图像深度层次特征提取算法*

完成众多视觉任务的关键是提取具有较强表达能力的图像特征,传统的图像特征仅描述图像某一方面的信息,表达能力受到很大限制.文中基于卷积神经网络提出图像深度层次特征（DHF）提取算法,通过对图像的层层抽象表达,可以有效挖掘隐藏在图像内部的本质信息.首先基于卷积神经网络产生图像特征图,选取卷积输出层的特征图构建图像阶层结构.然后基于匹配实验选择最佳的层级组合,采用信息熵描述低层级特征图,采用区域平均的方法描述高层级特征图,最终构建具有较强表达能力的DHF特征.实验表明,相比已有特征,DHF特征优势明显,可以高效准确地完成图像匹配任务.     

基于Google地图API的空间信息发布

传统的在线地图服务具有一定的局限性--仅支持客户浏览和查询,为了实现客户端自主录入数据,服务器端接收空间信息并发布到在线地图的目标,提出了一种构建空间信息发布系统的新技术。该技术基于B/S模式架构,通过改进Google Maps API的事件侦听器,自动获取标注处地理坐标,服务器端使用一种自定义的XML文件读取录入数据,然后利用地址解析函数解析该XML文件,将含有位置信息的数据标注到Google地图上,从而实现了本地属性数据在Web地图上的发布。基于该方法成功开发了武汉大学校园导航系统,验证了该方法的可行性。     

基于ICA与ViSOM的不完整数据处理

本文介绍了数据挖掘中不完整数据的研究现状及ICA与ViSOM的特点,提出了基于ICA与ViSOM的不完整数据的处理模型IVIS-IDH,研究了数据之间存在相关关系且为非高斯分布时不完整数据的处理方法,对缺失数据值的估计方法及其估计的残差进行了详细的讨论和分析,并在ViSOM基础上取得了不完整数据集的可视化分析结果,从而克服了S.＆Wang提出的不完整数据处理方法的不足。     

改进的自适应模糊ISODATA灰度图像分割算法

传统模糊ISODATA（Fuzzy ISODATA,FISODATA）算法中,分裂-合并操作需人工选取阈值参数。而不适当的阈值往往使算法陷入局部极值,因而得到错误的类属数并最终影响图像分割结果。为此,在模糊集理论基础上提出一种改进的自适应FISODATA算法。该算法设计了自适应分裂-合并操作,即在每次分裂-合并后,根据该次计算结果改变参数阈值,解决了人为选取参数带来的诸多问题。利用该算法对模拟图像和真实IKONOS图像进行分割实验,均能得到良好的分割结果。     

Google Maps API在WEBGIS中的应用

Web地图服务是利用成熟的网络技术、通信技术、GIS(地理信息系统)技术,实现一种新的地图服务方式。随着计算机及网络技术的迅速发展和普及,Web地图服务会逐渐被人们认知,成为相关行业领域的一个高科技助手。从Google于今年初推出在线地图服务GoogleMap开始,随着微软(MSN)、雅虎、亚马逊等公司的参战,地图搜索服务日趋火热起来。     

改进自组织迁移算法及其在Bump 问题中的应用

提出了改进自组织迁移算法（Improved Self-Organizing Migrating Algorithm,ISOMA）。该算法通过在迁移过程中引入差分迁移方式来增加种群的多样性,将迁移的方向由原来的正方向扩展到正负两方向以提高算法的搜索能力,对步长进行自适应调整进一步平衡算法的勘探和开采能力。利用该算法来求解高维约束问题——BUMP 问题,计算结果表明新算法的有效性。     

Efficacy of a map on search, orientation and access behaviour in a hypermedia system

Many researchers have proposed hypertext and hypermedia as superior learning environments over traditional linear-based approaches. At the same time, reports of disorientation amongst students working in these environments has become a topic of major concern. The study reported in this paper sets out to investigate the efficacy of the provision of maps on students' ability to search, orientation and access information in a hypertext-based learning task. The domain used required students to learn about the theory of tectonic plates. The results indicate that the greater use of maps led to less relevant searching behaviour and less effective search effort. In conclusion, it is argued that the concept of the spatial metaphor has not served the designers and students of hypertext and hypermedia environments well. Further, it is proposed that designers of non-linear learning environments would be better served by concentrating on the fundamental usability of their systems rather than attempting to introduce navigational aids, which themselves are a symptom of poor design.     

基于自组织可增长映射的移动机器人仿生定位算法研究

为提高移动机器人在同步定位和地图构建(SLAM)中的定位精度,该文提出一种基于自组织可增长映射 (GSOM)的仿生定位算法。该方法将位置细胞的激活特性和神经网络输出层神经元建立响应连接,通过GSOM神经网络构建空间的拓扑地图,利用感知距离信息实现位置细胞的激活响应从而估计机器人位置,以此还原机器人的运行路径。实验结果表明细胞间隔R对定位精度有较大影响,选取合适的细胞间隔能有效地减少神经网络的学习时间,提高定位精度,该文算法平均误差在0.153 m以内,定位精度达到90.243%,均优于原有算法。经验证该文算法建立的模型能够实现机器人的空间位置表征,提高了机器人在实验场景下的定位精度,表现出良好的位置估计性能。