大学物理标准化考试的教育测量学分析

在大学物理标准化考试试行5年的基础上,对标准化考试作了教育测量学分析,测算出试卷的难度,区分度及考试的信度,并不断修改试卷使上述指标更加完善,为试题库建立做了充分准备。将一份试卷的考试结果作了教育测量学分析,测算出难度、区分度和信度,从这些指标中得到了改 进教学、指导学生学习的有用的信息。     

腈纶白度影响因素浅析

在3L模试装置上考察了硫氰酸钠一步法腈纶白度指标的影响因素。结果表明：原料丙烯腈中的恶唑含量是影响腈纶白度的主要因素。当恶唑含量由0．019％降至0．002％以下时,白度由0．28降至0．10;其次,硫氰酸钠溶剂白度、浅色剂加入量、聚合混合液pH值对腈纶白度也有不同程度的影响。     

面向分层B帧编码的帧级别码率控制算法

为了更有效地支持分层B帧编码结构,提出了一种帧级别码率控制算法.首先,根据编码内容的复杂度和可用信道带宽自适应选择最佳初始量化参数;其次,根据分层B帧的编码结构特点,分别从图像组级别、时域层级别以及帧级别进行码率分配;最后,采用二次码率-量化模型计算量化参数并进行调整.实验结果表明,该算法与传统的码率控制方法相比,在提高码率控制精度的同时,能带来最高1.5 dB的峰值信噪比增益.     

人脸识别中基于系数相似性的字典学习算法

在现有的基于稀疏表示分类算法的人脸识别中,使用通过稀疏学习得到的精简字典可以提高识别速度和精确度。metaface学习(Metaface Learning,MFL)算法在字典学习过程中没有考虑同类样本稀疏编码系数之间具有相似性的特点。为了利用这一信息来提高字典的区分性,提出了一种基于系数相似性的metaface学习(Coefficient-Simi-larity-based Metaface earning,CS-MFL)算法。CS-MFL算法的学习过程中,在更新稀疏表示系数阶段加入同类训练样本稀疏编码系数相似的约束项。为了求解包含系数相似性约束的新的最优化问题,将目标函数中的两个l2范数约束项进行合并,将原问题转化为典型l₂- l1问题进行求解。在不同的人脸库上进行实验,结果表明,提出的CS-MFL算法能够获得比MFL算法更高的识别率,说明由CS-MFL算法学习得到的字典更高效且更具区分性。     

采用低秩与加权稀疏分解的视频前景检测算法

传统的鲁棒主成分分析模型能较好地解决视频前景检测问题.但是,若该模型的假设条件不能满足,算法性能会变差.针对此问题,本文提出了一种低秩与加权稀疏分解模型,通过对前景矩阵加权以增强其稀疏性.在建立加权矩阵的过程中,采用光流法获取每帧的运动矢量,以区分真实运动区域.其次,进一步提出一种增强模型,通过将加权矩阵作用于观测矩阵及背景矩阵,防止前景与背景的错误分离.实验结果表明,在无噪和有噪的情况下,提出的算法均能有效地分离监控视频中的前景和背景.     

MTBE生产技术及市场前景分析

介绍了甲基叔丁基醚的生产技术、国内外的需求情况以及在美国部分地区遭到禁用后,MTBE的市场前景分析和后市发展建议。     

分布式视频编码中基于多概率混合分布的相关噪声建模方法

相关噪声建模(Correlation Noise Modeling,CNM)的准确度是影响分布式视频编码(Distributed Video Coding,DVC)系统性能的关键因素之一.针对经过8×8离散余弦变换(Discrete Cosine Transform,DCT)后的相关噪声子带,本文提出了全新的基于多概率混合分布的CNM方法.该方法可根据子带的信息熵与子带在柯西、拉普拉斯和高斯三种概率分布下信息熵的相似度,自适应选择合适的概率分布对子带进行建模,提高了CNM的准确度.实验结果表明,采用本文提出的离线和在线CNM方法与现有典型的CNM方法相比,DVC系统的率失真(Rate-Distortion,R-D)性能均获得显著的提高.     

基于纹理方向预测的空域差错隐藏方案

在差错信道中传输视频压缩码流时,容易发生视频数据的损坏或丢失,这样不仅会对当前的视频帧产生影响,而且差错会蔓延到后续视频帧。I帧出错时的影响尤为严重。针对这一问题,本文在对H.264标准进行研究的基础上,对一种空域差错隐藏算法——纹理方向法进行了改进,结果表明,这种方法达到了较好的隐藏效果,改善了图像的主观质量。     

基于多重假设的视频压缩感知分层重建

为了改进视频压缩感知方案的性能,提出了一种基于多重假设的视频压缩感知分层重建方案。该重建方案以图像组为单位进行,首先独立重建关键帧,接下来对图像组中的每个非关键帧分配重建层级,并按照层级顺序由低至高逐层重建。每个非关键帧的重建过程逐块进行,需要其时域参考帧及当前帧中的空域数据集为每个重建块做混合多重假设预测,并通过求解全变分最小化问题重建预测残差,最后将预测值与预测残差相加得到重建图像。实验结果表明,在相同采样率下,本文提出的基于多重假设的分层重建方案比已有的方法可以获得最高约3.2dB的峰值信噪比增益。