社会体育专业课程建设的研究与实践

课程是实现人才培养目标与培养模式的重要载体，文章针对社会体育专业围绕人才培养目标，以市场为需求，以就业为导向，以应用为主旨和特征对课程建设的研究与实践加以阐述．     

基于非负稀疏协作模型的目标跟踪算法

目标跟踪是计算机视觉研究领域中一个最基本的问题.为解决在复杂场景下目标跟踪效果不佳的问题,作者搭建了一个基于非负稀疏的协作模型,该模型将非负稀疏表示的产生式模型与全局模板判别式模型相结合,并提出了基于非负稀疏协作模型的目标跟踪算法.首先对每一帧图像使用粒子滤波得到若干个候选框,然后再利用非负稀疏协作模型对每一个候选跟踪框进行评分,根据得分最高判为是跟踪目标的候选框.在多个视频序列上的实验结果表明,所提出的方法可以有效地提高目标跟踪的性能.     

新时代党史学习教育的目标导向、价值意蕴与实践路径

开展党史学习教育是中国共产党在百年革命、建设、改革历程中的优良传统和重要经验。新时代党史学习教育具有明确的目标导向,即坚定理想信念,补足精神之“钙”;传承红色基因,弘扬优良党风;深化执政认识,巩固执政地位。要求从总结历史与观照现实相统一的历史维度、理论创新与时代发展相统一的理论维度、实践创新与初心使命相统一的实践维度把握其价值意蕴。现阶段持续深入推进党史学习教育,要结合时代主题,拓展内容维度;肃正大历史观,反对历史虚无主义;创新方式方法,提升育人成效。     

基于相对测距的水下目标定位算法

在没有星基、地基及水下时空基准信息的辅助下,为解决对水下目标精密定位问题,提出了一种基于水面舰船间相对测距和目标到达角的水下机动目标定位算法(UTPA)。通过联合水面舰船间电磁波相对距离观测和水下声学测角信息建立定位方程,考虑到目标定位方程求解中的异类信息融合权比失配问题,利用Helmert方差分量估计完成目标相对位置的迭代求解。Monte Carlo仿真表明:基于Helmert权比自适应调整的UTPA的定位偏差仅为典型的单平台声学定位技术的10%。     

目标着眼于现金流稳定——房地产企业当前的选择

房地产行业是对环境较敏感的行业,当市场环境较好时通常把追求高收入、高利润作为短期目标,然而目前房地产行业遭受着双重压力,一方面,宏观经济形势不景气;另一方面,来自宏观政策调控的压力。导致房地产行业处于全面紧缩的状态。在当前的情况下,要想实现企业长期的可持续增长,房地产企业须缩小规模,先生存后发展,将短期目标着眼于现金流,追求现金流的平稳,达到收支的平衡,确保一定的现金支付能力。     

浅谈如何做好医院部门预算提高财务管理水平

科学和合理的医院部门的预算,能够对医院的快速发展产生重要和积极的影响。当前医院在部门预算管理当中所存在的问题主要问题是各个部门不能全部参与到整体预算编制、对于预算的执行和考核没引起足够的重视,采取预算编制的具体方法和手段缺乏新颖性以及部门的预算管理制度不够完善。加强医院部门预算管理的有效措施是强化部门预算审批制度建设、依照收支平衡和量入为出的原则开展部门预算的编制,细化和明确各类预算项目,努力加强预算的精确程度,认真落实科学合理的部门预算考核管理办法,从而使预算工作能够真正地执行到位。     

预警机引导战斗机的仿真研究

预警机指挥下的空战已经成为未来中远程空战的主要发展方向。文中研究了预警机对于目标信息的测算,提出应用纯比例、平行接近、时间最优等几种不同方法对战斗机实施导引。在此基础上建立了预警机、战斗机、目标的数学模型,并对预警机引导战斗机至目标区域整个过程进行了仿真。仿真结果表明,基于时间最优的导引方法适合于预警机对现代战斗机的导引控制。     

跟踪窗自适应的Mean Shift目标跟踪算法

针对Mean Shift算法不能很好地跟踪尺度变化目标的缺点,提出一种将Mean Shift算法和目标几何特征相结合的目标跟踪算法。该方法在Mean Shift框架下提取目标的几何特征,根据目标的面积和型心坐标对跟踪窗的位置和大小进行修正,最后更新Mean Shift的目标模板。通过大量实验仿真证明,改进的算法能很好地跟踪尺度变化的目标,对目标的仿射变化和非刚性的形态变化具有有效性和鲁棒性。     

可视动目标逐步求精分割技术研究

运动目标识别跟踪系统中 ,目标分割是至关重要的处理环节。由于目标阴影、碎块等因素 ,估计精度受到影响 ,甚至导致跟踪的失败。提出了目标形状波动度的概念 ,并将其作为目标识别特征 ,利用最大似然估计准则 ,对目标初始区进行逐步求精估计。该算法简练实用 ,能有效地提高估计精度 ,为确保目标可靠性跟踪提供了新的手段。     

基于自适应进化粒子群算法的多目标优化方法

提出一种自适应进化粒子群优化算法(AEPSO),以提高多目标优化 PSO算法的性能.AEPSO算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO算法中,来提高算法的全局搜索能力和粒子的多样性.与常用的整体加权方法来处理多目标优化问题不同,AEPSO算法采用非劣解排序来引导粒子的飞行,以改进算法的收敛性,同时采用特殊的变异操作防止早熟收敛并增加优化解的多样性.所提算法的有效性经过四种代表性benchmark函数进行验证,并与几种典型同类型算法进行比较.该算法已成功地用于合金材料的多目标优化设计.实验结果表明AEPSO算法能够较好地兼顾收敛精度与优化解的多样性,满足多目标优化设计的要求.