Coremail邮件系统稳定获厦门航空青睐

正项目背景厦门航空计划搭建一套支持内、外网功能的邮件系统,经过多方比较和反复测试,Coremail凭借15年的技术积累,以及与蓝凌OA系统实现完美对接,获得厦门航空信息部门的肯定。解决方案Coremail邮件系统为大型分布式系统,包含多个服务模块。同一邮件服务器可以运行多个模块,充分发挥硬件性能。同一模块也可分布到不同服务器上,并发处理。     

视频马上看!傲游浏览器新功能抢先体验

正马上有钱,马上有对象,马上有车子,马上有房子……只要跟"马"沾边,心中就能做到"无码",拥有一切。等等～,我好像明白了什么?!就在前几天傲游浏览器官方微博上爆料出2月20日将要发生一件值得万众期待的一件事儿,居然还说载入史册什么的都是毛毛雨。最初一副红色的背景上一匹奔驰的骏马,而后又放出一副黄色的背景,马上多了一个礼物盒,就连官微的背景也做了红色的改版,这是神马节奏??     

中国版“亚马逊”在美上市 零售电商跨入“双寡头”时代

正背景概述2013年,兰亭集势、58同城、500彩票网、去哪儿和汽车之家等更多家中国公司在美国上市。2014年上半年途牛网与聚美优品已经先后上市。2014年1月30日晚间,京东正式向美国证券交易委员会递交IPO招股书,引起了资本市场各方的重点关注。5月22日,京东宣布其首次公开发行的93,685,620股美国存托股票("ADS")定价为每股19美元,每股美国存托股票相当于2股公司A类普通股。同日晚间,京东将在美国纳斯达克正式挂牌,抢先阿里上市。京东上市对于中国电商界来说,将是一个历史时刻,也是     

基于Robert算子的车牌图像边缘检测

车牌识别系统一般包括车牌定位、字符分割和字符识别三个模块。本文对车牌识别系统的三个模块中的图像定位进行分析。把采集到的图像进行灰度图转化,用Robert算子对车牌图像进行边缘检测,利用MATLAB实现车牌检测算法。     

基于背景和帧间差分法的运动目标提取

在自动人脸识别系统中,人体目标的检测是该系统识别人脸的前期关键步骤之一。为了能快速准确地检测出运动的人体目标,提出了背景差分法和帧间差分法相结合的运动目标提取检测方法。针对视频中的背景因镜头摆动或物体的移入/移出而有所变动,给出了几种提取背景的方法,比较各种方法后决定采用中值法快速地进行背景建模,随后采用自适应背景更新,结合两种差分法检测运动目标。通过实验验证了本文算法的有效性。     

基于样本集提取的现场钢材计数研究

针对现有方法实现现场计数的不可行性,提出一种基于提取样本的方式来实现现场环境下钢管计数方法。首先采用GRA和Top-hat联合增强方式改善图像质量,然后通过采用形态学填充的方式寻找标准物体样本集,最后形成权值模板再对梯度图像进行检测、统计计数。实验结果表明,该方法可以很好地在钢管加工过程及出入库中检测出钢管数量,具有较强的实用性。     

基于复化梯形公式的GM(1,1) 模型背景值的优化

背景值是影响灰色理论建模精度的重要因素之一。根据灰色系统理论建模机理以及数据累加生成具有非齐次灰指数规律,构建动态序列模型;基于积分几何意义的视角,利用函数逼近的思想,结合复化梯形公式,提出一种新的GM(1,1)模型背景值优化方法。算例结果表明,利用优化的背景值计算公式所建立的GM(1,1)模型在预测精度上有显著的提高。     

基于C-V模型和MRF的脑部MRI分割

为准确分割脑部磁共振图像(MRI)的灰质、白质和背景,提出一种基于C-V模型和马尔可夫随机场的全自动分割方法。采用C-V模型与形态学相结合的方法对脑MRI进行预处理,去除多余脑组织,获得待分割图像。引入灰度场局部熵的思想对惩罚因子进行估计,利用马尔可夫随机场模型建模实现脑灰白质的分割,并运用形态学方法获得最终分割结果。对96幅IBSR图像和46幅临床图像进行实验,结果表明,该方法能够实现脑部MRI灰白质的全自动分割,且具有较好的分割精度和较快的处理速度。     

用于图像分割的鲁棒的区域活动轮廓模型

针对非同质或者弱边界图像分割时出现的问题,提出一种改进的活动轮廓模型。首先,由图像的区域统计信息定义了一个新的能量泛函。区域统计信息由局部信息和全局信息采用新的加权组合而成。其次,采用水平集方法最小化该能量泛函,得到水平集演化方程并不断更新。最后,采用高斯滤波方法规则化水平集方程。此外,该模型可以退化成一种无需初始化和规则化的简单的全局活动轮廓模型。合成图像和真实图像的实验结果表明:该模型能有效地分割非同质或弱边缘图像,对噪声并初始轮廓曲线具有较好的鲁棒性,并且计算效率高。     

一种基于背景声音识别的移动社会活动推荐系统

随着智能手机和移动互联网的快速发展,人们的生活方式正在发生着变革。目前,智能手机终端集成了不同种类的传感器,如GPS、Wi-Fi、摄像头、麦克风等。通过内置传感器,可以搜集用户的相关信息,利用这些信息能有效地理解和识别用户行为,并为用户提供更好的个性化服务。文中主要面向大型工作或生活社区(如大学校园),提出基于背景声音识别的社会活动推荐系统MSSAR(Mobile Sound Sensing and Activity Recommender)。该系统通过音频传感器采集用户的背景声音,实时感知用户所处环境,并对用户实时活动(如在咖啡厅、在开会等)进行识别。MSSAR还能结合用户在线交互历史数据计算其偏好及社会关系亲密度,并据此为用户进行活动推荐。本系统基于以人为本的计算理念,对增强用户间社会联系、促进社区成员间活动交流具有积极意义。