基于异构描述子的新型高斯混合模型图像自动标注方法

过去几十年以来,各种图像标注算法相继提出。这些方法要么需要很大的计算量,要么标注效果不理想。论文提出了一种基于异构描述子的新型高斯混合模型图像语义自动标注方法。本文的高斯混合模型是采用异构空间来构建的,不同于其他的高斯混合模型。对于每个标注词,在多个特征空间下分别用高斯模型来描述,形成对应子空间的“标注词分描述子”。由于各个分描述子描述不同标注词的能力有很大差别,因此通过机器学习的方法来融合这些分描述子,形成更加有效的“标注词描述子”,从而提高标注的准确率。论文提出的“标注词描述子”可以有效地建立图像高层语义概念与底层视觉特征之间的对应关系,准确地描述标注词的语义内容,从而提高图像的标注性能。通过在COREL数据集上的测试表明了方法的有效性。     

基于线条识别的图像语义分类方法

图像的底层特征与高层语义之间存在着“语义鸿沟”,机器不能由图像点阵或图像底层特征而推导出图像的语义.大多数算法中,图像底层特征的提取往往只关注图像单个点或者局部的特性.从基于点与点相互关系的角度来处理图像的语义分类,先简要介绍当前图像语义领域的相关研究方法,之后根据模式组合的思想,提出识别图像中轮廓线条的方法.算法首先利用Canny算法将图像转换为线条轮廓,然后提出一种从图像中识别不同线条的方法,并根据线条线长和角度变化率的分布范围来对不同类别的图像语义进行分类.实验证实了算法的有效性,且在仅有少量样本的情况下仍可获得较高的识别率.     

几种图像数据隐藏方法的比较研究

近年来,图像数据隐藏技术得到了突飞猛进的发展,得到了很多鼓舞人心的成果。在图像隐藏技术中,使用最多的图像嵌入规则有三种:加法嵌入规则、乘法嵌入规则以及基于融合技术的图像嵌入规则。本文对这三种图像嵌入规则的性能进行了分析和研究,通过比较我们发现,如果将图像隐藏过程看作是一个水印信道模型,则基于融合技术的图像嵌入规则所能隐藏的信息量远远高于另两种嵌入规则,而乘法嵌入规则其水印信道容量不受原始图像DCT系数标准差变化的影响,因此,在原始图像DCT系数标准差不稳定的情况下,采用乘法嵌入规则是一个好的选择。     

人工智能教育在能力培养中的作用及改革设想

结合我国人工智能教育的实际，讨论了人工智能碍程体系在能力培养中的作用，分析了我国人工智能的教育现状，对各专业（含信息类专业）人工智能课程体系及其相关问题进行了较深入的探讨，并进一步提出了课程体系的改革设想。     

在Linux下上ADSL

在 Linux 环境下,很多人习惯在命令行模式进行 ADSL上网的相关设置,整个过程比较复杂,难住了不少青睐 Linux的初学者。其实在 X 窗口界面下,有更简单的方法。Redhat9.0自带了 xDSL 拨号程序,在 Redhat 9.0中上 ADSL,甚至比在 Windows 下还简单:)。要在 Redhat 9.0中使用 ADSL,首先得设置好与网卡相关的参数。Redhat 9.0能自动识别并加载许多常见网卡,     

数字图像水印嵌入强度的矩估计方法

在水印图像是均值为零的随机二值序列、原始图像是服从Weibull分布(具有参数a和β)的独立同分布随机序列的条件下，对于原始灰度图像，水印嵌入强度的估计问题可归结为对隐秘图像和原始图像灰度平均值的简单计算的问题．提出矩估计方法，实验结果证实了该方法的有效性．对加法、乘法和融合三种嵌入规则的性能进行了比较和分析，所获得的结论对今后的研究有意义。     

基于遗传算法的平面图平面正交直线画图算法

提出了一种基于遗传算法的新的平面图平面正交直线画图算法，算法将平面图画图问题转化为约束优化问题，根据画图问题选定的美观准则构造约束函数，用遗传算法求解目标函数的最优解的近似值，从而得到平面图的平面正交直线画法。新算法的优点是方法简单，易于实现，画出的图形美观，算法稳定性好。实验结果表明，画图算法的最终结果不依赖于图的初始状态。     

基于改进进化规划的图像压缩中的矢量量化

提出了基于改进进化规划和LBG算法的一种新的矢量量化算法。由于进化规划中十进制编码方案的收敛速度比二进制编码方案快，因此在进化规划中采用十进制编码方案。同时，根据图像压缩的特点，为了提高算法性能，该文采用一种自适应的多位变异操作。之后将改进的进化规划引入到图像压缩的矢量量化问题中。实验表明，新算法在提高恢复图像质量方面比传统方法优越。     

不饱和聚酯片状模塑料耐漏电起痕性能的研究

在不饱和聚酯片状模塑料中分别加入氢氧化铝和二异氰酸酯预聚物对其进行耐漏电起痕改性。利用扫描电镜对材料被电弧击打后的微观结构进行观察。结果发现未改性不饱和聚酯片状模塑料出现不同程度的烧蚀碳化,而改性后的模塑料电腐蚀痕迹明显减弱,其耐漏电起痕性能明显提高。     

离散指数型BAM网络的记忆容量

基于Kosko的双向联想记忆模型BAM(bidirectional associative memory)原理,本文提出了一个离散指数型双向联想记忆模型.通过理论分析证实,该模型的记忆容量远远大于BAM的记忆容量.本文给出了指数型BAM记忆容量的下界.