【软考中级-软件设计师】day1:CPU、数据的表示、校验码

考点分布目录

在这里插入图片描述

中央处理单元CPU

在这里插入图片描述
练习题
在这里插入图片描述

数据的表示

二进制转十进制

在这里插入图片描述
练习题
在这里插入图片描述

十进制转二进制

在这里插入图片描述
练习题
在这里插入图片描述

原码

在这里插入图片描述
练习题
在这里插入图片描述

反码

在这里插入图片描述
练习题
在这里插入图片描述

补码

在这里插入图片描述
练习题
在这里插入图片描述
练习题
在这里插入图片描述

移码

在这里插入图片描述

浮点数

在这里插入图片描述
练习题
在这里插入图片描述

奇偶校验

在这里插入图片描述
练习题
在这里插入图片描述

校验码

模2除法

在这里插入图片描述

循环冗余校验CRC

在这里插入图片描述
练习题
在这里插入图片描述
练习题
在这里插入图片描述
练习题
在这里插入图片描述
奇偶校验码 只能查是否有错误而无法纠错,且要求只能有一位出现错误。

为了能找到发生错误的位置,而有了 海明校验码;
实际上本质来说, 海明码是升级款的奇偶校验码,其采用了一种非常巧妙的方式,把这串数字(即要传输的内容)分了组,通过分组校验来确定哪一位出现了错误,类似KMP算法,描述起来很麻烦,实际上使用起来却很简单

“海明”也被译为”汉明”

海明校验

在这里插入图片描述
练习题
在这里插入图片描述

实例

数据位为8的数据 D7D6D5D4D3D2D1D0=01101001,求海明码

1.计算校验位的个数
设数据位为n位,校验位P为k位,则n和k必须满足以下关系:

2^k−1≥n+k

此例中有 2k−1≥8+k,可得k最小应为4,即 16 – 1 ≥ 8 + 4。

(奇偶校验称为 Parity Check,Parity Bit即奇偶校验位,故用P表示校验位)

2.计算校验位的位置
2.1 海明码的总位数
设校验位为P,数据位为D,海明码为H,则海明码H的位数为数据的位数和校验码的位数相加,

在此即为 8+4 = 12 位
在这里插入图片描述
2.2 校验码的位置
校验位P 在海明码的第 2^(i−1)
位,即 Hj=Pi,j=2^(i−1) ,i从1开始计数。

无论是海明码、校验位还是数据位,均从右向左排列,即从低位向高位排列。
可先填入校验码的位置,再将数据位依次从低位到高位填入
如此例,i即为 1,2,3,4, 故有:
在这里插入图片描述
在这里插入图片描述

3.确定每个数据位 都由哪些校验码进行校验
根据 2^{i-1}的公式,可知 P4、P3、P2、P1的下标分别为8、4、2、1

确定 D0−D7 每个数据位都是由哪些校验码§进行校验的

数据位D的下标,等于其校验位的下标之和
在这里插入图片描述
4.计算校验码的值
校验码的值 为有参与校验的数据依次从低到高异或的值。

(异或:相同为0,相异为1)

因为 D7D6D5D4D3D2D1D0=01101001

P1 参与了 D0、D1、D3、D4、D6 等数据位的校验。
P2参与了 D0、D2、D3、D5、D6​ 等数据位的校验。
P3参与了 D1、D2、D3、D7等数据位的校验。
P4参与了 D4、D5、D6、D7​ 等数据位的校验。
所以:(D7D6D5D4D3D2D1D0=01101001)
P1=D0⊕D1⊕D3⊕D4⊕D6=1⊕0⊕1⊕0⊕1=1
P2=D0⊕D2⊕D3⊕D5⊕D6=1⊕0⊕1⊕1⊕1=0
P3=D1⊕D2⊕D3⊕D7=0⊕0⊕1⊕0=1
P4=D4⊕D5⊕D6⊕D7=0⊕1⊕1⊕0=0

5.错误校验
确定错误校验 G4G3G2G1,校验码有几位,错误校验就有几位。
如果采用偶校验则结果全为0时没有错误,如果采用奇校验则结果全为1时没有错误
G1=P1D0⊕D1⊕D3⊕D4⊕D6=1⊕1⊕0⊕1⊕0⊕1=0
G2=P2D0、D2、D3、D5、D6=0⊕1⊕0⊕1⊕1⊕1=0
G3=P3D1、D2、D3、D7=1⊕0⊕0⊕1⊕0=0
G4=P4D4、D5、D6、D7=0⊕0⊕1⊕1⊕0=0

则 G4G3G2G1=0000,表示没有异常。假如结果为0100则转为十进制为8,表示第八位存在异常。

海明码是一种纠错码,其方法是为需要校验的数据位增加若干校验位,使得校验位的值决定于某些被校位的数据,当被校数据出错时,可根据校验位的值的变化找到出错位,从而纠正错误。对于32位的数据,至少需要增加( )个校验位才能构成海明码。
在这里插入图片描述
在这里插入图片描述

基于MMSkeleton工具包中的ST-GCN模型实现一种基于动态拓扑图的人体骨架动作识别算法python源码+使用说明.zip 改进ST-GCN模型的骨架拓扑图构建部分,使用持续学习思想动态构建人体骨架拓扑图. 将具有多关系特性的人体骨架序列数据重新编码为关系三元组, 并基于长短期记忆网络, 通过解耦合的方式学习特征嵌入. 当处理新骨架关系三元组时, 使用部分更新机制 动态构建人体骨架拓扑图, 将拓扑图送入ST-GCN进行动作识别。 运行MMSKeleton工具包参考[GETTING_STARTED.md](./doc/GETTING_STARTED.md) - 单独使用ST-GCN模型进行人体动作识别参考[START_RECOGNITION.md](./doc/START_RECOGNITION.md) - 训练基于动态拓扑图的人体骨架动作识别算法 ``` shell cd DTG-SHR python ./mmskeleton/fewrel/test_lifelong_model.py ``` - 测试基于动态拓扑图的人体骨架动作识别算法 ``` shell cd DTG-SHR python ./mmskeleton/fewrel/train_lifelong_model.py ``` - 可视化算法运行结果 基于web server搭建前端 [[参考]](https://blog.csdn.net/gzq0723/article/details/113488110) 1、前端模块:包含 'static与'templates'文件夹为界面展示相关的代码。 templates里面包含了两个html的结构文档,用来定义浏览器的显示界面。 static里面的css和img用来修饰界面。 2、服务模块: servel.py里面是web服务的一个业务逻辑。 运行算法性能可视化web服务 ``` shell cd DTG-SHR python ./server.py ``` 【备注】 1、该资源内项目代码百分百可运行,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途:项目具有较高的学习借鉴价值,不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行,或热爱钻研,亦可在此项目代码基础上进行修改添加,实现其他不同功能。 欢迎下载!欢迎交流学习!不清楚的可以私信问我!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值