简介:数据中心的存储迎来了一个新的春天?犹如爆炸般增长的数据给数据中心存储带来了挑战?快捷键:简洁性和可视化2015年,数据复杂性失控,简洁性和可视化变得尤为重要。数据中心将由快捷键组成!数据复杂性这个问题不仅是由容量增长导致的。根据IDC报告,移动和传感器设备正在生成新的端点,到2020年将达到200亿台,数据就是在这些端点中创建的。这些数据将包含更多需要索引的对象,而每个对象由于需要收集更精细的数据而比以往更大。不断传输数据带来了新的、独一无二的性能和可用性问题。因为可能用来为未来分析创建上下文,所有数据都必须保留更长时间。然而,唯一没有增长的是管理预算。
简介:参考美国材料试验学会及国际岩石力学学会推荐的人字形切槽短棒试样.提出适合于分离式霍普金森压杆高速加载测试岩石动态断裂韧度KId的矩形双臂梁(RectangularDoubleBeam-RDB)试样.霍普金森入射杆高速撞击试样的切槽端面.使切槽前沿产生拉伸加载.记录入射杆入射应力波和反射应力波及透射杆上的透射应力波的应变片电压变化信号.同时在试样表面切槽顶点附近粘贴应变片以得到从试样开始受到载荷作用到裂纹起裂的时间.将入射波、反射波及透射波叠加得到试样载荷.输入有限元计算模型.得到试样应力强度因子的时间历程.再通过试样的裂纹起裂时间.得到岩石的动态起裂断裂韧度.在加载速率K为1.68×10^4MPa·m^1/2s^-1时.大理岩的动态断裂韧度KId为2.6MPa·m1/2.
简介:首先采用基于混合高斯模型与椭圆肤色模型进行手势分割,分割出手势区域,使用卡尔曼滤波器进行手势跟踪,获得手势中心点的位置。在此基础上,记录各帧中心点位置,得到运动轨迹,利用提出的轨迹模板匹配方法对动态手势进行识别。该方法利用基本的几何特征便可完成手势运动轨迹的设置与识别,无需特征选择或训练样本的搜集。最后,采用基于Zynq-7000的Zedboard平台对该算法进行实现,并采用HLS硬件加速工具进行算法加速。实验结果表明,该算法可实现较精确的手势识别,接受弹性的输入采样,识别正确率在95%以上,且通过硬件加速后,可在嵌入式平台中实时识别,具有较好的实时性。