基于视觉检测技术的浮球姿态测量

给出一种基于图像信息估计被测浮球及其中心轴孔空间姿态的视觉检测方法.若相机焦距已知,且给定空间球与圆特征的形状参数,则可由单视方法估计该球心与圆特征中心位置及其法向方向.基于该算法,可实现对被测球体中心轴端面法线方向的估计,同时还可估计出被测球体及端面中心的位置,从而实现对目标浮球位置及姿态的非接触测量.数值仿真及实际图像处理结果表明了该算法的有效性.     

基于混合推理技术的蚜虫危害专家系统研究

为了满足蚜虫危害诊断与防治问题对专家系统的要求,根据蚜虫危害诊断与防治的特点和要求,将案例推理技术和规则推理技术引入到蚜虫危害诊断与防治专家系统中.阐述了案例推理概念和工作过程,在具体应用中提出了案例表示和检索方法.并以全新的角度提出了基于案例和规则的蚜虫危害诊断推理机制,给出了专家系统的整体结构,并对各个模块进行了详尽的阐述,最终以一个实例演示了诊断的流程.该系统在实际应用中获得了较好的效果.     

水平面显示屏虚拟斜置算法

为使人们在观看水平面显示屏时保持舒适的姿势,设计1种使水平面显示屏虚拟斜置的方法. 根据斜置平面与水平面显示屏的投影关系,提出上置法和下置法两种实现方式,得出其相应的虚拟算法. 比较两种算法的优缺点表明,上置法对屏幕尺寸有一定要求,但可以保持视点处于固定的位置,下置法对屏幕尺寸无过高要求,但视点要移动. 最后通过具体实验证明两种算法的可行性和可靠性.     

基于实例的隐喻理解与生成

语言中的明喻可以看作是带标记的隐喻,比较容易识别,为隐喻的理解和生成提供了很好的知识源.利用web搜索引擎大规模获取明喻实例,自动构建明喻知识库.基于明喻知识库,考察了汉语隐喻的源域分布情况;提出了一个基于实例的隐喻自动理解和生成方法.实验结果表明,隐喻的理解和生成均取得了较高的准确率.该方法具有很好的可扩展性.明喻知识库中所表达的概念之间的组合关系也可以用于其他多种自然语言处理任务.     

基于二代bandelets域HMT模型的图像分割

在小波域隐马尔可夫树模型(WHMT)图像分割算法的基础上,根据二代handelets系数的分布统计特性,提出一种新的bandelets域隐马树模型(BHMT)有监督图像分割算法.新算法试图利用二代bandelets能表示图像几何规律性的特点来改进分割效果.为证明算法的有效性,用合成纹理图像和真实的航空和遥感图像做分割实验,并和小波域隐马模型树分割算法作了对比,对合成纹理图像分割,用错分概率作为评价参数.实验结果表明,此方法错分概率低、分割效果理想.     

低功耗数字控制超长波发射与接收系统

针对管道、矿山和水下等特殊环境中的信息通讯与信号传输等问题,根据超长波(ELF Electromagnetic Wave)具有传播损耗小且相位稳定等特点,给出了超长波发射与接收系统的设计原理与实现过程.发射系统采用单片机控制,输出的信号经发射天线产生23 Hz超长波,接收系统对采集到的信号进行带通滤波及放大处理.工程实验表明,所设计的系统在锂电池供电状态下,具有发射功耗低(连续工作时间大于72 h)、发射功率大(传播距离大于10 m)、且对接收的信号处理快速可靠(动态时滞小于5 s)等优点.     

一种改进的波束域ESPRIT算法

高分辨方位估计技术在声纳、雷达、通信、地质探测等众多应用领域中占有十分重要的地位.ESPRIT算法作为一种成熟的高分辨算法有运算量小的优点,但其减小了阵列的有效孔径,在现有的高分辨处理设备中,由于空间的限制,阵列不可能随意增大,因此要最大限度的扩大阵列的有效孔径.通过对均匀线列阵下波束域ESPRIT算法(BmESPRIT)的研究,提出了一种基于ESPRIT的新算法,并给出了转换成波束域处理的构造方法.该算法利用后向平移技术,使两子阵列与原阵列具有相同的有效孔径.有效的利用了阵列资源.仿真结果表明在相同条件下该算法的估计性能明显提高.     

重点课程特色建设的研究与实践

文章以上海市重点课程建设项目"数据库原理及应用"的建设为背景,根据人才培养目标和课程的特点,探讨课程建设方案的定位、目标和特色,以及课程建设的重点和难点、研究课程实践教学和素质能力培养的方式方法等,提出通过课程建设激发学生学习的积极性、主动性和创造性,从而提高教学效果和应用型人才的综合素质能力。     

基于动态权重裁剪的快速Adaboost训练算法

提出了基于动态权重裁剪的快速Adaboost训练算法,当训练数据集较大时,可以大大提高训练速度.基于动态权重裁剪的Adaboost训练算法在每次迭代过程中舍去权重较小的大多数样本,保留权重较大的少数样本进行训练,迭代完成后检查这个利用少量样本训练得到的弱分类器在所有样本上的分类性能,如果错误率大于0.5,则扩大样本的数量重新训练本次迭代的弱分类器.由于在大多数迭代过程中,只利用了少量样本进行弱分类器的训练,从而提高了整个算法的训练速度.