基于弹性网格混合特征的脱机手写维文识别

手写体维文识别技术的关键在于特征提取方法的选择。为探求一种可靠性高、可分性强的脱机手写维文特征提取方法,在分析现有方法的基础上,结合维吾尔文字词自身的特点,提出一种在局部特征上基于弹性网格区域笔划密度、方向分解特征,在全局特征上提取交叉点、环、弧形笔划、附加笔划、外围轮廓特征的混合特征提取方法。通过在IFN/ENIT标准数据库及自采样数据集的聚类分析实验,识别正确率分别达到85%、84.3%。结果表明,方法综合统计特征和结构特征提取的优点,具有较强的抗扰能力,可分性优于GSC法。     

基于SVM区域构造的复杂中文版面分析

针对现有的版面分析算法对参数的敏感性以及弱适用性等缺陷,提出基于SVM区域构造的复杂中文文档版面分析算法。该算法通过选取最能代表区域字符特征的连通区(种子连通区)作为测试的第一特征,利用具有强学习和泛化能力的支持向量机实现区域构造,在构造的区域中运用投影快速判断文档阅读顺序。实验结果表明,该方法具有更好的适应性,对复杂的中文版面有满意的分析结果。     

基于DWT域的图像数字水印算法

提出了一种基于DWT域的图像数字水印算法。通过对宿主图像、经过Amold变换加密后的水印图像分别进行多分辨率小波分解,达到自适应嵌入水印信息的目的。实验结果表明,该方法嵌入的数字水印不但具有较好的不可见性,而且对图像处理有较好的鲁棒性。     

校企合作，培养IT应用型创新人才

本文结合苏州大学地方综合性重点大学的办学特色和苏州IT产业密集的地域优势,从校企合作模式、教学体系改革、师资队伍建设以及创新人才培养监控模式等方面全面介绍了苏州大学开展校企合作,培养IT应用型创新人才的具体措施,并给出了进一步的思考。     

强化实践能力,培养计算机科学与技术专业工程型人才

本文在全面分析地方院校计算机科学与技术专业在人才培养方面所面临的问题的基础上,提出了"强化实践能力,培养工程型人才"的培养模式,该模式已在苏州大学进行实践,效果良好。     

复杂文本网数据的主题建模进展

文中介绍了大规模文本网数据的主题建模研究的特点和近年来的重要进展.主题建模方法吸引了世界范围的广泛兴趣,并且促进了许多重要的数据挖掘、计算机视觉和计算生物应用系统的发展,包括文本自动摘要、信息检索、信息推荐、主题检测和追踪、自然场景理解、人体动作识别以及微阵列基因表达分析等.文中重点介绍文本网数据的4个主要特点以及对应的主题模型.文本网数据含有动态、高阶、多通路及分布式的结构,而之前的主题模型仅对部分的结构进行建模.而文中讨论了在三维马尔可夫模型的框架下统一对文本网数据的4个结构特点进行建模,并分析了结合三维马尔可夫模型和二型模糊系统对分布式单词计算和主题建模应用的可能性.除了对文本网数据的结构建模之外,还讨论了一些对三维马尔可夫模型能量最小化的机器学习算法.     

基于内容的视频分割技术研究

随着MPEG-4基于内容功能的提出以及MPEG-7标准的不断推广应用,视频对象分割技术已成为视频处理领域中的研究热点。视频对象分割就是从视频序列中分割出在语义上有意义的对象。目前对视频分割研究已从基于镜头的分割发展到了基于内容的视频对象分割。然而,基于内容的视频对象分割技术还不成熟。文中讨论了视频对象分割技术的发展和研究状况,从组成视频运动对象的分割系统出发,介绍了时域分割以及时空域联合分割等技术,并提出了一种基于多帧差的视频对象分割算法。最后对分割技术中需要深入研究的问题进行了探讨。     

点云空间与反射强度融合的非结构化道路可行驶区域检测

可行驶区域检测旨在检测和提取智能车辆在道路上可行进的区域, 目前主流的检测方法主要基于三维激光雷达的空间特征实现, 难以处理路面边缘无清晰空间特征的非结构化道路. 为此, 本文提出了一种基于点云空间和反射强度融合的非结构化道路可行驶区域检测方法. 首先, 通过融合反射强度因子改进了基于空间特征的柱坐标系检测模型; 然后, 使用强度和降维空间检测对检测精度较低的环形检测模型进行优化, 并将其与柱坐标系检测模型联合使用以提高方法检测准确率; 最后, 在自录实际道路数据集上进行对比实验. 实验结果表明本文方法显著提高了非结构化道路可行驶区域检测的成功率与精确率, 在结构化道路上也具有良好效果.     

融合全局和局部特征的Fisherfaces方法

提出了一种融合全局和局部特征的Fisherfaces方法。在Fisher线性准则下,抽取出图像全局特征和局部特征的最佳分类特征。计算待识别样本和训练样本集的加权欧氏距离。在最近邻准则下,判别待识别样本的类别,在ORL人脸库上进行的对比实验结果表明该方法的优越性。     

基于强化学习的相关反馈图像检索算法

相关反馈算法是图像检索不可缺的重要组成部分,是近来图像检索中研究的一个热点。提出了基于强化学习的相关反馈算法。根据强化学习中的Q_学习函数,建立矩阵Q,对每幅图像建立对应的一项Q_i（i=1,2,…,n）,记录每幅图像的本次检索中的累计反馈值,并根据加权特征法计算新的特征,对于每幅反馈的图像根据Q_学习函数计算其当前的累计反馈值。Q值越大即越与例子图像相关。由于强化学习是通过不断对环境的反馈来获得最佳的路径,这与相关反馈通过对用户检索意图的摸索来获得最优答案的思想一致。实验表明,提出的相关反馈算法具有更大的优越性。