单位球面上的全纯函数及其梯度

通过给出单位球面上全纯函数的积分平均的定义,利用全纯函数与其梯度的关系,得到了函数积分平均对其梯度积分平均的控制;并通过调整积分平均的半径,得到了梯度积分平均对函数积分平均差的控制．     

信号与系统课程教学探讨

信号与系统是电子信息类等专业的核心技术基础课程,其内容理论性强、抽象复杂,通过采用适当的教学方法,使用科学有效的教学手段以及进行＂双主体＂教学模式的尝试等多方面教学探索,激发了学生的学习兴趣,提高了课程的教学效果。     

关于水文专业英语的教学实践与思考

在分析水文地质专业英语的特点以及教学的现状基础上,阐述了笔者在教学过程对教学内容、教材选取、教学方式、学生参与、测试等方面的实践。     

高师本科常微分方程教学改革的探究

随着知识经济时代的到来,社会政治、经济与科技的迅速发展对新世纪高校人才培养提出了更高的要求,促使高校教学改革的步伐不断加快.为了适应知识经济时代对大学教育更注重学生创新能力、实践能力培养的新要求,文章从高师本科常微分方程的教学观念、教学内容、教学方法和教学手段等方面着手,探索一种既立足经典内容,又溶入现代观点的新内容体系以及尝试使用现代手段的新教学法.     

高职数学教学模式的探究

从高职数学的教学目的出发,遵循“必需、够用”的原则,提出以专业为导向,进一步探讨高职数学教学模式。结合自己实际教学情况,对高职数学教学方法与手段进行了改革和实践,并在多媒体教学、数学软件应用、考核方式、培养学生能力等方面取得一定成效。     

国外国家公园管理模式

针对近年来自然遗产管理领域的热点——国家公园管理模式,将国外国家公园管理实践中采纳的管理模式分为4类,即:以树立国家认同为核心的中央政府管理模式、以自然游憩娱乐为驱动的协作共治共管模式、以自然保护运动为发端的属地自治管理模式和以自然生态旅游为导向的可持续发展管理模式,按照管理模式的构建动力、实施路径和推进阻力这一三维分析框架对这4种代表性管理模式进行梳理和归纳,并阐述了国外的模式经验对构建我国国家公园管理模式的启示.     

一种基于SIFT的照片查重系统的设计与实现

传统的图像检索侧重于查找小规模图像库中的图像,对于海量图像库,其检索效率明显降低,难以提取完整的图像信息.针对上述问题,本文设计并实现了一种基于SIFT的照片查重系统.系统利用SIFT特征点四个边缘角度相对独立的特性对特征点进行分类,可大幅减少匹配过程中需要比较的特征点数量,并使用k-means算法对每一分类中的特征点进行聚类分析,然后对每一聚类的特征点进行汉明编码.匹配完成后根据特征点位置信息分析照片是否经过PS或者重组等修改.实验结果表明,在海量的图像库中进行查询时,本系统比传统的图像检索系统检索精度高,时间复杂度低.     

基于噪声信道的三种单模式GBN-ARQ系统时延性能分析与比较

在考虑发送端到达信息包随机拆分情况和分组长度的影响下,建立分组批到达情况下的自动请求重传GBN-ARQ系统的排队时延模型,给出其时延性能表达式.基于前向链路和反向链路为一般噪声信道,通过对3种单模式GBN-ARQ系统(SGBN-ARQ,CGBN-ARQ,nGBN-ARQ)的传输时延性能进行解析研究、数值分析和比较,构造一种具有更小平均服务时延的自适应AGBN-ARQ传输机制.该系统根据信道状态自适应地采用CGBN-ARQ和nGBN-ARQ两种传输模式进行传输,这种自适应机制兼顾了两种传输机制的优点,克服了基本的GBN-ARQ系统随着信道错误率的提高时延迅速增加的缺点,具有较低的系统实现复杂度.     

Shearlet域基于非局部均值的地震信号去噪

由于采集环境及仪器性能的限制,采集的地震信号中含有较强的随机噪声,对后续的处理和解释带来很大困难.多尺度几何分析近年来受到关注,在Shearlet变换域中引入非局部均值(NLM,non-local mean algorithm)算法对地震信号进行去噪,该算法首先对地震信号进行非下采样Shearlet变换,对近似服从广义高斯分布的Shearlet系数进行主成分分析(PCA,principal component analysis),然后采用非局部均值处理Shearlet系数,最后对新的Shearlet系数进行Shearlet反变换,得到去噪之后的地震信号.实验结果表明,文中算法在低噪声情况下能够获得优于非局部均值算法的去噪效果,对地震信号去噪具有可行性.     

边缘导向的非局部均值图像滤波

传统去噪方法在处理高强度噪声干扰图像时, 往往不能有效去除噪声且在修复过程容易引入二次污染。为此, 提出一种边缘图导向的非局部图像均值滤波算法。 首先获取二阶差分边缘信息, 在非局部范围内搜索相似块, 以边缘导向图与噪声图像共同生成滤波器权值, 进而构建由边缘信息导向的非局部协同滤波框架。 与传统滤波为代表的局部线性滤波方法相比, 所提出算法能挖掘图像边缘信息并利用一种新的非局部协同滤波框架进行图像去噪, 因此增强了高强度噪声干扰环境下的边缘修复能力。 实验证明, 提出算法在高强度噪声污染的情况下, 修复的图像不仅获得了更高的测量指标, 视觉效果也更加理想。