基于全局单应性变换的虚实注册方法

提出了一种基于全局单应性变换的三维注册方法,有效地解决了基于标识的三维注册系统中的误差积累问题.设计了一种新的对仿射变换鲁棒的特征点检测方法--边角点法,确保每个特征点位于多条直线的交点上,最大限度消除特征检测结果的随机性及其对特征匹配所造成的负面影响.采用基于全局单应性矩阵的虚实配准方法,利用前一帧所对应的全局单应性矩阵对初始图像作射影变换,并将变换后的图像与当前图像做特征匹配,直接建立当前帧与初始帧之间的单应性关系,从而解决了传统方法所存在的误差积累问题.实验结果表明本算法有效可行.     

模糊目标信息系统上的逻辑及决策规则

基于模糊目标信息系统模型，并结合粗糙集相关的逻辑理论，提出了模糊粗糙决策语言FRDL，给出了FRDL中公式的定义、语义、可满足性有效性的形式化描述以及相关的性质。在此语言的基础上，给出了模糊目标信息系统上的决策规则、逆决策规则形式化描述和构造方法。FRDL所描述的逻辑表达方法以及规则推理公式为建立在模糊目标信息系统之上的决策支持系统、推理机提供了形式化的表示和推理方法。最后，在眼科近视诊断上进行的数据实验表明，这种形式化描述和推理方法比较合理。     

直观性和应用性在数学教学中的作用

数学是科学的基础,在绝大部分文理专业中,数学都是基础课程之一。但是目前高校数学教学普遍存在重理论轻应用的现象,公安大学也不例外,具体体现为学生无法将数学知识融汇贯通到本专业中去。为让学生明确数学学习目的,摆脱盲目学习、理论与实际脱节、无法学以致用的现象,我们有必要在数学课堂教学中改变思路改进方法,以直观的表述方式揭示数学知识的本质,以案例教学展现数学与实际公安工作的联系,建立积极正确的数学理念与学习方法。     

基于仿射变换特征匹配的虚实注册方法

提出了一种新的基于仿射变换特征匹配的虚实注册方法,以解决基于平面自然特征的三维注册系统中的误差积累问题.该方法分为离线三维重建和在线实时注册两个阶段.离线阶段系统根据双目视觉原理建立平面坐标系,并根据用户指定的三点建立世界坐标系,同时利用仿射变换生成待匹配特征点的样本集合,供后续匹配过程使用.实时注册阶段,系统先将当前图像与样本集合做特征匹配以获取特征点间的对应关系,再利用上述对应关系恢复出当前帧与平面结构间的单应性关系,进而求取三维注册所需的变换矩阵.实验结果表明该方法是有效可行的,而且在克服误差积累方面较传统方法有明显改善.     

浅析求二元函数极限的几种方法

在高等数学教材中,多元函数的极限这一节介绍的都比较简单,都只是给出了几道证明函数在某点极限不存在或极限值为整数的例子,从未涉及到求极限的具体方法。为此作者整理归纳了6种求二元函数极限的具体操作办法,以期对广大师生有一定的启迪。     

基于标识与平面间单应性矩阵的虚实注册方法

提出了一种基于单应性矩阵与平面标识相结合的三维注册算法，解决了标识部分被遮挡情况下的虚实注册问题，提高了系统的健壮性、可用性．该方法将直接求解三维注册矩阵问题分解为利用图像间的匹配特征点来计算相邻两帧图像间的单应性关系，并利用该单应性关系恢复最终注册矩阵．就实验结果与ARToolkit的注册性能作了比较，结果表明该算法能够解决标识部分遮挡情况下的虚实注册问题，在健壮性方面明显优于ARToolkit．     

多目标/多类型恐怖袭击风险评估模型研究

全球恐怖袭击频发,对各国公共安全构成了严重威胁,研究多目标/多类型恐怖袭击风险评估,感知和掌握风险态势具有重要意义。基于K-means++聚类分析算法和Python语言编程建立了多目标/多类型恐怖袭击风险函数模型,利用模型对2002~2016年全球恐怖袭击的数据进行聚类分析,将多目标/多类型恐怖袭击风险划分为5个等级,得到针对公民自身和私有财产采用轰炸/爆炸袭击方式的恐怖袭击风险最高。以2017年的数据测试该模型的泛化能力,测试结果准确率达到了94.44%,并与K-means、BP神经网络和决策树等机器学习模型进行了对比分析。结果表明此模型可为恐怖袭击风险评估和防范策略提供一定的参考。     

基于泛系算子的泛系混合并联粗糙集模型

在泛系混合并联空间概念的基础上,为了操作由任意给定的二元关系对知识进行划分得到的粒子,使用泛系理论的转化思想和转化后的等价关系对目标概念进行近似逼近的方法,提出了基于泛系混合并联等价算子的泛系混合并联粗糙集模型。通过讨论该模型的基本性质,证明了该模型是泛系粗集的一种广义化表现形式。通过实例说明了在不同泛系混合并联等价算子的作用下产生不同知识库的粒子,为深入研究粒度计算提供了一个新的研究方向。     

一种基于指针调整的SDH网络设备识别细微特征

针对数字传输网络中的同步数字体系(SDH)网络设备个体识别问题,提出了一种基于指针调整的细微识别特征。首先,在对SDH指针调整机理分析的基础上,指出了指针调整与设备时钟偏差之间的具体关系,提供了指针调整作为细微识别特征的理论依据;其次,通过检测数据中指针调整状态的变化,提取了指针调整的帧号作为特征序列;最后,以高斯混合模型对一阶差分特征序列进行建模,并将模型参数作为细微识别特征。实验结果表明,基于指针调整的细微特征具有稳定性和区分性,可有效地区分不同的SDH网络设备。     

Choquet模糊积分的粗糙性及信息融合

在分析现有模糊积分理论的基础上 ,提出了Choquet上、下模糊积分的概念和粗糙区间数的积分形式 ,给出了Choquet模糊积分的粗糙特性 ,建立了基于粗糙Choquet模糊积分形式和信息融合方法 .该方法在存在各种外界干扰因素的多传感器融合环境中 ,可以较好地实现区间数传感器的选择和融合 .所给Cho quet上、下模糊积分是经典Choquet模糊积分在粗糙意义下的扩展形式 ,能处理粗糙区间数数据源和信息系统的对象 .模拟实例验证了融合方法的有效性