简介：

简介：仔细观察一下互联网最近两年的发展,你会发现,未来的互联网,至少有四大趋势不容忽视,移动化、云计算、视频化、社交化。移动化,随着智能手机、平板电脑等移动互联网终端的出现,PC已经落伍,毋庸置疑,我们正在一步一步地步入移动互联网时代。如果不信,打开QQ,看有多少好友现在已经改成手机挂QQ了!特别是那明显抢眼的浅蓝色iPhoneQQ标志。

简介：

简介：当前，随着科学技术的不断发展，人们对安全防范的要求越来越高。同时，国家相关法律法规也要求以人防、物防、技防相结合的方式加强安全防范工作。在这样的背景下，面像识别技术在国家安全、军事安全和公安、司法、民政、金融、民航、海关、边境、口岸、保险及民用等行业开始实施、应用。如：公安布控监控、监狱监控、司法认证、民航安检、口岸出入控制、海关身份验证、银行密押、智能身份证、智能门禁、智能视频监控、智能出入控制、司机驾照验证、各类银行卡、金融卡、信用卡、储蓄卡等持卡人的身份验证，社会保险身份验证等。与其他生物识别技术相比，面像识别技术的可接受性强，人们通常不会介意将面孔作为识别特征。

简介：

简介：在互联网环境中，网络自身和加载于其上的信息，它们的成本、价值与价格的关系和传统经济中的这三者之间的关系有很大的不同，分析和研究信息产品的特征和其价格构成，有利于深入剖析网络经济的内在规律性，正确制定信息政策。

简介：人们在谈到课程改革带来压力的同时，更应该思考高中存在的价值。而且，要从根本上讨论这个问题。中国的教育发生了重大的变化，十七大的报告中也指出，目前我国的基础教育、义务教育奋斗了25年，已经基本完成。我们普及了九年义务教育，人民付出了巨大的努力，国家对教育的投入持续稳定地增长，实现了历．史性的转变。现在教育工作的重点是强调教育的公平、教育的质量。我国已经进入了高等教育大众化阶段，相应地，我们的高中教育也应成为大众化的教育。

简介：2008年，最热门的技术话题是云计算，自Amazon的AWS（AmazonWebServices）出现以来，越来越多的人开始关注和开发这种新的计算械，正是因为AWS的存在,Amazon视自己作科技公司，无论是其S3（SimpleStorageService）还是EC2（ElasticComputeCloud）。

简介：植物图像的背景即土壤有较大的r、b值,（5）植物部分的（g－b）/|r－g|值高于非植物部分,而非植物部分的（r－g）的值稍高于植物部分

简介：CIMS集成产品模型与CAD/CAM基于特征的产品模型 ,给出CIMS环境下CAD/CAM产品特征模型,基于特征的产品信息建模技术研究

简介：

简介：计算机如果感染上病毒，就会出现各种各样的表现特征，但是计算机病毒发作时的表现大都各不相同，可以说一百个计算机病毒发作有一百种花样，这与编写计算机病毒者的心态、所采用的技术手段等都有密切的关系。

简介：以交换技术为核心的PSTN固网电话一直是电信产业的核心,对目前固网ADSL的接入服务以及移动的3G宽带服务,全球各地的市场纷纷出现固网的话务量或普及率被移动网路替代的现象

简介：以CDMA为多址复用方式是现代移动通讯的主要特征。移动通讯经历了从模拟制式到数字制式,从单纯提供语言业务到全面提供高质量跟传输业务的快速发展历程。随着Internet和多媒体技术的迅速发展,使高速和更先进的移动通讯崛起,已经成为世界电信业的焦点。

简介：近两年中国DSL市场增长势头迅猛,显示出了巨大的发展潜力.文章介绍了DSL技术发展现状、分析了DSL技术的发展前景,指出DSL组网方式正从以ATM为核心向以IP/Ethernet为核心转化、现有ADSL技术在向新一代ADSL(ADSL2/2+)技术演进、VDSL技术将发展成熟并得到规模发展等发展趋势.

简介：生物识别技术已成为一种公认的最为方便和安全的身份认证技术。生物识别技术中的指纹识别技术发展最成熟、应用也最广泛。指纹图像的采集技术是指纹识别中的关键技术之一。

简介：作为交通工作人员身份识别（TWIC）计划的一部分，美国交通安全管理部（TSA）目前正在测试一种人体动脉生物特征识别系统。TWIC尝试使用基于卡片的门禁系统识别在美国港口的工作人员，并计划在未来把这种生物特征识别认证用于身份验证过程中。

简介：通过寻找灰度图像中可能的眼睛区域并进行模板匹配来实现眼睛定位的,本文提出的人眼定位方法是通过寻找灰度图像中可能的眼睛区域并进行模板匹配来实现的,将两个可能为眼睛的图像块相连得到一个新的可能的双眼图像区域

简介：强烈的构造地质活动不仅可使地壳发生沧桑之变，形成人类所需要的大量矿产资源，同时，还会在遥感图像上表现出不同的特征，尤其是线、环状构造在遥感图像上往往有很高的清晰度，特别是遥感图像的大视域、直观性特征对野外地质研究会有很大的帮助。张宣幔枝构造演化的研究便是一个很好的实例。

简介：复杂图像中对特定目标的检测和定位是机器视觉领域的难点之一。提出使用中层视觉元素描述检测目标,以建立权值模板图像;然后对目标图像和权值模板进行加权SIFT特征匹配得到最优匹配位置,从而实现目标检测。该方法以自行车为检测目标进行实验,检测率达到86%,优于传统SIFT-AdaBoost和HOG-SVM检测方法。实验结果表明该方法能够减少复杂图像中背景干扰的问题,对于不同姿态的目标进行检测也有较强的鲁棒性。