摘要：与三维混沌系统相比,超混沌Lü系统具有更复杂的动力学性能,对超混沌Lü系统进行平衡控制和同步控制。根据超混沌Lü系统的动力学方程,设计单一的控制器进行平衡控制,系统的变量渐进趋近于零。然后,对于不同初始状态的两个超混沌Lü系统,设计单一的控制器进行同步控制,系统的误差信号渐进收敛到零。最后,采用MATLAB软件对设计的单一控制器进行了数值仿真,并对结果进行分析。仿真结果表明,设计的单一控制器比较简单,能够实现超混沌Lü系统的平衡控制和同步控制。

摘要：针对基于多类任务的运动想象脑电信号的特点,使用共空间模式特征提取方法分别在"一对一"和"一对多"2种特征提取方法下提取了4类任务(想象左右手、双足以及舌头)运动想象脑电信号的特征。设计了基于多类任务模式的k最近邻分类器,针对多类任务分类过程中会出现不同类别的样本点数相等的情况,通过判断距离的方法改进了分类器,对2种特征提取方法下的共空间模式特征进行分类,分类结果的平均最大Kappa系数分别达到了0.55和0.59,说明了该特征提取及分类方法对该数据集的有效性。

摘要：针对两种不同意识任务的脑-机接口设计,提出了以方差作为特征的方法和以分类速率作为评价标准之一的新方法.首先深入研究了小波理论,分析了小波包分解中存在的频带交错现象,然后以小波系数和小波包系数的方差作为特征,对C3,C4导联脑电信号分别进行两种特征的提取,最后采用线性支持向量机作为分类器进行分类.结果表明,两种特征对应的最大分类正确率均达到了86.43%,对应时间分别为4.32和4.31 s.因此,以小波方差和小波包方差作为特征是完全可取的;分类速率的提出能同时反映分类正确率和分类时间,为大脑意识任务分类提供了新思路.

摘要：针对2种不同意识任务(想象左手运动和想象右手运动)的脑-机接口(brain-computer interface,BCI)设计,提出了基于小波包分解的特征提取方法。首先深入研究了小波包变换,结合事件相关去同步化(event-related desynchronization,ERD)/事件相关同步化(event-related synchronization,ERS)现象,提出以小波包分解系数来考虑特征,然后对C3、C4导联脑电信号进行小波包分解系数方差和相对能量2种特征的提取,最后采用最简线性分类器进行分类。结果表明,2种特征对应的最大分类正确率均达到了85%,对应时间分别为4.34 s和4.39 s。因此,在保证分类正确率的前提下,所提方法更加简单和有效,为大脑意识任务分类提供了新思路。

摘要：随着中华民族伟大复兴脚步的加快和当今世界百年未有之大变局的加速演进,中华文化“走出去”显得格外必要且日益紧迫。中医药学是中国古代科学的瑰宝,是打开中华文明宝库的钥匙,也是中华文化“走出去”的文化符号。进入新时代,中医药文化国际传播取得了重大进展,迎来了崭新的发展格局,但是仍然面临一些问题和挑战。推进中医药文化国际传播高质量发展,需要加强中医药文化国际传播顶层设计,提高国际社会对中医药文化的认同度,加大中医药文化国际传播人才培养力度,创新中医药文化国际传播的策略和路径。

摘要：脑-机接口技术是在人脑与计算机或其它电子设备之间建立的直接的交流和控制通道,它不依赖于脑的正常输出通路(外周神经系统及肌肉组织),是一种全新的对外信息交流和控制方式。利用慢皮层电位进行脑-机接口的设计,建立了基于Matlab/Simulink的仿真模型。离线分析结果表明,该方法在分类准确率上有了很大的提高。

摘要：针对基于两种不同意识任务(想象左手运动和想象右手运动)的脑-机接口,提出采用相对小波能量的特征提取方法.首先深入研究了相对小波能量的计算方法,然后利用相对小波能量对脑电信号进行特征提取,最后采用支持向量机进行分类,并采用分类准确率和互信息作为该脑-机接口的评价标准.离线分析结果表明:分类准确率最高为85.7%,最大互信息为0.41比特.与较常用的自适应自回归(AAR)模型系数作为特征的方法相比,所提方法具有更高的识别准确率和互信息.

摘要：在解析IPv4/IPv6双协议栈路由器的结构和工作机制的基础上,介绍了其远程管理模块的主要功能特点和具体实现方法,讨论了移植平台的选用,并对实现过程中涉及到的关键技术——文件系统的构建,socket套接字的编程技巧,CGI的实现方法和Web页面的安全认证进行了阐述。

摘要：分析了当前路由器的体系结构设计,深入研究了网络处理器的技术特点,给出了基于网络处理器的IPv6路由器的设计方案,阐述了此方案在路由查找、报文交换、阻塞管理等方面的问题和解决方法,并讨论了IPv6路由器软件的模块设计。

摘要：针对基于多类任务的运动想象(MI)脑电(EEG)信号的分类问题,使用共空间模式(CSP)特征提取方法,分别提取了"一对一"和"一对多"两种特征提取策略下的多类任务MI EEG信号的特征。结合特征提取阶段的不同策略设计了基于支持向量机(SVM)的多类任务分类方法,分类结果表明:基于各分类器决策值的"一对一"SVM分类输出的方法的分类效果明显优于基于投票输出方法,并且略高于"一对多"分类策略下的分类结果,说明了这一方法的有效性。