泰安城郊特色旅游开发实证研究

泰山小津口发挥城郊优势,突出地方特色,因地制宜开发女儿茶园特色旅游,把打造城郊休闲旅游景点与发展特色农业、"一村一品"建设有机结合起来,是落实科学发展观、实现城乡统筹协调发展、解决农民增收的行之有效的发展之路,将有力推进泰山社会主义新农村建设和城郊特色旅游的发展.     

计算机辅助的指纹图象预处理及特征提取

本论文分析了有关指纹图象预处理及特征提取的方法,在研究过程中,提出了空域方向性滤波法和均衡增强法两种去嗓声方法,及基于指纹原图的一次性细化方法,并对指纹中心点的定义作了改进。     

一种3D空间中的两级力导引可视化算法

可视化是研究复杂网络的重要方法,目前2D平面可视化研究十分成熟,而3D可视化研究相对较少.为解决目前3D可视化布局结果不能真实展示复杂网络结构特征的问题,提出了一种两级力导引3D可视化算法.该算法基于复杂网络的特征分析,通过对网络聚类得到多个子网络及建立抽象网络,然后分两步依次对抽象网络和子网络进行力导引布局,从而得到最终布局.真实数据的实验分析表明,该算法的可视化布局结果能够真实展示复杂网络结构特征,同时具有较低的时间复杂度和较好美观度、清晰度.     

文化算法框架下混合群智能算法的肿瘤信息基因选择

为了消除与分类无关和冗余基因,以提高基因的分类精度和效率,提出一种文化算法框架下混合群智能算法的肿瘤信息基因选择方法.首先采用ReliefF算法初选基因子集,然后利用文化算法框架下混合群智能算法选择最优的信息基因,最后在3个标准肿瘤信息基因数据集对其性能进行测试.仿真结果表明,文化算法框架下混合群智能算法可以有效去掉无用的噪声基因,降低计算复杂度,分类精度均可以达到100%,具有较好的实际应用价值.     

缺帧环境下遮挡图像的特征优化提取方法研究

针对缺帧环境下图像的遮挡问题,提出一种新的特征优化提取方法。建立缺帧环境下遮挡图像采集模型,在此基础上,利用正方形网格建立立体模型,实现图像采集。通过阈值降噪法完成对遮挡图像的降噪滤波处理。DCS-LBP算子通过梯度方向上变化的灰度值实现编码,效果不佳,通过GCS-LDP算子对其进行优化,将二者结合在一起对缺帧环境下遮挡图像施行编码,获取最后的直方图,将该直方图看作遮挡图像的特征,完成遮挡图像特征的优化提取。实验结果表明,所提方法能够有效对缺帧环境下遮挡图像进行预处理,且识别效率高,计算量少。     

基于智能手机Tango传感器的室内三维场景实时感知

室内三维场景实时感知是室内增强现实、三维测图和机器人自主定位与导航的关键技术之一。利用智能手机Tango传感器搭载的单目摄像头和深度相机,根据实时获取的彩色图像和深度信息,研究并提出了一种实时的室内三维场景感知方法;该方法首先根据智能手机Tango传感器获取的彩色图像存在的问题,采用多项式函数对彩色相机进行校正。接着,使用ORB(oriented FAST and rotated BRIEF)算子对彩色图像进行特征提取,利用RANSAC算法剔除误匹配点;并根据优化后的匹配点对采用ICP算法对手机姿态进行初步估计。最后,基于融合空间关系的视觉词典(SDBo W2)对感知的初步室内场景进行闭环检测;并通过图优化得到实时感知的室内三维场景模型。实验表明,方法能利用Tango传感器高效地获取室内场景完整的三维结构信息与纹理。     

基于注意力机制多尺度网络的自然场景情绪识别

情绪识别作为计算机视觉的一项基本课题已经取得很大进展,然而在无约束自然场景中的情绪识别仍具挑战性.现有方法主要是利用人脸、姿态以及场景信息识别情绪,但是忽略了人物个体在场景中的不确定性,以及不能很好地挖掘场景中的情绪线索.针对现有研究存在的问题,提出了基于人物与场景线索的双分支网络结构,两个分支独立学习,通过早期融合得到情绪分类结果.对于人物在场景中的不确定性,引入身体注意力机制预判人物情绪置信度进而获得人体的特征表示,场景中引入空间注意力机制和特征金字塔以便充分获得场景中不同粒度的情绪线索.实验结果表明,此方法有效融合人物与场景信息,在EMOTIC数据集下能够明显提高情绪识别率.     

论管理会计的信息质量特征

管理会计和财务会计两门会计学科在服务对象上具有较大的差别,但是,作为会计系统的两个分支,管理会计与财务会计所提供的信息在很多方面具有相同的质量特征;而作为具有不同目的和服务对象的会计分系统,两者所提供的信息的质量特征又存在很大的差异。本文就管理会计与财务会计信息质量特征中差别较大的方面作一分析研究。     

以无水乙醇为提取剂的茶皂素提取方法研究

报道了以无水乙醇为提取剂的茶皂素提取方法，并从乙醇浓度、提取剂用量、回流时间、皂素沉淀剂的选择等方面进行了初步研究。结果表明，本法具有工艺简单、产品收率及纯度均较好等的特点。     

Prominent feature selection of microarray data

For wavelet transform, a set of orthogonal wavelet basis aims to detect the localized changing features contained in microarray data. In this research, we investigate the performance of the selected wavelet features based on wavelet detail coefficients at the second level and the third level. The genetic algorithm is performed to optimize wavelet detail coefficients to select the best discriminant features. Experiments are carried out on four microarray datasets to evaluate the performance of classification. Experimental results prove that wavelet features optimized from detail coefficients efficiently characterize the differences between normal tissues and cancer tissues.