基于深度学习的双阈值图像局部分块视觉跟踪

现有的图像跟踪方法直接对图像像素级特征展开建模,未考虑图像内部深层视觉特征信息,导致其难以准确描述轮廓信息,致使跟踪效果较差.为解决上述问题,基于深度学习设计了新的双阈值图像局部分块视觉跟踪方法.以深度卷积神经网络为基础构建PigNet网络,检测图像分辨率与位置信息.然后通过PLSA算法估计分割区域类别,筛选出候选区域,并获得双阈值空间信息.继而利用EM算法在贝叶斯算法基础上更新高斯模型参数,获得最优模型参数和最大后验概率,从而实现视觉跟踪.实验结果表明,上述方法在双阈值图像局部分块视觉跟踪方面误差更小,证明新方法的实用性能较强.     

基于规则引擎和动态路径的大气污染应急处理系统

根据泄漏扩散、火灾及爆炸等突发性大气污染事故类型的应急处理处置特点,基于规则引擎技术和动态路径规划,研发相应的应急处理系统。首先在规则引擎中引入空间算子,增强规则引擎对空间数据的表达与分析能力;然后提出针对大气污染覆盖区的动态路径规划;最后基于Drools.Net和ArcGIS实现整个系统。实际应用证实了该系统的高效性和实用性。     

社交网络中网络谣言传播力信息拦截模型仿真

谣言在社交网络内传播的速度快,一旦传播人群密度较大,很容易造成严重后果的问题,因此提出了一种社交网络中网络谣言传播力信息拦截模型仿真,将社交网络内用户分为易感类、潜伏类、感染类与免疫类,明确不同类型用户下谣言传播力,在此基础上经过模型平衡点以及阈值内在机理分析,得出处于构建饱和接触率下,新网民不会对社交网络内谣言传播态势造成大面积影响.然后分析传染病模型内的临界阈值,超出临界阈值的会被拦截,反之则不会拦截.仿真结果证明,所构建的模型拦截谣言传播人员的密度较高,模型效果良好.