基于非参数聚类和多尺度图像的目标跟踪

提出了一种基于非参数聚类和多尺度图像的目标跟踪算法.在利用改进的非参数颜色聚类进行自适应划分目标颜色空间的基础上,定义了目标模型和候选目标模型,该模型利用高斯函数建模颜色直方图中的每一个颜色特征位的空域分布; 根据Bhattacharyya系数的定义得到了目标模型和候选目标模型之间的相似性函数.跟踪算法利用高斯金字塔得到的多尺度图像进行从粗到细的目标空间定位;同时通过利用推导的核函数自动带宽选择公式,实现了目标尺度定位.实验结果表明该方法优于典型的均值漂移跟踪方法,从而验证了该方法的有效性.     

基于人工神经网络的曲轴滚压校直系统研究

文章介绍了2种不同的曲轴校直方法,分析了滚压校直独特的优越性。建立了一个基于人工神经网络的曲轴滚压校直系统,以理论与实际相结合的方法确定各项网络参数进行训练,并对训练效果做出了分析,为今后的深入研究提供了方向。     

基于价值的实验室评估体系构建

现代化实验室的价值取向在于能更好地为教学、科研、生产服务。实验室在长期的教学、科研、生产活动中是否体现了其应有的价值,是衡量实验室建设、管理成败的关键。文中构建了一种基于价值的实验室评估体系模型,以对实验室的价值进行科学的评判。     

大学英语学习方法指导

学会学习是素质教育的重要目标之一,也是顺应时代发展的需要.让学生会学是教师必须担负的责任.在大学英语教学中,必须培养学生良好的学习习惯,做到课前自学,专心上课,勤记笔记,及时复习,反复练习,充分利用教材进行学法归纳对比,采用解答说理法,启迪思维法,讨论活动法等大学英语教学中的重要学习方法.     

基于协处理器的无线传感器网络MAC设计

提出了一种基于协处理器的媒介访问控制(MAC)体系结构.将不同MAC协议的信道争用机制映射为协处理器内部的软件程序.其特点是兼容IEEE802.15.4协议,利用可编程协处理器增强MAC的可重用性,能支持自适应睡眠媒介访问挖制(S-MAC)、超时媒介访问控制(T-MAC)等无线传感器网络MAC协议.阐述了基于协处理器实现避免冲突的载波侦听多路访问(CSMA-CA)算法、S-MAC和T-MAC协议的方法.并在此基础上分析了CSMA-CA算法的软件时延.在现场可编程门阵列(FPGA)上实现整个MAC,实际测试结果表明:该MAC支持多协议,数据传输速率达20～250 Kbit/s,适应IEEE802.15.4协议要求.面积仅为30 567个等效门.     

基于网络编码的协同多用户接入协议

研究了半双工系统协同多用户接入协议中的用户节点协同工作方式以及基站的多用户信号检测和处理方式.提出了基于网络编码的协同多用户接入协议,由中继节点对各用户节点发送的信号进行网络编码传输,基站端对接收到的所有用户节点和中继节点传输的信号进行联合迭代网络译码,进而恢复出所有用户的信息.理论分析和仿真结果表明,通过网络编码系统的处理不仅能获得分集增益,同时还能获得编码增益.显著地提高了系统的性能,另外,编码的码长可变使得用户数目的扩展方便.且对于不同的用户数可保持相同的编码码率.     

基于基因表达式编程的代价敏感分类算法

针对传统分类算法在稀有类上的分类效果不佳,通过引进代价矩阵,改进了基因表达式编程的适应度函数,提出了一种基于基因表达式编程的代价敏感分类 (CSC-GEP：Cost-Sensitive Classification-Gene Expression Programming) 算法,并在UCI数据集上对该算法进行了实验。实验结果表明,CSC-GEP的召回率、精度和F-度量值较C4.5分类器分别提高了7.07%,2.89%,5.12%,证明了CSC-GEP是一种有效的代价敏感分类算法。     

桩极限承载力的Usher模型预测

为深化对桩承载性能的认识,选用生物领域的Usher生长曲线模型,对桩的桩顶荷载-桩顶沉降曲线(即Q-s曲线)进行拟合,并对其极限承载力进行预测.给出了Usher模型的建立与求解,并用于分析3根试桩(包括2根灌注桩、1根钢管桩)的实测资料.结果表明:Usher模型对3种类型的Q-s曲线有高的拟合精度;该模型拟合效果优于双曲线模型,特别是在曲线的末端;利用这些拟合方程式能对3种桩的极限承载力进行预测.     

建立绘制轴测图数学模型的研究

在分析轴测投影形成条件，把握轴测投影规律的基础上，建立了依据空间形体的三维坐标绘制轴测图的数学模型，解决了以解析方式或利用计算机绘制轴测图的问题。     

Inferring requirement goals from model implemented in UML

UML is used widely in many software development processes. However, it does not make explicit requirement goals. Here is a method tending to establish the semantic relationship between requirements goals and UML models. Before the method is introduced, some relevant concepts are described.