发、服务集成等企业及科研单位参与应用示范工程建设。（七）创新商业模式，培育新兴业态。积极探索物联网产业链上下游协作共赢的新型商业模式。大力支持企业发展有利于扩大市场需求的物联网专业服务和增值服务，推进应用服务的市场化，带动服务外包产业发展，培育新兴服务产业。鼓励和支持电信运营、信息服务、系统集成等企业参与物联网应用示范工程的运营和推广。（八）加强防护管理，保障信息安全。提高物联网信息安全管理与数据保护水平，加强信息安全技术的研发，推进信息安全保障体系建设，建立健全监督、检查和安全评估机制，有效保障物联网信息采集、传输、处理、应用等各环节的安全可控。涉及国家公共安全和基础设施的重要物联网应用，其系统解决方案、核心设备以及运营服务必须立足于安全可控。（九）强化资源整合，促进协同共享。充分利用现有公共通信和网络基础设施开展物联网应用。促进信息系统间的互联互通、资源共享和业务协同，避免形成新的信息孤岛。重视信息资源的智能分析和综合利用，避免重数据采集、轻数据处理和综合应用。加强对物联网建设项目的投资效益分析和风险评估，避免重复建设和不合理投资。
旭日 
1条回答
FORZA 
0ae9633ae283 
5437b398b34d 
