基于整体特征的快速英文字母识别方法

文章提出了一种基于整体特征的小写英文字母识别方法.首先根据字母图像的赋值背景提取其整体特征,然后构建7个模板进行模板匹配.该方法不需要对图像作复杂的细化处理、轮廓提取等,减少了可能带来的误识和拒识,也不需要现有神经网络方法的长期训练,因而简单快速.同时,不同字体的字母图像其整体特性基本相同,因此识别率较高.     

基于特征选择的集成分类器抗噪性能分析

特征选择有助于增强集成分类器成员间的随机差异性,从而提高泛化精度。研究了随机子空间法（RandomSub-space）和旋转森林法（RotationForest）两种基于特征选择的集成分类器构造算法,分析讨论了两算法特征选择的方式与随机差异程度之间的关系。通过对UCI数据集引入噪声,比较两者在噪声环境下的分类精度。实验结果表明：当噪声增加及特征关联度下降时,基本学习算法及噪声程度对集成效果均有影响,当噪声增强到一定程度后。集成效果和单分类器的性能趋于一致。     

隔离开关二次回路防误闭锁改造与应用

分析泉州电业局220kV老式变电站原隔离开关二次防误闭锁回路存在的隐患,针对改造前存在的安全问题,提出了改造措施。     

物联网技术发展困境之研究

文章从科技哲学视角探析了物联网技术三位一体的内涵,在此基础上,总结了物联网技术在发展过程中面临的技术异化困境、通用目的技术困境和中等收入陷阱困境,最后就如何摆脱以上三大技术困境进行了思考,提出应当从主观意识上防止和消解物联网技术异化,从客观上认识物联网技术的连续性与阶段性统一发展,最终实现物联网技术的自由和谐发展的观点。     

多特征自适应融合的粒子滤波跟踪算法

针对跟踪过程中目标形态不断变化或部分遮挡导致鲁棒性差的问题,提出一种基于多特征自适应融合的粒子滤波跟踪算法.该算法从视觉特征集中选取了描述能力强的2种特征,并将其按照与目标模型的多尺度相似度进行线性融合;为了减小跟踪漂移,通过计算当前目标模型与初始目标模型的多尺度相似度自适应地更新目标模型.大量仿真实验结果表明,文中算法可以鲁棒地跟踪到部分遮挡和形态变化的运动目标.     

基于特征融合的步态识别算法研究

根据人体步态变化特点,提出一种基于特征融合和神经网络的步态识别算法。首先采用时域差分法对运动人体轮廓进行分割,然后分别提取空间特征和频率特征,将两步态特征融合在一起,从而实现步态的分类和识别。在CASIA步态数据库上进行仿真实验,仿真结果表明,该方法不仅克服了单一特征提取方法存在的缺陷,同时提高了步态识别正确率。     

质监局域安全网络通信开发

网络通信在当今已经不算新鲜事物了,但大多数网络通信都需要借助于Internet的服务器来实现,这就给那些具有大规模局域网络的用户造成了不便。出于安全考虑,质监局域网又不能直接连接到Internet,但又希望实现多人通信的目的,就需要局域化的通信工具。     

企业邮箱构建的新背景与MDaemon应用实践

对电子邮件现时的价值和企业邮箱的显著特点作了简要论述。企业邮箱在建立和提升企业形象、安全传递邮件、便于企业内部沟通方面具有比其他邮箱更大的优势。简述了Exchange、Lotus Domino、MDaemon、DBMail、TurboMail的特色。介绍了企业采用MDaemon后,在新老邮件服务系统迁移、反垃圾、反病毒表现、管理方便性等方面的效果,以及WebMail特色,技术支持等方面的情况。     

稀疏差分网络和多监督哈希用于高效图像检索

针对基于深度哈希的图像检索中卷积神经网络（CNN）特征提取效率较低和特征相关性利用不充分的问题,提出一种融合稀疏差分网络和多监督哈希的新方法SDNMSH（sparse difference networks and multi-supervised hashing）,并将其用于高效图像检索。SDNMSH以成对的图像作为训练输入,通过精心设计的稀疏差分卷积神经网络和一个监督哈希函数来指导哈希码学习。稀疏差分卷积神经网络由稀疏差分卷积层和普通卷积层组成。稀疏差分卷积层能够快速提取丰富的特征信息,从而实现整个网络的高效特征提取。同时,为了更加充分地利用语义信息和特征的成对相关性,以促进网络提取的特征信息能够更加有效地转换为具有区分性的哈希码、进而实现SDNMSH的高效图像检索,采用一种多监督哈希（MSH）函数,并为此设计了一个目标函数。在MNIST、CIFAR-10和NUS-WIDE三个广泛使用的数据集上进行了大量的对比实验,实验结果表明,与其他先进的深度哈希方法相比,SDNMSH取得了较好的检索性能。