服装风格的量化方法初探

为使企业能够自主控制服装风格，减少由设计师更换带来的品牌风格波动，使企业决策者能够把握服装的设计风格，尝试对服装风格进行量化，以找到品牌服装风格的内在规律，使服装的风格控制成为一种技术手段。通过多次实验，找到较可行的量化方法并进行初步量化，得到初步量化结论。     

基于DTW和LVQ网络混合模型的语音识别方法

提出一种基于动态时间规整（DTW）和学习矢量量化（LVQ）神经网络的语音识别方法。该方法用动态时间规整算法先对语音信号进行时间规整，然后通过学习矢量量化神经网络进行语音的分类识别。首先介绍利用动态时间规整和学习矢量量化进行语音识别的基本方法，然后给出DTW／LVQ混合模型的系统结构和学习算法，最后给出三种语音识别算法的实验结果。大量实验表明，混合模型的识别率，皆明显高于单一的动态时间规整和学习矢量量化的识别率。     

教练员对运动员训练作用的系统模型

针对训练过程中教练员的作用建立了系统数学模型,使教练员在训练过程中的作用得以量化,通过引入有差和无差的概念,分析了教练员在训练过程中2种作用的不同效果.     

做好新时期班级管理工作--浅谈班级管理中的点滴经验和体会

在班级管理中，提倡诗化教育，要学会尊重学生，善于逆水推舟，反向引导，运用多种方法和手段，做好“后进生”的转化工作。     

一种用于彩色图像认证的脆弱水印算法

提出了一种用于彩色图像认证的脆弱水印算法。这种算法是采用了均值量化的方法 ,把数字水印嵌入图像的离散小波域 ,可以检测在空间域和频率域的图像失真。利用脆弱数字水印算法提供的关于失真的估计信息 ,可以帮助用户判断图像内容的可靠程度。同时还采用了聚合篡改区域方法来完成失真检测 ,能够区分出恶意攻击和一般的图像处理。仿真结果证明 ,该方法可以提供图像修改的程度和修改区域的信息 ,其可信度比一般量化方法强。     

基于性能的RC框架结构现浇板式楼梯抗震性能评估

根据已有楼梯抗震试验结果,给出梯段板抗震性能水平及其量化指标;建立框架结构层间位移角与梯段板抗震性能指标之间的关系,并进行楼梯抗震性能宏观评价;基于梯段板、梯柱、与休息平台直接相连的框架柱等楼梯构件,给出既有RC框架结构板式楼梯抗震性能评估的具体方法和步骤.     

校企合作卓越人才项目学生量化考评体系构建 ——以市场营销专业为例

校企合作卓越人才项目为应用型本科院校的转型发展提供了有效路径,卓越人才项目的开展对学校、企业、学生都大有益处,但卓越人才项目的考评体系不健全影响了项目的开展。通过对参与卓越人才项目的三方调研,对现有卓越人才项目考评体系存在的问题进行分析,借鉴台湾地区相关经验提出了新的卓越人才项目学生量化考评体系。     

双倍比特量化近似查询索引算法研究

本文提出双倍比特量化与非对称距离的近似查询索引。首先,设计了一种双倍比特量化方法,通过把特征的每一维数据量化为两个比特二进制码,增加特征之间的区分性。然后,研究了非对称距离算法,通过计算浮点型查询特征与特征库中二进制码的距离,对海明空间下的最近邻进行重排序,以提高索引的查询精度。基准数据集上的实验表明,双倍比特量化与非对称距离的方法使最近邻查询精度提高15%～25%。     

模拟图像数字显示效果的改善与探讨

随着数字化时代的到来,人们的生活也变得越来越丰富多彩,各种智能手机,车载音响,移动导航,仪器仪表等都具备可视化的操控和效果反馈功能。科技的发展使显像技术由更高性能的数字手段逐步取代模拟手段。该文就模拟图像数字显示出现的画面噪声的改善作了探讨,希望能够对在这方面有困扰的各位有所帮助。     

Privacy Quantification Model Based on the Bayes Conditional Risk in Location-Based Services

The widespread use of Location-Based Services(LBSs),which allows untrusted service providers to collect large quantities of information regarding users’locations,has raised serious privacy concerns.In response to these issues,a variety of LBS Privacy Protection Mechanisms(LPPMs)have been recently proposed.However,evaluating these LPPMs remains problematic because of the absence of a generic adversarial model for most existing privacy metrics.In particular,the relationships between these metrics have not been examined in depth under a common adversarial model,leading to a possible selection of the inappropriate metric,which runs the risk of wrongly evaluating LPPMs.In this paper,we address these issues by proposing a privacy quantification model,which is based on Bayes conditional privacy,to specify a general adversarial model.This model employs a general definition of conditional privacy regarding the adversary’s estimation error to compare the different LBS privacy metrics.Moreover,we present a theoretical analysis for specifying how to connect our metric with other popular LBS privacy metrics.We show that our privacy quantification model permits interpretation and comparison of various popular LBS privacy metrics under a common perspective.Our results contribute to a better understanding of how privacy properties can be measured,as well as to the better selection of the most appropriate metric for any given LBS application.