变系数(2+1)维耦合可积广义Kaup型模型的N-孤子解析解及其应用

借助计算机符号运算和齐次平衡法,研究了流体力学和等离子体物理中因环境影响导致的高阶非线性耦合因素产生的变系数(2+1)维耦合可积广义Kaup型模型.通过齐次平衡法,得到了该模型变系数之间的约束条件和Bcklund变换,求出了该模型的单孤子解、双孤子解、三孤子解以及N-孤子解的解析表达式.最后给出了相关的单孤子、双孤子、三孤子变化图形及其相关性质的分析,解释了不同的外界环境因素会影响孤立波间的相互作用,由此更好地理解在流体力学和等离子体物理中一些孤子传播的物理现象.     

基于透视点和区块特征的多车粘连分割方法

针对交通视频车辆检测与跟踪中经常出现的车辆前景粘连问题,提出了一种利用透视点在图像轮廓上搜索车辆分割点并通过区块特征识别车辆的粘连车辆分割方法.根据路面场景中车道线信息提取出透视点和车道区域,结合混合高斯模型与形态学梯度轮廓算法提取出车辆前景团块.利用透视点原理从前往后顺序分割粘连的车辆前景团块.对分割开的待检定区域,利用车辆区块特征进行检验识别,修正错误分割,将粘连的多辆车逐一分割.实验结果表明,该方法对直线道路上多辆车粘连的分割有较好的准确度和适应性.     

基于深度学习的小样本中药材粉末显微图像识别

针对中药材种类繁多、数据量稀少以及难以对其导管进行分类的问题,提出一种基于多通道颜色空间与注意力机制模型的卷积神经网络改进方法。首先,采用多通道颜色空间将RGB颜色空间与其他颜色空间合并为6通道作为网络输入,使网络学习亮度、色调和饱和度等特征信息,弥补数据量的不足;其次,在网络中加入注意力机制模型,其中通道注意力模型将两个池化层紧密连接到一起,空间注意力模型将多尺度空洞卷积结合到一起,使网络将注意力聚焦于小样本中关键的特征信息。实验结果表明,针对34种中药材样本的8774张导管图像,采用多通道颜色空间和注意力机制模型的方法,与原始ResNet网络相比,准确率分别提升了1.8个百分点和3.1个百分点,将二者结合后准确率提升了4.1个百分点,说明所提方法对小样本分类的准确率有着大幅度的提升。     

基于梯度增强的新闻字幕分割算法

新闻字幕的分割在基于语义的新闻视频检索系统中具有重要的意义,为此提出一种基于梯度增强的新闻字幕分割箅法.该算法使用图像多方向梯度的加权和代替图像的标准方差,通过各方向权值的调节加强某些方向的边缘信息,以提高分割效果.与一些经典的自适应阈值分割算法相比,该算法不仅能够保留大部分笔画,也能有效地减少断笔问题.基于光学文字识别的实验结果证明了文中算法的有效性.     

文本图像的去噪算法应用研究

针对在通过拍照采集图像的过程中由于光照不均而造成的文本图像的噪声问题,研究了文本图像区别于一般图像的结构特征和噪声特征,提出了一种基于文本图像的投影结合分块形态学的快速去噪方法.该方法对输入的文本图像进行二值化,对二值化后的文本图像进行投影处理,根据对投影结果进行分析来快速去除行列间噪声,根据行列间噪声的多少产生一个阈值,通过这个阈值来确定分块后的图像是否需要字符内去噪,字符内去噪则采用形态学滤波法.实验结果证明,该方法对于正常情况下光照不均的文本图像的去噪较传统的全局去噪算法的效率更高,效果更好.     

多层智能状态空间建模方法的研究及其应用

阐明了"多层智能状态空间"建模方法的研究现状,针对复杂大系统建模中的不确定性与不确知性,尤其是人为主观造成的模糊性与采样数据随机性并存的问题,结合云模型的相关理论和方法设计了"多层智能状态空间"建模方法,给出了模型构建的完整约束及智能信息处理方案。最后将该方法用于我国能源系统分析研究中,构建了多层能源系统分析模型,给出了模型的求解方法,建立仿真实验平台进行实验比对分析,取得了较好的结果,证明了该方法的简单性和有效性。     

循环赛竞赛编排的算法实现

根据对抗性体育竞赛赛事编排的需要,结合球类等运动项目的组织规则和相关规定．运用数据库及网络技术,设计循环赛的比赛编排方法,同时赛事成绩信息通过通用运动会管理系统进行管理和发布,实现运动会的完全信息化管理。系统使大量繁琐的人工计算任务通过简单方便的操作便可以实现,大大减轻运动会组织人员的劳动强度,提高工作效率,保证数据的准确性、安全性。     

基于RBF神经网络的HTTP异常行为自动识别方法

随着互联网的高速发展和用户规模的不断扩大,各种针对网络服务端的攻击不断增加。目前大部分的网络防护措施主要针对对网络层和传输层的攻击,对针对应用层的攻击几乎没有防护能力,但越来越多的针对Web的攻击通过应用层完成。文章提出一种基于RBF神经网络的HTTP攻击行为自动识别方法。该方法通过模拟基于HTTP协议的正常行为和异常行为,对获取的Web通信过程中的数据包包体内容进行分析,结合数据包包头的相关信息,构造基于HTTP协议的网络行为。通过大量的模拟实验,形成大量的基于HTTP协议的正常行为记录和异常行为记录,再使用这些行为记录训练基于径向基函数的神经网络。系统可以利用训练好的神经网络从当前的基于HTTP协议的网络行为中自动识别异常HTTP行为,再将识别出的异常HTTP行为存入异常HTTP行为库中。     

当代大学生价值观的矛盾、成因及其解困路径

当代大学生的政治价值观、人生价值观、道德价值观、择业价值观、择偶价值观均呈现出一定的矛盾,其原因主要有五个方面,"三个结合"是大学生走出价值困境的有效路径。     

I/O Efficient Early Bursting Cohesive Subgraph Discovery in Massive Temporal Networks

Temporal networks are an effective way to encode temporal information into graph data losslessly. Finding the bursting cohesive subgraph (BCS), which accumulates its cohesiveness at the fastest rate, is an important problem in temporal networks. The BCS has a large number of applications, such as representing emergency events in social media, traffic congestion in road networks and epidemic outbreak in communities. Nevertheless, existing methods demand the BCS lasting for a time interval, which neglects the timeliness of the BCS. In this paper, we design an early bursting cohesive subgraph (EBCS) model based on the k-core to enable identifying the burstiness as soon as possible. To find the EBCS, we first construct a time weight graph (TWG) to measure the bursting level by integrating the topological and temporal information. Then, we propose a global search algorithm, called GS-EBCS, which can find the exact EBCS by iteratively removing nodes from the TWG. Further, we propose a local search algorithm, named LS-EBCS, to find the EBCS by first expanding from a seed node until obtaining a candidate k-core and then refining the k-core to the result subgraph in an optimal time complexity. Subsequently, considering the situation that the massive temporal networks cannot be completely put into the memory, we first design an I/O method to build the TWG and then develop I/O efficient global search and local search algorithms, namely I/O-GS and I/O-LS respectively, to find the EBCS under the semi-external model. Extensive experiments, conducted on four real temporal networks, demonstrate the efficiency and effectiveness of our proposed algorithms. For example, on the DBLP dataset, I/O-LS and LS-EBCS have comparable running time, while the maximum memory usage of I/O-LS is only 6.5 MB, which is much smaller than that of LS-EBCS taking 308.7 MB.