视频镜头分割与关键帧提取算法研究

为了解决关键帧提取算法性能因特征选取单一而受视频类型多样性限制等问题,提出了一种基于多特征的关键帧提取方法 .该方法在检测到的每个镜头内,采用颜色特征、小波统计特征和SIFT局部特征计算视频帧间综合相似度矩阵.然后采用一个改进的谱聚类算法将镜头帧分组,每一组的中心帧被选择作为关键帧,其中关键帧的数目通过计算聚类不稳定性的极小值进行估计.通过实验利用F1分数、保真度和镜头重构度等评估标准验证了该方法的有效性.     

国外科学家科学传播能力培训的策略与启示——以ESConet为例

鉴于科学家之于科学传播的重要性却能力不足的现状,各国都在探索相关的应对措施,其中针对科学家的科学传播能力培训是普遍采用的方式之一。ESConet培训包含了异常广泛的12个方面内容,且理念先进,其着重突出了对科学与社会的广泛议题进行反思以培训科学家更加真诚和积极的参与科学传播的能力。此培训模式对我国科学家科学传播能力提升实践的开展具有广泛的借鉴意义。     

《中南大学学报(自然科学版)》来稿须知

<正>《中南大学学报(自然科学版)》(ISSN 1672—7207,CN 43—1426/N)是教育部主管、中南大学主办,刊登矿物、冶金、化学、材料、机械、信息、地质、采矿、土木、能源、交通、环境等专业学科论文的科技期刊,自2011年起改为月刊,国内外公开发行。该刊一贯突出学科专业特色,坚持学术质量与编校质量并重的原则,逐渐在高校学报界脱颖而出,目前,已取得一系列成绩和荣誉,如先后荣获首届国家期刊奖、第二届国家期刊奖     

中国高校地理科学专业本科教学改革探讨——基于美国奥本大学与中国福建师范大学的比较研究

以美国奥本大学和我国福建师范大学地理科学专业为主要研究对象,从培养目标、核心课程、课程多样化、课程组织、教学模式和成绩评定等方面进行了比较研究,系统地总结了美国高校教学的特色与优势.在此基础上,提出优化我国课程体系,推行小班制讨论课,提倡思维训练为主的精品课堂,提高考核难度和改进考核方式等教学改革建议,以推进我国地理科学专业创新人才的培养.     

基于Android系统的斗地主游戏的设计与实现

随着智能手机的迅猛发展,Wi Fi的全民时代到来,手机网络游戏越来越得到人们的青睐.首先设计了基于Android系统的斗地主纸牌游戏的功能模块、类以及数据库,实现了客户端注册、登录、游戏房间选择、多人斗地主以及服务器端接收多个用户连接请求且管理用户信息功能,然后对该游戏中的关键技术进行了详细描述,最后展示了游戏的运行界面.测试效果表明,软件界面友好、操作便捷,能够满足手机用户对斗地主游戏的基本需求.     

关于二面体群的共轭类长素图

讨论二面体群的结构问题,利用GAP软件给出二面体群D2n的共轭类长素图,并完整给出当n以及n/2分别是奇数和偶数时的共轭类长素图情况.     

受交界面控制的类均质体滑坡治理

在我国西南部地区,由于特殊的地形地质条件,滑坡灾害尤为严重,造成巨大的生命财产和经济损失。以云南省大戛高速某滑坡为例,通过调查分析滑坡地质条件及其规模,采用圆弧滑动法计算边坡的安全系数,提出类均质滑坡上部圆弧滑动下部沿基伏界面滑动的机制,以及针对性的工程处置措施,为类似工程问题提供借鉴。     

AR-Grams:一种应用于网络舆情热点发现的文本聚类方法

网络舆情热点发现是一种常用且处理速度要求较高的应用.针对网络舆情热点发现这一特殊应用场合,本文提出了一种基于随机N-Gram的文本聚类方法AR-Grams.该方法通过随机N-Gram的文本相似度计算方法,确立待聚类文档集中各个初始聚类的标志文档并完成初步的聚类操作,继而通过聚类元素数阈值来确定初始聚类,并可根据实际情况确定是否执行聚类合并.该方法生成的聚类内聚性好,准确率高.另外,为了便于评估整体的聚类效果,提出了聚类的整体覆盖率和正确覆盖率.实验结果表明:与对比方法DR-Grams相比,在低阈值时,AR-Grams的准确率、召回率、F-score、正确覆盖率分别提高了11.9％、9.1％、10.2％和9.2％,提升效果尤为明显;在高阈值时,效果基本相当;在整体上,前述4项指标则分别提高了4.5％、2.9％、3.5％和3.0％,优于对比方法DR-Grams.     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。