基于组合策略的Lyapunov指数谱的计算

分析了基于BP神经网络模型的Lyapunov指数谱计算法存在的不足,提出了一种新的基于组合策略的混沌时间序列Lyapunov指数谱计算方法.由于该方法能够同时逼近给定目标函数的非线性部分与线性部分,因而具有更高的计算精度.最后将新方法应用于Henon映射Lyapunov指数谱的计算中.通过分析与比较,表明该方法具有更高的计算精度及更强的实用性.     

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.     

线上线下交互融合式教学模式的构建与实施

为实现互联网技术与高校教育教学模式的深度融合,提出线上与线下交互融合式教学模式的构建宗旨和具体实施环节。利用智慧云端作为线上线下学习的连接通道,实现学习与交互平台的有效结合。在有效激发教师主观能动性的同时,还能突出学生的主体性。教师通过课程宣传、资源投放、答疑指导、监督考核等环节实现既定教学目标;学生通过自主选课、自主学习、合作学习等环节,在全面掌握所学知识点的同时,加强了自主解决问题能力、知识推理能力和实践能力。为未来有效利用互联网技术来提高高校教育教学质量提供参考。     

高校图书馆知识地图的构建

分析了高校图书馆知识资源的分类,阐述了知识地图的相关概念,探讨了高校图书馆知识地图的构建方式。     

Shape recovery using high dynamic range images

An effective method for object shape recovery using HDRIs (high dynamic range images) is proposed. The radiance values of each point on the reference sphere and target object are firstly calculated, thus the set of candidate normals of each target point are found by comparing its radiance to that of each reference sphere point. In single-image shape recovery, a smoothness operation is applied to the target normals to obtain a stable and reasonable result; while in photometric stereo, radiance vectors of reference and target objects formed due to illuminations under different light source directions are directly compared to get the most suitable target normals. Finally, the height values can be recovered from the resulting normal field. Because diffuse and specular reflection are handled in an unified framework with radiance, our approach eliminates the limitation presented in most recovery strategies, i.e., only Lambertian model can be used. The experiment results from the real and synthesized images show the performance of our approach.     

虹膜识别算法研究

为了提高虹膜识别的速度和准确性,提出一种新的虹膜图像均衡法：将直方图均衡法和局部对比度增强法结合起来调节图像动态范围、增强局部对比度,并利用平衡式零谱矩滤波器对预处理后的虹膜图像进行分解,提取更准确的虹膜纹理特征。整个虹膜识别过程小于1．3s,准确率97．25％。可用于个人身份识别中。     

人工智能心理学研究的知识图谱分析

借助CitespaceⅢ对选自WoS的人工智能心理学研究文献进行知识图谱探析,结合自动聚类视图与议题标签展现了人工智能心理学领域的6个知识聚类:#0人工智能解决问题议题;#1人工与人类认知共性议题;#2人工智能学习议题;#3人工智能脑科学议题;#4人工智能环境认知议题;#5人工智能表征议题。在深入探究各聚类的核心与热点知识的基础上分析了人工智能心理学发展的各阶段特征:1.上世纪50年代图灵和米勒等人对机器认知与学习等概念的猜想与初探;2.70-90年代纽厄尔、西蒙和莱尔德等人基于模块记忆与层级分析对人工智能信息处理模型的系统性构建;3.本世纪初基于神经生理学的降维数据认知理论的发展;4.当下人工智能贝叶斯大脑与深度学习理论的兴起。     

三角代数上Lie积为平方零元的非线性双可导映射

设U是一个三角代数,Ω是U上平方零元的集合,φ:U×U→U是U上的一个映射(在每个变量上都没可加假设).若对任意的x,y,z∈U且[x,y],[y,z]∈Ω分别有φ(xy,z)=φ(x,z)y+xφ(y,z)和φ(x,yz)=φ(x,y)z+yφ(x,z),则φ是U上的一个双导子.     

基于知识图谱法的国内古镇研究可视化分析

以中国知网(CNKI)核心期刊与CSSCI库收录的1992—2017年我国研究古镇的682篇相关论文为数据,通过引文分析软件(Citespace V)对其进行可视化分析,绘制出国内古镇研究的知识图谱,描述和分析国内古镇研究的现状与热点.结果表明:发文作者核心团队不明显,呈现出"整体分散、局部集中"的特点,核心作者之间缺乏学术交流;同济大学处于核心地位,与较多机构存在合作关系,而其他机构科研能力与其相差较大;古镇领域主题随时间变化分为古镇资源研究、古镇保护与发展和古镇文化传承3个阶段,但近些年缺乏理论创新;古镇研究大致沿4个方向发展,研究内容与方法趋于多元化与多学科交叉.并从理论、视角和方法3个方面对国内古镇研究的趋势进行展望,为今后本领域的研究提供参考与借鉴.     

DEM最优线性生成技术——MADEM

讨论了DEM生成方法和高精度、高保真问题.指出评价生成方法的误差必须顾及内插模型的截断误差,并把它作为主要部分;给出了新型的地图代数DEM生成方法--MADEM(map algebra DEM),它是定义在最速下降线水平投影上的线性插值方法,通过赋值点线间的加权Voronoi的递归内插过程实现.它在同样条件下,具有远高于Delaunay构网下三角形上的线性插值方法精度,并具有高保真特性.分析和实例比较表明它是目前DEM最优的线性内插方法.