一种基于凸壳的智能服务机器人路径规划算法

将一种基于凸壳的路径规划算法应用于体育场智能服务机器人,首先采用基于Haar特征分类器的方法确定球的坐标,采用基于颜色模型的方法确定机器人的位置及航向,并根据机器人的自身特点,将一定范围内的多个球视为一个目标点处理;然后以目标点坐标作为算法输入,采用基于凸壳的路径规划算法得到一条较优的捡球路径.该算法可以降低机器人的捡球运动代价,有效提高机器人的捡球效率.     

基于R/S分析的城市可持续发展定量评价

根据城市可持续发展理论,利用R/S分析原理和方法,从城市的生产、生活和生态3个方面讨论了山西省太原市在2003～2007年期间的可持续发展的现状和发展潜力对未来一段时间的可持续发展的影响。为决策者提供科学可行的依据和方法。     

楚雄市气候变化及对水资源的影响

利用楚雄市1961～2010年50 a的气候和水资源等资料,分析了楚雄市近半个世纪以来气候的变化及其对径流、水资源变化的影响.分析结果表明:50 a来楚雄市各季和年平均气温均呈上升趋势,年平均气温以0.33℃/10 a速率上升,冬季平均气温增暖速率最为显著;近50 a来楚雄市年降水量有增多的趋势,以21.26mm/10 a的速度在递增.春季和夏季降水量增加较多;而冬季和秋季平均降水量则呈缓慢增多的趋势.水资源总量、地表水径流量、地下水呈减少趋势.     

网格笔划密度特征的OPCCR错误自动检测

现有的光学印刷体汉字识别（OPCCR）系统中,汉字识别率虽然已经高达98%以上,但仍然会发生错误识别的情况.通常,这些错误的识别还不能被自动检测,采用人工检测,费时费力,大大降低了实际应用系统的自动化和智能化程度.为此,本论文提出了基于网格笔划密度特征的OPCCR错误的自动检测算法.本算法首先建立标准汉字的网格笔划密度特征的特征库.然后,在OPCCR错误的自动检测时,对光学印刷体汉字图像进行预处理、行分割、列分割得到单个汉字图像,提取单个汉字图像的网格笔划密度特征.再把特征和相应的识别出的汉字的特征库中的特征进行相关匹配.于是,根据特征匹配自动检测OPCCR的错误.     

中医察目望神规则挖掘的关键技术

中医客观化中有一个很重要的问题是根据量化的人体特征推导出人体的状态.提出了一种用于中医察目望神客观化中从眼部特征推导出人体"神"的状态的规则挖掘方法.首先给出了视频采集方法,接着使用类-属性依赖最大化方法(CAIM)对眼部特征数据进行离散化形成规则挖掘中的属性区间,然后使用云模型进行关联规则挖掘得到大量候选规则,再对3种互补的规则裁剪方法进行修改和组合用于候选规则的整理,并形成最终的规则集合.利用交叉验证法检验规则挖掘的效果,得到了93%的平均精确度,达到了很好的效果.     

使命与转型——云计算时代与信息设计

云计算将会给明天我们所处的信息时代带来什么样的新气象?在时代发展的机遇和挑战中,信息设计应该担负什么样的社会使命、体现何种文化功用?我们认为,无论是云计算产业的宏观规划还是产业链的软实力突破,都需要对设计有足够的重视。在提升硬件的同时,未来IT产业的关键更在于提升中国的文化软实力。不掌握设计,我们就不可能参与到软实力竞争的核心。信息设计的发展是决定我国云计算产业链条能否由低端制造向非物质盈利跨越的关键一步。     

基于优化肌电特征的无声语音信号识别

提出了一种基于遗传算法(GA)和fisher投影的最佳可鉴别基的求解方法.将原始特征向量向着最佳可鉴别基投影可得到具有最佳可分性的新的特征向量.从颧肌和二腹肌前腹的皮肤表面检测无声发出6个汉语元音的表面肌电信号(SEMG),以该肌电信号的AR模型系数、倒谱系数和美尔倒谱系数作为原始特征向量.使用遗传算法找出了原始特征的次优组合,并组成新的特征向量.将GA找出的次优特征向量向着fisher最佳可鉴别基投影可得到最佳鉴别特征向量.最后用改进的BP神经网络作为分类器得到了较好的识别效果.     

框架术语学的三大研究焦点

框架术语学对普通术语学进行了反思和批判,是描写术语学的最新流派之一.文章介绍了该学派的三个研究焦点:主张基于事件概念组织,从而把术语的句法和组合特征纳入研究视野;考察了术语概念的多维性,突出了语境要素在术语概念表征中的重要作用;把专业语料库作为提取概念知识的主要来源,采用自下而上为主的研究路径.     

贵州大型菌根菌的分布特征及用途

为了进一步开发利用贵州林木菌根菌资源,本文对贵州林木菌根菌资源进行调查的同时,对其分布特征、有药用价值的主要种类、名贵食用菌及毒菌的中毒症状等作了初步的研究,研究结果表明,贵州菌根真菌有药用价值的主要种类有38种,名贵食用真菌主要种类有39种,常出现食用中毒的主要种类有18种.主要分布在贵州境内海拔190m～2 230m之间.     

基于高维特征选择的跳频电台细微特征识别

将高维特征用于跳频电台细微特征个体识别具有很大优势,为了增强对跳频电台的分类识别能力,需要增加特征类型和维数,提高特征集的表征能力,但同时会引入大量冗余特征,导致分类器计算时间过长,分类正确率降低。为了降低高维特征集维数,首先采用相关性快速过滤特征选择算法,删除高维特征集中的不相关冗余特征,得到最优特征集。然后利用经过参数优化的支持向量机(support vector machine, SVM)分类器进行训练分类。实验表明,所提算法能够对高维特征集进行合理的降维,提高了SVM的分类器的分类性能,在保证分类正确率的基础上,降低了运算量,提高了跳频电台细微特征识别的时效性。