一种运动目标提取方法及其应用

介绍了一种利用高阶统计量(higherorderstatistics,HOS)提取视频序列中运动目标的新方法,并将其应用到人脸识别技术中。利用HOS对高斯噪声的不敏感性分离运动区域和背景,进一步提取出运动目标。当提取出的视频序列中的运动对象为人体时,利用主元素分析法(principlecomponentanalysis,PCA)进行人脸识别。实验证明,算法计算简单,速度快,用于人脸识别时能正确提取出运动的人体。     

基于DPCA、ATI和MUSIC的动目标检测方法

针对SAR(合成孔径雷达)动目标检测,提出一种DPCA(中心相位偏置天线)、ATI(沿迹干涉)和MUSIC(多信号分类)相结合的三孔径动目标检测方法。该方法首先采用DPCA技术消除杂波干扰、检测运动目标,然后用ATI和MUSIC方法确定目标的位置和速度。理论分析和计算机仿真表明,该方法是有效的,不仅能够检测运动目标,而且能够精确估计其运动参数。     

P2P文件共享系统中Peer的行为评价

以节点的行为评价是信任研究的基础为切入点,在严格遵循纯P2P系统信任机制建立的限制条件的基础上,综合运用表现序列和概率统计中即时估计、总体估计等数学理论知识,最终提出了对P2P共享文件系统中的Peer行为的一套评价预测方法.分析表明,该方法产生的误差在允许范围内.从而,能够为P2P系统准确、广泛、长时间的得到应用提供良好、完备的信任机制.     

《中图法》与中国特色

《中图法》是一部具有中国特色的、符合中国国情的学科发展简史。它的指导思想和中国的社会制度及执政党的理念有密切联系。它的学科分类和历次修订都是在这一框架下完成的。探讨这一特点,对今后修订《中图法》有一定的借鉴作用。     

一种基于自组织分级聚类的数据挖掘方法

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足，提出了一种基于自组织分级聚类的数据挖掘方法．该方法采用最大似然分类自组织特征网络（MAXNET）聚类过程，利用自下而上聚合层次聚类方法，对有畸变的二值化输入模式作最大似然分类．最后对一个销售电脑商场中，与任务相关的交易数据集进行了分析，描述了从低层次概念到高层次概念的相互关系．并用matlab仿真软件把该方法和传统方法进行比较，表明了该方法的有效性．     

人工神经网络技术在矿区土地复垦中的应用

针对中国土地复垦起步晚，新技术与新理论应用较少的问题，研究利用人工神经网络来辅助土地复垦的决策。介绍了利用自组织映射神经网络的自动分类功能对进行矿区土地复垦条件分类，为因地制宜地采取复垦措施提供依据。然后，基于BP神经网络，选取评价因子，通过对已有经验的学习，对复垦土地适宜性进行评价，并与传统的方法相比较，研究结果表明，利用人工神经网络辅助矿区土地复垦决策是可行的。     

煤层气的富集成藏类型初探

通过对煤层气赋集成藏因素和机理的分析，结合煤层气勘探中有煤层却没有煤层气赋集，有煤层气赋集未必是勘探的有利选区等地质认识，探讨了煤层气藏的概念，并根据煤层气藏的成因和构造形态对煤层气藏类型进行了详细划分，共划分了8种煤层气藏类型，包括了目前所有已经发现煤层气藏类型。并认为只有在含气饱和度较高的煤层气藏，且具有较高的渗透率，才能成为煤层气勘探的有利区块。     

动态的 SDN 网络流量模式增量学习算法

针对基于人工神经网络的流量统计特征学习算法在动态适应性和可扩展性等方面尚显不足.提出了一种基于增长型自组织映射(GSOM)的增量学习算法,对软件定义网络(SDN)数据平面交换机的流表统计信息进行持续学习,动态获取网络流量的GSOM神经网络模型.基于DARPA99数据集的实验结果表明:所提出的算法能够通过学习确认安全的SDN流量,获得稳定、可塑的流量模式,对异常流量也有较高的敏感度.     

应用型本科高校经管专业统计学教学实证分析 ——以莆田学院为例

针对应用型本科高校统计学教学效果不佳的现状,在莆田学院经管类专业展开问卷调查,并采用问卷数据进行实证分析。统计分析发现,学生对统计学的使用性认知有限、努力程度不足,统计学教学和考核偏理论、缺乏实际应用等问题。因子分析表明,影响教学效果的多个变量可降维为教师教学水平、学生学习投入、专业联系度、实践教学和教材适用度5个因子。回归分析表明,这5个公因子对教学效果均存在显著影响。最后,提出相关建议:提高教师教学水平、改变学生对统计学使用性的认知、增加实践学时等。     

基于堆叠自编码器神经网络的复合电磁检测铁磁性双层套管腐蚀缺陷分类识别方法

铁磁性双层套管长期服役于恶劣的工作环境,极易出现腐蚀缺陷,定期为服役中的双层套管进行在线检测十分必要,而对管壁腐蚀缺陷位置的分类识别是管道定量检测与维修的前提和基础,实时准确的套管腐蚀缺陷分类识别能力是决定管道在线检测效率的重要因素。针对这一情况,将脉冲远场涡流和脉冲涡流技术相结合,提出了基于堆叠自编码器神经网络的分类方法。通过仿真和实验选取合适特征量作为输入层,实现了内管外壁腐蚀、外管内壁腐蚀和外管外壁腐蚀的分类,实验整体预判精度可达97.5%,结果表明该方法可对双层套管腐蚀缺陷缺陷实施高效、高精度分类识别。