摄像机定标方法综述

首先介绍了摄像机定标的意义、成像模型以及分类。然后具体分析了常用的定标方法,评价了各种方法的优缺点,最后提出今后有待进一步研究的方向。     

基于DirectX的双缓冲图形绘制技术在动量定理仿真中的应用

提出了一种基于DirectX的实时双缓冲图形系统的实现方法,并将其应用于质系动量定理仿真系统的设计中.通过构造出质系动量系统碰撞模型和采用线性编址双缓冲图形绘制技术,实现了质系动量定理的实时仿真.仿真结果较好地满足了质系动量定理的试验仿真要求.     

矩形布局优化问题的局部搜索蜂群算法

带平衡约束的矩形布局问题属于组合优化问题,当问题规模增大时求解困难。为提高求解效率,设计了一个蜂群算法,通过分析解的分布,提供了基于贪心策略的群体初始化方案,选择了有效的变异算子,将蜂群算法的搜索空间聚焦于最优解可能的区域。另外设计了一个二次局部搜索算法,对解的质量进行进一步提升。在10个公开的案例上与目前性能最好的算法进行了对照,提出的蜂群算法在其中9个较大规模的案例上超过了现有算法。理论分析和实验结果表明,相对于现有算法,所提蜂群算法能明显提高求解效率。     

图像梯度场的Gamma混合分布模型及其求解

梯度是图像处理中常用的重要信息，但目前还缺乏较准确的数学模型来描述图像梯度与图像组成之间的联系。为此，在分析图像梯度直方图的特点的基础上，提出了一种基于Gamma混合分布的梯度数学模型，随后推导了基于EM算法的模型求解方法，最后通过应用实例和结果分析验证了该模型的准确性和有效性。     

ORACLE数据库用户口令和角色管理策略及改进

用户口令的保密性不高，造成口令的泄露以及在MIS系统中存在的应用系统和数据库系统用户权限管理不统一的问题．都给数据库的安奎带来安全隐患。通过存储过程、函数、程序包和RBAC技术实现了ORACLE数据库用户口令的安全和前后台用户权限的统一。     

Pro/E在组合体读图辅助教学中的应用

组合体读图是工程图学教学中的重点和难点内容。本文给出了一种基于Pro/E进行组合体读图辅助教学的方法：采用常规组合体读图方法确定反映各主要组成形体基本形状特征的线框,将其作为Pro/E的二维草绘图;将各组成形体作为Pro/E的特征,通过分析其他视图,采用相应的拉伸、旋转等造型方法,构造各组成形体的三维模型;在其基础上通过局部造型调整,最后得到组合体的三维形体,从而较好地解决了目前组合体读图教学中在主动、灵活、方便、直观性等方面存在的不足。     

基于多层次不真实性传播结构的社交媒体谣言检测

当前谣言检测工作主要研究谣言传播的方向特性,而忽视了谣言传播的全局结构特性,导致不能充分挖掘谣言潜在的结构特征;此外,现有研究忽略了谣言原始传播结构中存在的不真实关系,从而限制了传播节点特征的学习。为此,该文提出一种多层次的动态传播注意力网络模型(Multi-level Dynamic Propagation Attention Networks, MDPAN)用于检测谣言。该模型通过节点级注意力学习谣言传播图中所有连接边的贡献度,动态地关注对识别谣言有用的传播关系,并基于图卷积网络分别提取谣言不同层次的传播特征、扩散特征以及全局结构特征,最后引入基于注意力机制的池化方法对这些多层次的特征进行有效融合。在公开的Twitter15、Twitter16和Weibo16数据集上的实验结果表明,该文所提出的模型对比主流基于传播结构的EBGCN模型,整体准确率分别提高了2.1%、0.7%和1.7%。     

基于XML的B/S模式下数据批量输入的一种方法

数据批量输入是B/S模式应用系统中经常遇到的一个待解决的问题。针对该问题提出了一种基于XML的实现方法,首先采用浏览器内置的文件上传控件功能将客户端中以Excel格式保存的缓存文件中的批量数据上传到服务器;然后在服务器端通过数据转换组件技术将其转换成XML格式;再以Web方式返回给客户端修改和确认;最后导入到服务器端数据库中保存,从而实现B/S模式下数据的批量输入。     

基于双预训练Transformer和交叉注意力的多模态谣言检测

社交平台上文本和图像相结合的多模态谣言比纯文本谣言更易于误导用户，因此研究多模态的谣言检测方法具有重要意义。现有方法大多只是对各个模态特征直接进行向量拼接，忽略了模态间联系，不能充分利用多模态信息。为了解决上述问题，提出了一种基于双预训练Transformer和交叉注意力机制的多模态谣言检测模型：首先使用预训练的Transformer(BERT和ViT)分别提取文本单词和图像的特征，克服了训练样本小的局限性；然后使用交叉注意力机制将文本和视觉特征进行特征融合，充分地学习到两种模态间的潜在联系；最后将得到的多模态融合特征输入谣言检测模块进行分类。实验结果表明，该模型在Twitter和微博数据集上的检测性能均高于多模态基准模型，有效性和泛化性进一步提升。