也说叠用符——谈叠用符的历史沿革及“正名”之必要

史有为先生的《叠用符刍议》认为中国人使用叠用符始于金文时代,并且考察了西周至汉代的使用情况。其实,叠用符的使用可以上推至商朝的甲骨文时代,汉代以后中国人还一直在使用它,直至现代社会,各个不同的历史时期都有使用的实例,具有广泛的群众基础。真可谓历史悠久,源远流长。因此,应该将其收入现有的标点符号系统中来。     

"義"字源流考

汉字是汉民族丰富文化积淀的承载物,通过对汉字字源的探究和分析,可以清晰地看到汉字字义的扩张和引申的脉络。从汉字构形思维方式出发,对“羲”字的形体进行分析,以形说义,从文化角度对“羲”字的本义、引申义进行解读,逐层剖析其承载的文化信息,从而认识和了解我国古代社会的一些情况。     

彩色淋巴结细胞显微图像预处理算法研究

传统的预处理方法,在对于血液图像这样简单的医学图像的分析中得到了广泛的应用,并取得了较为理想的效果.但该方法对于淋巴结这样有着复杂背景的显微图像处理效果并不理想.综合运用彩色图像处理和数学形态学等知识,并采用基于彩色图像分割的背景剪除、基于区域生长的边界清除、基于高斯函数的图像融合和基于数学形态学方法和双边滤波去除图像噪声等方法,取得了较好的预处理效果.     

一种混合拓扑结构的粒子群优化算法

为进一步提高粒子群优化算法的搜索性能,在分析不同拓扑结构对算法性能影响的基础上,针对不同拓扑结构粒子群优化算法的优缺点,提出一种混合使用全局版本和局部版本粒子群优化算法的方法,每一代粒子在速度更新时随机选择全局模型或局部模型方式进行.在典型测试函数上进行对比实验,结果验证了新算法不仅能有效地进行全局搜索,而且具有更好的收敛精度.     

基于人类行为下的多目标跟踪视觉时序注意控制算法研究(英文)

由于移动式机器人所携带的传感器资源有限,能够在时间维度上共享传感器资源,实现多目标跟踪,是智能化机器人重要的研究领域之一.本文提出了一个基于人类行为模型的时序注意控制算法,能够实现使用单个2自由度摄像头实时监控多个自由移动的目标物体.该算法基于以下三个控制原则:①最小化监控目标位置预测的不确定性以及各个目标物预测效果的差异;②最小化多目标跟踪过程中摄像头切换视角所需的能量消耗;③最大化能够呈现在摄像头视觉范围内的目标物体的个数.算法根据当前检测到目标信息,通过卡尔曼滤波,预测目标物的运动规律,选择下一时刻摄像头的最佳注意视角.该算法通过matlab仿真以及在移动式机器人实体上进行了实验验证,结果显示,该算法能够在时间顺序有效的共享单个摄像头资源,检测摄像头视角范围内的目标的位置,并根据上一个时间点的检测信息预测视角范围外的目标,实现跟踪多个目标物体,降低预测及跟踪的误差,并优化跟踪过程中切换摄像头视角的能量损耗.     

具有前景目标的动态场景视频快速稳像算法

为了提高具有前景目标的动态场景视频的稳像效果,采用了一种基于块绝对差分的运动目标自动提取方法。在提取运动目标的基础上,提出通过自适应设定相关阈值的方法,来预判相关背景模块是否具有足够的信息,以减少用于运动矢量估计的模块数量。仿真实验结果表明,对于具有前景目标的动态场景视频,在减少运动目标提取时间的基础上,能够有效提高稳像算法的速度和精度,对实际视频取得了比较理想的稳像效果。     

文化大发展背景下文化传播学研究对象的思考

西方早期的文化传播研究,是一道文化人类学的命题。当前,文化大发展大繁荣,对我国文化传播学研究提出了新的更高的要求。＂如何满足人们的精神生活需要＂,应该成为我们研究文化传播学的出发点,而文化传播学这门年轻的学科,应该是一个立足于传播学的分支学科。由此出发,我们可以界定文化传播学的研究对象,即主要研究的是人文知识、文学、艺术、新闻、娱乐等内容,重点关注新闻、出版、广播、电视、电影、演出、图书馆、博物馆、文物考古等领域的信息传播。     

Motion feature descriptor based moving objects segmentation

A novel moving objects segmentation method is proposed in this paper.A modified three dimensional recursive search (3DRS) algorithm is used in order to obtain motion information accurately.A motion fea...     

基于GIS的城市地下管网管理系统的实现

城市地下管网是城市的重要基础设施,管理起来非常困难,利用地理信息系统(GIS)则能够降低管理难度.结合GIS空间数据模型和开发模式,确定系统技术方案,并讨论城市地下管网管理系统的主要实现方法.     

一种基于光流和二级聚类的移动背景下的目标检测算法

针对现有的移动背景下的目标检测算法存在检测速度较慢、自适应性差和检测准确度不高的问题,提出了一种基于光流和二级聚类的移动背景下的目标检测算法;该算法融合了阈值自适应规则和基于优化检测结果的反馈机制。首先采用Lucas-Kanade光流跟踪算法和DBSCAN聚类算法提取出前景目标,然后采用改进的凝聚层次聚类算法将前景目标分类。在第一级聚类时建立基于初始聚类结果的自适应规则,实现了自适应地检测目标;在第二级聚类后,通过去除错误匹配特征点和阴影区域特征点优化检测结果;并将优化后的检测结果反馈给第一级聚类过程以更新适用阈值,使目标检测更准确。在多个视频库上进行验证,实验结果证明该算法检测速度快、自适应性良好、检测准确度高。