高中数学与信息技术的整合初探

信息技术的运用无疑为枯燥的数学教学带来了生机与活力,将抽象深奥的数学知识寓于直观而形象的感性素材中,使得教学更加生动活泼、富有特有的数学魅力,从而激起了学生浓厚的学习兴趣,实现了学生由要我学到我要学的转变。文章分析了信息技术在高中数学教学整合中的具体表现和重要作用,并对此进行了探讨。     

基于记忆机制的视觉信息处理认知建模

受人类认知环境方式的启发,将人类记忆机制引入到视觉信息处理过程,提出一种基于记忆机制的视觉信息处理认知模型,用于模拟人脑的一些认知过程。该模型主要包括5个部分:信息粒、记忆空间、认知行为、信息传递规则和决策过程。根据人脑三阶段记忆模型定义3个记忆空间:瞬时记忆空间、短时记忆空间和长时记忆空间,分别用于存储当前的、临时的和永久的视觉信息。该模型可记住或遗忘曾经出现过的场景,从而使其能快速适应场景变化。将其应用于计算机视觉研究中的两个关键问题:背景建模与运动目标跟踪。实验结果表明,该模型能较好解决复杂场景下背景或目标姿态突变以及目标被严重遮挡等问题。     

基于人类记忆模型的粒子滤波鲁棒目标跟踪算法

当目标被场景中的物体或其它运动目标遮挡,或者目标姿态发生很大改变时,粒子滤波器就会失效。为解决这类问题,受人类记忆机制的启发,文中将人类记忆模型引入到粒子滤波器模板更新过程,提出一种基于记忆的粒子滤波器。每个模板都要经过瞬时记忆、短时记忆和长时记忆3个空间的传输和处理。该粒子滤波器能记住曾经出现的目标模板,从而能更快地适应目标姿态的变化。实验结果验证了该算法的有效性。     

微粒陷阱对直流稍不均匀场中球状自由导电微粒运动的影响规律

针对气体绝缘系统(GIS)中自由导电微粒无害化研究问题,明确微粒陷阱对直流稍不均匀场中导电微粒运动的影响规律可指导后续微粒陷阱的设置。为此,建立了球状导电微粒在直流稍不均匀场中的运动方程,获得了导电微粒的运动轨迹,并将其分为水平滚动、起跳与反弹3个阶段;仿真分析了微粒陷阱宽度、深度对周围局部场强的影响,表明陷阱宽度是影响陷阱周围电场分布的主要因素;对比研究了在水平滚动和起跳两个阶段设置微粒陷阱对导电微粒的捕获效果,表明在起跳点处设置微粒陷阱可能导致导电微粒提前起跳,在水平滚动阶段设置微粒陷阱对导电微粒的捕获具有明显效果,并给出了水平滚动阶段微粒陷阱设置准则。最后,通过相关实验验证了上述结论的准确性。     

一种受人脑三阶段记忆机制启发的鲁棒运动目标跟踪方法

目前大多数运动目标跟踪算法在目标姿态发生突变或目标被严重遮挡后会产生目标丢失现象,为解决此类问题,受人脑三阶段记忆信息处理机制的启发,本文提出一种三层旋转圆记忆模型（Spinning Tri-Layer-Circle Memory Modeling,STLC-MM）用于在目标跟踪过程中对目标模板进行更新.模型定义了三个旋转圆记忆空间用于存储和处理跟踪过程中用过的目标模板.三个圆记忆空间旋转时,记忆空间中的模板也随之以相同的速度旋转,同时模型通过模拟一些人类的认知行为,如,记忆、提取、遗忘等对模板进行更新.最后,为了验证所提方法有效性,本文将STLC-MM嵌入到粒子滤波目标跟踪框架进行目标跟踪实验.实验结果表明所提方法在目标姿态突变以及严重遮挡等方面具有较强的鲁棒性.     

基于记忆的混合高斯背景建模

混合高斯模型(Gaussian mixture model, GMM)可对存在渐变及重复性运动的场景进行建模, 被认为是最好的背景模型之一. 然而, 它不能解决场景中存在的突变, 如门的打开/关闭等. 为解决此类问题, 受人类认知环境方式的启发, 本文将人类记忆机制引入到背景建模, 提出一种基于记忆的混合高斯模型(Memory-based GMM, MGMM). 每个像素都要经过瞬时记忆、短时记忆和长时记忆三个空间的传输和处理. 本文提出的基于记忆的背景模型能够记住曾经出现的背景, 从而能更快地适应场景的变化.     

基于多智能体协同进化的粒子滤波目标跟踪算法

在对视频图像中的目标进行跟踪时,由于现有的粒子滤波器存在粒子退化和多样性丧失等问题,导致跟踪精度降低。文中提出一种基于多智能体协同进化的粒子滤波目标跟踪算法。该算法将多智能体协同进化机制引入到粒子滤波的重采样过程,通过对粒子个体和局部生存环境的重新定义,使粒子成为具有局部感知、竞争协作和自学习能力的智能个体。通过粒子间的竞争、交叉、变异以及自学习等进化行为来实现重采样过程,在保证粒子有效性的同时还增加粒子的多样性。实验结果表明该算法可对复杂视频环境下的运动目标进行准确、鲁棒地跟踪。