【摘 要】
：
绘图机接口系统位于主机和打印控制单元之间，以适当的总线接口与主机连接，负责将主机命令和要打印的数据传递给打印控制单元，总线的传输率决定了整个绘图机系统的打印效率。通用串行总线（Universal Serial Bus)是近年来出现的一种新的总线形式，因其具有传输速度快、抗干扰性强、支持热插拔等优点而得到了广泛应用，由于这些优点使 USB应用于绘图机系统有很好的前景。本文结合对 USB 协议的理解提
【机 构】
：
西安电子科技大学外设所，西安710071
论文部分内容阅读
绘图机接口系统位于主机和打印控制单元之间，以适当的总线接口与主机连接，负责将主机命令和要打印的数据传递给打印控制单元，总线的传输率决定了整个绘图机系统的打印效率。通用串行总线（Universal Serial Bus)是近年来出现的一种新的总线形式，因其具有传输速度快、抗干扰性强、支持热插拔等优点而得到了广泛应用，由于这些优点使 USB应用于绘图机系统有很好的前景。本文结合对 USB 协议的理解提出了一种基于高速 USB 总线的绘图机接口系统，整个系统的设计以 Cypress 公司开发的 USB 接口芯片 CY7C68013 为核心，介绍了 CY7C68013 的结构及其对 USB 协议的集成和支持，详述了绘图机接口部分的工作原理和实现 USB 总线数据传输的方法。
其他文献
本文讨论了基于粗集理论的信息融合系统性能评估的理论和方法，以 C3I 的应用为背景建立了信息融合性能指标体系。给出了基于粗集理论进行系统综合评估的一般步骤和确定评估指标权值的算法，尤其是在有信息遗失情况下的信息处理方法。同时提出了一种用于多传感器信息融合性能测试与评估的系统结构，通过软件测试的方法，对融合算法进行测试与评估，实现了对融合算法选择和参数选择的指导，最后的实验结果验证了本文方法的有效性
基于竞争学习的神经网络是聚类分析的一种重要方法,该方法用于克服在线聚类时出现的稳定性/可塑性两难问题.为了解决竞争层中存在的主要问题: 竞争层神经元个数固定导致无法适用于事先不知道聚类数目的问题; 数据提交的顺序和学习速度等参数的选择导致聚类中心来回振荡;如果一个神经元的初始权值离输入样本太远以至它从未在竞争中获胜,从而产生毫无用处的死神经元;本文提出了增加/删除的竞争神经网络 ADCNN.它采用
为共享和协调制造网格中分布的资源，构建了一个任务管理系统。本文论述了建立了系统的功能模型和工作流程，对系统中的关键技术进行了深入研究，包括资源节点构建、任务建模、任务规划、资源匹配、任务调度、任务状态监控。系统各功能模块基于网格原理被封装为网格服务，通过任务管理中心实现对服务的调用，实现制造资源和制造过程的网络共享。系统将被集成到某区域网络化制造服务平台，为企业提供与制造过程相关的网格服务。
客户端 Web cache 技术能够降低网络带宽的需求，减少等待时间，但是目前的客户端 Web cache 并不支持 cache 之间共享对象，这样数据的重复利用率不高，而且网站的负载无法得到分流。P2P 技术及其相关研究希望网络中所有节点能够互相协助实现文件交换、分布计算等功能。本文利用 Chord 协议及其算法对传统的 Web cache 模型加以改进，提高 cache 的合作能力，并且通过基
后基因组时代，从基因型到表型的生物学机理研究，对于理解生命活动、肿瘤的诊断和治疗、药物开发等起着关键作用。对来自基因组学、转录组学、蛋白质组学、代谢组学、表型组学等层次的海量生物分子数据的有机整合和知识发现，是对生物信息学研究的一个挑战。本文提出了在从基因型到表型的框架中构建基因数据库——知识库混合系统的设想，目的是为了针对特定的生物学研究任务，收集、整理研究所需要的生物分子数据和现有的知识，该混
基于博弈和经济学一般均衡的思想，对消费者决策原则做了对偶调整，克服效用主观性的局限，从而使均衡更加符合网格资源利用的要求。模型易于任务优先级控制以及保证任务的服务质量，实验数据表明，本文方法在节点资源与任务需求异构时效率较高。
PKUAS (Peking University Application Server)是北京大学软件研究所自主开发的 J2EE 应用服务器。针对 PKUAS 对应用开发支持力度的不足，本文提出了一种开发与部署 J2EE 应用的过程，对其中的关键问题和工具支持方法进行了初步的研究，并在 Eclipse 这一主流 Java 集成开发环境中设计实现了相应的 PKUAS插件。
分类（Classification）是数据挖掘（Data Mining）中的一个重要研究方向，目前传统的方法有：神经网络， Fisher 判别法等。神经网络缺乏对分类结果的直观解释；Fisher 判别对于大数据集分类准确率大大下降，且不具有属性约简能力。为此，本文做了如下工作： (1) 提出了自动获取最佳阈值的思想;(2)对于错分的实例，提出了运用神经网络分类器二次分类的思想; (3) 提出了基于
本文针对 DNA 微阵列数据的超高维空间和超小样本特性，提出了实现二/多病类样本有效分类的基于SVM/MLP+CV的基因选择方法，该方法运用线性SVM＋leave-one-out 解决二病类情况的基因选择问题，并在此基础上运用非线性MLP+leave-one-out解决多病类情况的基因选择问题。对于真实的 DNA 微阵列 MIT 数据(7129 个基因、两个病类、72 个样本的 MIT 数据)，用
移动自组网是由移动节点组成的不需要固定基站的临时性的计算机通信网络。拓扑的动态变化和有限的能量资源是该类网络的最突出特点，因此移动自组网的性能不仅仅依赖于它的控制协议，也依赖于拓扑管理和能量管理，分簇策略可以提高网络管理的灵活性和扩展性。通过引入图论的相关模型和遗传退火混合优化算法，本文提出了一种新型的分簇策略 GASA－CS，通过感知节点的度、移动性和剩余能量，结合智能优化算法，在全网范围内实现