可变分数延迟FIR滤波器WLS设计的矩阵迭代算法

交通标志牌检测与识别研究综述

矩阵乘法的四张量幂问题的基于优势的约束优化进化算法

容错-基于容错的基于NoC的同类Manycore系统的拓扑重新配置

深入了解消费者购买行为异质性的一种广泛使用的方法是市场细分。 传统的市场细分模型常常忽略消费者行为可能随时间演变的事实。 因此，零售商消耗有限的资源试图为无利可图的消费者提供服务。 本研究调查了科威特国一家中型零售商的增强新近度、频率、货币 (RFM) 分数和消费者终身价值 (CLV) 矩阵之间的整合。 修改后的回归算法调查消费者购买趋势，从销售点数据仓库中获取知识。 此外，本研究应用增强正态分布公式去除异常值，然后采用软聚类模糊 C 均值和硬聚类期望最大化 (EM) 算法对消费者购买行为进行分析。 使用集群质量评估表明，EM 算法的扩展性比模糊 C 均值算法好得多，因为它能够在较小的数据集中分配良好的初始点

地下水是最大的资产之一。 地下水的持续下降是影响经济社会发展的关键因素之一。 根据可用性，将对水进行开采。 人口增长和新出现的气候变化导致水资源短缺问题。 这将增加对地下水的需求。 但是地下水分布不均。 在我们提出的系统中，我们规定了可供将来使用的年度地下水可用量。 它可以通过机器学习算法进行分类，例如逻辑回归，随机森林和决策树。 用于建模的输入变量基于各个季节的补水量和用水量。 回归任务需要较少的训练数据集，并且可以实现良好的性能。 本文的目的是对地下水位的机器学习算法及其准确性进行比较和分析。 本文使用机器学习算法对印度的地下水可用水平进行分类和检测。

低频低噪声测量放大器的设计

本文回顾了海伦·尼森鲍姆（Helen Nissenbaum）最近的一本书，该书非常重要，内容为“上下文中的隐私：技术，政策和社会生活的完整性”（斯坦福大学出版社，2010年）。 Nissenbaum提出了一个详细的框架，以更好地理解隐私问题并协助制定符合21世纪需求的隐私政策。 她提出的框架是情境完整性（Contextual Integrity，CI），该框架旨在确定新的社会技术系统对与在特定上下文中传输个人信息有关的现有，根深蒂固的规范（社会和/或法律规范）的影响。 重点是信息流。 根据CI的说法，一旦我们观察到信息传输规范的变化，就可以认为隐私受到了侵犯，但是可以推翻这一假设。 因此，我们应该根据一般道德原则以及特定背景下的价值观和目标来评估这种变化。 该评论将本书定位在当前有关隐私的激烈辩论中，并确定了人们对可以回答当前和即将出现的挑战的最新隐私理论的渴望。 在总结了本书的主要论点之后，本综述提出了三个关键论点。 首先，它指出了依赖上下文作为隐私分析的组织单位的局限性。 许多上下文是动态的，不稳定的，并且缺少任何清晰的可靠信息规范集。 在数字环境中尤其如此。 其次，该评论认为，CI对隐私的元辩证原则（或多个原则）分配的位置不足。 我认为，隐私理论不可避免地要确定其基本的元原理，尽管可能如此困难。 因此，就寻求理论研究而言，CI可能非常有帮助，但只是作为更广泛的规范分析的一部分。 它可以补充隐私的辩护理论，但不能取代它。 第三，评论认为我们已经有了一个元原理，可以最好地解释和证明隐私是一种社会和哲学概念以及一项法律权利：隐私即控制。 根据这种方法，隐私权是自治人应对其个人信息进行的控制，这些信息涉及其个人信息的收集，处理和进一步使用，包括后续转让。 尼森鲍姆（Nissenbaum）对这一理论的讨论充其量只能使它处于次要地位。 但是，该评论认为，“将隐私作为控制权”仍然是最强的隐私概念。 它肯定存在问题，并且面临着CI可以协助清除的紧迫挑战，但不应将其简化为纯粹的传输规范。

雷达高速高机动目标长时间相参积累检测方法

低压电力线通信信道衰减特性的测量研究