改进能量函数的Seam carving图像缩放方法

Seam carving算法是一种基于图像内容的缩放方法.这种方法在进行图像缩放时,可能会引起图像视觉主体的变形.为了改善Seam carving算法,采用基于图论的显著图模型(Graph-based Visual Saliency,GBVS)产生的显著度图与图像的梯度图相结合的方法计算像素点对人的视觉的重要性.实验表明,这种方法比Seam carving图像缩放算法有更好的缩放效果.     

粒子群优化结合相关反馈的花卉图像检索

针对花卉图像特性,为平衡花卉图像检索系统的检索精度与速度,提出一种将粒子群优化结合于花卉检索相关反馈的算法.算法以2RGB为花卉图像的颜色模型,选取计算量较小的图像低层特征描述,按用户的满意度对检索结果进行评价,指导反馈过程中粒子的最优运动方向.实验结果表明,该算法能有效提高系统的检索效率.     

Recognition of Chinese Organization Name Using Co-training

Chinese organization name recognition is hard and important in natural language processing. To reduce tagged corpus and use untagged corpus, we presented combing Co-trainins with support vector machines (SVM) and conditional random fields (CRF) to improve recognition results. Based on principles of uncorrelated and compatible, we constructed different classifiers from different views within SVM or CRF alone and combination of these two models. And we modified a heuristic untagged samples selection algorithm to reduce time complexity. Experimental results show that under the same tagged data, Co-training has 10% F-measure higher than using SVM or CRF alone; under the same F-measure, Co-training saves at most 70% of tagged data to achieve the same performance.     

基于PCM聚类算法的Blog社区发现

针对传统的社区发现算法无法发现社区中的核心成员和边界成员的缺点,提出了基于PCM聚类算法的Blog社区发现算法,用来识别Blog社区的核心和边界.首先,使用随机行走的方法计算可以衡量两个Blog亲密度的对称社会距离;然后,在对称社区距离的基础上使用PCM聚类算法对Blog进行聚类,得到每个社区中的成员属于社区的概率表示.最后,通过确定相应的概率阈值,确定社区的核心和边界.实验结果表明:该算法能够获得社区中的成员属于社区的概率,根据这个概率可以确定社区中的核心成员和边界成员.     

基于RIA的计算机模拟病例考试评测模块设计与性能优化

运用Spring和Hibernate的框架整合技术,设计实现了基于RIA的计算机模拟病例考试评测模块,给出采取主应用开发模式和模块化混合编程开发模式以及模块动态加载/卸载技术优化评测模块运行性能的方案。评测模块功能正确,运行稳定,有效利用内存资源,减少并发用户的平均响应时间。     

基于中国人体CT数据的股骨和胫骨参数化模型的开发

下肢长骨骨折损伤在汽车碰撞事故中常见,使用人体有限元模型可以有效开展损伤风险和机理的研究。个体特征(如性别、年龄、身高、体重等)对下肢长骨的几何形状和密质骨厚度具有显著影响。该文以男性中等尺寸有限元模型为基准模型,基于95例国内临床计算机断层扫描(computed tomography,CT)数据,通过网格投影变换和统计学分析建立了能够反映个体特征差异的股骨和胫骨的参数化模型。结果表明:外表面几何模型的平均绝对预测误差在3mm以内,密质骨厚度模型的平均绝对预测误差在0.6mm以内。下肢长骨长度对几何模型影响最显著,年龄和身体质量指数(body mass index,BMI)对股骨密质骨厚度具有显著影响,年龄对胫骨密质骨厚度具有显著影响。     

230MHz电力无线通信信号在高层居民楼电竖井中的传播特性研究

针对授权的电力系统230 MHz频段,对高层居民楼电竖井内无线传播信道特性进行研究。在仿真软件中建立应用场景模型,提出射线追踪与室内几何散射模型相结合的方法,对无线信号传播路径、到达角、信号强度等进行仿真计算,分析无线信号通过不同数量楼层时的传播特性,并在实际居民楼中对无线信号传播特性进行试验。对比结果表明,仿真结果与实测结果具有很强的关联性,每层楼平均传播衰减8 d B,最大均方根时延扩展17.28 ns。传播特性研究结果为在高层居民楼电竖井中部署230 MHz电力无线通信网络并进行网络性能优化提供了参考。     

基于Mono Trap方法对酱油气味活性成分的分析

采用固相萃取整体捕集剂(monolithic material sorptive extraction,Mono Trap)结合热脱附、气相色谱-嗅闻-质谱(GC-O-MS)联用技术对高盐稀态酿造酱油气味活性成分进行提取分析。应用正交试验对Mono Trap方法中捕集剂的类型、萃取时间、萃取温度进行了优化,确定优化萃取条件为Mono Trap类型RGC18-TD、萃取时间60min、萃取温度50℃。这一条件下能最大程度萃取吸附样品中的气味活性化合物,实验整体准确度和重复性良好。采用Mono Trap-GC-O-MS和SPME方法对高盐稀态酿造酱油气味活性化合物进行分析和比较,Mono Trap方法共鉴定出气味活性化合物56种,包括醇类9种、酮类5种、醛类7种、酯类9种、呋喃类6种、酚类3种、吡嗪类10种、有机酸类2种、含硫化合物4种、其他化合物1种；而SPME方法检测到55种气味活性化合物,且富集到的物质含量低于Mono Trap方法。与SPME方法相比,Mono Trap方法具有萃取量大、操作简便、回收率高等特点,在酱油的气味成分萃取上具有一定优势,有望成为今后酱油气味活性成分分析的研究方法之一。     

均匀电磁场中一维线性谐振子的能级研究①

通过严格求解薛定谔方程给出了均匀电场、常磁场中的一维线性谐振子的能级分布进行了讨论,同时给出了考虑自旋的情况下的常磁场中的谐振子能级。结果表明均匀电场中的一维线性谐振子能量算符的本征波函数是标准的以y为变量的函数,而本征函数作为x的函数是不同的;常磁场中一维线性谐振子的能级和波函数是可以严格求解的;考虑自旋的常磁场中的一维线性谐振子的薛定谔方程的解为朗道能级。     

基于Co-training的图像自动标注

图像自动标注是图像理解与模式识别等领域中具有挑战性的关键研究问题.目前图像自动标注领域存在着一些问题,如未标注数据规模要远大于标注数据规模,只能单独使用某种图像分割策略与某类图像表示方法.针对上述问题,提出了基于Co-training的图像自动标注方法,通过构建4个独立的特征属性进而建立4个子分类器,将不同的图像分割方法与特征表示方法整合到一个统一框架中,利用提出的基于投票与一致性相结合的自适应算法扩展原始训练集.该方法通过使用Co-training算法,利用大量未标注数据来提升图像自动标注的性能.通过在Corel 5K数据库上进行实验,验证了提出方法的有效性.