一种基于音频词袋的暴力视频分类方法

针对网络视频的监管需求,提出了一种基于音频词袋的暴力视频分类方法.采用提取视频中音频流的多媒体内容描述接口（MPEG 7）音频特征（包括音频频谱质心,音频频谱带宽等低层音频特征.）及MPEG 7高层特征——音频签名,来构造每段视频特有的音频词汇,采用该音频词汇出现的频率形成音频词袋特征.采用支持向量机对暴力和非暴力视频进行分类.把词袋模型应用到暴力音频特征分类中,对于不同音频词汇量采用了独特的词汇权重分配机制,同时借助特有的针对暴力视频的分类策略,以提高分类效果.通过3组实验,对不同的音频特征的准确率、不同词汇的分类效果、以及对视觉特征粗分类的精确分类进行了研究.实验结果表明,该方法有较好的查全率.     

基于迭代加权L1正则化的高光谱混合像元分解

为了提高高光谱图像混合像元分解的精度,对基于稀疏性的线性混合像元分解方法进行研究。采用一种迭代加权的L1正则化方法进行高光谱混合像元分解,给出相应的模型和算法。通过引入多步加权L1优化求解过程,且根据当前解修正下一步迭代的权值,能更好地利用混合像元丰度系数的稀疏性。试验结果表明,基于迭代加权L1正则化的高光谱混合像元分解精度比基于传统L1正则化的方法高,特别适用于信噪比较高的高光谱图像。     

一种基于Surendra背景更新的背景减除运动目标检测方法

针对监控环境下运动物体的检测,提出了基于Surendra背景更新的背景减除的运动目标检测方法.首先对视频图像进行灰度化并去噪,再建立一个可靠的Surendra背景更新模型,由背景消减法得到运动目标图像,最后图像进行二值化并采用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响.试验结果表明本文采用的基于Surendra背景更新算法的背景减除的方法,具有较好的实用性.     

石嘴山市矿山地质环境综合评价

基于对石嘴山市矿山地质环境实地调查资料和遥感解译结果的分析,选取地质环境条件、矿山开采状况、三废排放、资源损毁、地质灾害、对水环境的影响、环境治理率7要素21个指标构建矿山地质环境评价体系.为了保证各指标权重取值的科学性和合理性,首先,采用主客观相结合的组合赋权法确定权重值;其次,利用遥感手段和已有调查资料对各指标进行提取和分级量化,用综合评判法建立地质环境评价模型,评价单元为矿山采矿范围,应用GIS的叠加分析功能对各指标按权重进行叠加计算;最后,对叠加结果应用突变点法将矿山地质环境破坏程度分为极严重、严重、中等和较轻4个等级,取得了较好的评价效果,与实地调查结果相符.该研究成果可以推广到其他地区矿山,为矿山地质环境综合评价提供了一条新途径和思路,同时也为矿山地质环境的防治提供了可靠的科学依据.     

含“Dutch（荷兰）”习语来源的文化背景探析

由于习语的产生和民族历史文化背景紧密相连,所以本文通过对含＂Dutch（荷兰）＂的习语分类列举分析,从历史角度探析它们产生的最根本的背景原因,从而阐明了语言学习离不开对一个民族历史文化背景的深入了解。     

精确宇宙学

高精度微波背景观测,加之大尺度结构,超新星等观测的快速发展,引领宇宙学进入精确宇宙学时代.我们对于宇宙的理解不再停留在定性描述阶段,而是进入了高精度定量测量阶段.本文将对重要宇宙学观测给出介绍,并对研究现状,及未来挑战等给出讨论.     

基于改进粒子群算法的平面阵同时多波束赋形方法

针对当下平面阵同时多波束赋形需求, 提出基于改进粒子群算法的平面阵同时多波束赋形方法。将自适应操作粒子结构、反梯度加权用于粒子群搜索算法作为创新点, 根据粒子群收敛度自适应调整操作粒子结构的概率, 以平衡粒子群全局探索和局部利用能力, 根据多目标优化程度对各优化指标反梯度加权, 以抑制多目标优化失衡, 对阵列相位、幅度优化实现低旁瓣、窄波束宽度和高增益的效果。实验表明, 在传统非线性智能优化方法效果不好的情况下, 该方法对阵元数较多的任意平面阵同时多波束赋形效果较好。     

基于FCM快速路交通状态判别加权指数研究

加权指数m是影响模糊C名)值聚类(fuzzy Cleans,FCM)的一个关键参数,为提高快速路交通状态模糊判別性能,针对m取值的问题提出了一种兼顾算法判別精度和聚类效果的优选方法。该方法以流量、速度为交通状态评价参数在不同加权指数m和样本量n下进行聚类分析,从算法判別精度、类内间距、类间间距、目标函数收敛性四个方面对m的最优取值进行了深入研究。以某市快速路为例別用MATLAB模糊逻辑工具箱分析实验数据的隶属度和聚类中心,以上四个方面在n×m种组合情形下综合分析,得出快速路交通状态模糊判別m的最优取值,并进一步验证了该方法的可行性。实验结果表明,以流量、速度为状态评价参数的快速路交通状态模糊判別加权指数m的最佳取值为2.25。     

基于凸包算法的指尖识别方法

针对现有指尖检测方法容易受背景的干扰,并且指尖误判点较多的情况,提出了一种基于凸包分析的指尖检测算法。首先,为减少类肤色背景和光照对手部轮廓提取的影响,采用YCbCr肤色模型和背景差分法相结合的方法提取手部轮廓;然后采用快速凸包算法获得手部轮廓的凸包,并利用凸包顶点和缺陷点计算出掌心的坐标,根据凸包缺陷深度和手指几何特征及曲率特征检测手指指尖;最后采用有灯光和类肤色背景干扰的环境,而不是背景单一的环境进行实验,验证了所提算法的鲁棒性。实验结果表明,该算法可以有效识别出指尖数目和手掌的位置,实现简单的数字手势（0~5）的识别,具有较强的鲁棒性。     

GM（1,1,α）模型背景值的变化对相对误差的影响

为了研究灰色GM（1,1,α）模型中背景值的变化对模型相对误差的影响,分析了GM（1,1,α）模型的建模机理与过程,提出了该模型的二级参数包;通过模型的二级参数包重点讨论了背景值的变化与模型的发展系数、 灰色作用量之间的关系;从理论上得出了背景值与模型的发展系数、灰色作用量之间的具体表达式;进而得到了背景值与相对误 差之间的具体表达式,并研究了它们之间的变化关系,从而达到通过调整背景值的大小来减小模型相对误差的目的;最后通过实例对这一结论进行了验证.