基于网络的主题协作学习模式的探索

以微型计算机原理及应用课程网络教学改革为例,详细介绍一种基于网络资源利用的主题协作学习的模式,并提出网络环境下学生学习态度、网络教学环境、教师指导和自我评价表质量等建议。     

影视作品中“审丑”现象流行的原因——从王宝强的走红谈起

从王宝强走红影视圈的案例出发,讨论了当今影视作品中的"审丑"现象流行的原因。这种"丑",不涉及品德,而是单纯的外貌丑,而这种外貌丑又是相对的。认为"审丑"现象的产生主要基于观众的审美疲劳,时代导致审美趋向多元化,把审美的意义赋予丑的形象,丑星的现实生活基础等几个原因。另外指出这种类型的丑星需要对自己加以调整、提高演技才能在影视圈走得更久,否则会引起观众的"审丑疲劳",不过是昙花一现。     

基于MP算法的快速地震信号谱分析

MP(Matching Pursuits)算法以其灵活的自适应性,取得了广泛的应用,但依然存在计算量大的应用瓶颈问题.为了解决传统MP算法运算量大的问题,首先对MP算法的原理进行了介绍,然后针对其计算量大的问题提出了一种基于遗传算法的快速算法,有效地降低了MP算法的运算量,较好地解决了运算量大的问题.最后利用MP算法对地震信号进行了谱分析,消除了Wigner算法中的交叉项,从而有效地揭示了地震信号的时频信息.结果表明,改进后的MP算法可以作为地震信号谱分析的有效算法,为烃类检测和储层描述等提供有地效的手段.     

一种基于人工神经网络的快速超分辨率方法

图像的超分辨率是指利用一幅或者多幅的低分辨率图像,通过相应的算法来获得一幅对应的清晰的高分辨率图像.针对现有的基于学习的超分辨率方法低效率的问题,提出一种基于人工神经网络的快速超分辨率方法,该方法试图利用人工神经网络学习到高分辨率图像和低分辨率图像之间的函数关系,其理论基础来自于人工神经网络能够很好地求解流形学习中高维流形和低维流形之间的映射关系.     

基于信息势能的鲁棒估计器及其在同时定位与地图构建问题中的应用

提出了一种基于信息势能鲁棒估计器来解决机器人室内的同时定位与地图构建（SLAM）问题．结构化的室内环境可以用线段近似表示．然而动态环境中,测距传感器测得的数据通常湮没在大量的噪声信号中．本文采用“分割与合并”（split—and．merge）方法进行线段的分类,根据信息势能的性能指标衡量每个采样数据对该线段的信息贡献量．按照信息优化理论设计估计器,选择信息量贡献大的样本点作为信息内点提取线段参数,构建局部地图．采用粒子滤波器进行地图及机器人路径的更新．采用递推的方法估计信息势能,降低了对样本点的信息量贡献做估计时的复杂度．仿真和实验结果证明,本文所提出的方法具有较强的鲁棒性,提高了SLAM策略的准确性和实时性．     

遥操作系统力觉接口的无源性设计

力觉接口是指人和遥操作机械手之间的接口,用来给操作人员提供操作时的一种虚拟环境．无源性是这种接口系统设计的主要要求,但是前人得出的无源性条件过于保守．本文从采样控制系统的频率特性出发推导了一个没有保守性的接口系统无源性的条件．文中并指出无源性只是接口的一个属性,要正确设计还需考虑到伺服设计的一些基本要求,诸如系统的带宽、阻尼等．文中还结合例子给出了接口系统无源性设计的步骤．     

数字式涡街流量计应用中关键问题的研究

对基于谱分析的数字式涡街流量计在应用中响应速度比较慢及其在小流量或小口径时流量计输出波动两个问题进行了深入分析.采用设置门限值的方法提高了系统响应速度.对频谱分析结果进行多次为0判断,解决了系统输出断续问题.通过对频谱分析结果的限幅,在平均时去掉超过标准差的频率值,并去掉最大值和最小值,对平均结果进行第二次平均的方法减小了系统输出的波动,提高了流量计输出稳定性.     

黏性食品称重系统设计及称重方法研究

为了解决黏性块状食品在动态定量称重中遇到的黏结问题,以及在称重中速度与精度的矛盾问题,分别对机械结构、电路系统和软件算法进行了设计改进和方法研究.机械结构采用双管螺旋喂料机和特殊的称斗结构;电路采用数字可编程的AD8555作为称重传感器微弱电信号的放大器,32位微处理器LPC2134作为电路系统核心;程序设计采用分阶段称重、FIR软件滤波以及微分算法,对执行机构发送命令,从而提高黏性食品的称重精度和速度.     

基于流媒体的隐蔽通信可靠传输机制的研究

首先分析了原有流媒体隐蔽通信系统模型在传输机制上存在的问题.在此基础上改进了原有的传输方案,提出了一种新的基于流媒体的隐蔽通信的可靠传输机制,并进行实现和实际测试.实验结果表明,对于只有当载体满足一定条件时才可以嵌入的隐藏算法,新的传输机制也能保证可靠传输,性能较以前的方法也有长足的改善.     

面向属性效应控制的等均值约束支持向量回归机

针对现有的属性效应控制方法无法有效控制非线性回归建模的属性效应问题, 基于间隔最大化和结构风险最小化原则, 通过向SVR 目标学习准则中施加等均值条件约束, 提出等均值支持向量回归机(EM-SVR). 所提出的方法具有较好的泛化能力, 同时继承了EM-LS 的良好性能. 实验结果验证了所提出方法的有效性.