基于图像分层树的图像语义分割方法

针对传统语义分割模型缺乏空间结构信息,无法准确地描述对象轮廓的问题,提出了一种基于图像分层树的图像语义分割方法。分层树模型采用结构森林方法生成轮廓模型,为防止过度分割,运用超度量轮廓图算法得到多尺度轮廓图,然后利用支持向量机训练多尺度轮廓图生成图像分层树,通过随机森林精炼分层树,最终输出图像语义分割结果。在测试实验中,像素精确度达到82.1%,相比区域选择方法(Selecting Regions)提升了2.7%。并在较难区分的树和山脉的预测精确度上,相比层次标记方法(Stacked Labeling)分别提升了16%,25%,具有更高的稳定性。实验结果表明,在复杂的室外环境下,对图像语义分割的精确度、稳定性和速率均有明显改善。     

双端制动器惯性试验台的设计

随着我国汽车工业的迅猛发展,汽车产量不断增多,车速越来越高,对汽车制动性能要求也越来越高。汽车制动器是汽车上的重要设备,其质量的好坏影响着行车的安全。电惯量模拟是近几年兴起的一种比较先进的负载模拟方法,文章就制动器惯性试验台系统结构以及电惯量模拟的方法进行了比较详细的说明。     

建构主义教学观与英美文学教学

由于传统教学观念的影响 ,在英美文学教学实践中 ,灌注式的教学模式一直比较通行 ,学生往往成为教学的客体与附庸 ,批判性和独立性受到压抑。建构主义教学观正是针对传统教学中这种弊端而提出的。本文从对传统英美文学教学的反思出发 ,提出了从外部研究走向多角度定义探讨和以教为中心到以学为中心的教学观 ,从而对当前英美文学教学改革的途径、方向与具体实施方法进行辨析 ,希望能对当前的英美文学教学改革工作有所触动。     

彩色自然纹理分类识别的研究

为了建立描述彩色自然纹理的参数体系,选用木材纹理这种典型彩色自然纹理为研究对象,提取了木材图像颜色矩和高斯-马尔可夫特征参数,采用改进的模拟退火算法进行了特征优化筛选及特征级参数融合,得到纹理参数体系并进行分类识别实验,识别率为97.25％,明显高于融合前单参数体系.研究表明用该参数体系对彩色木材纹理进行分类识别是可行的,也可用于与其相近彩色自然纹理的分类识别.     

基于随机游走的大规模图中节点对采样算法

社会网络中的节点对采样可用于大规模社会网络的好友预测和用户兴趣识别.当整个网络的拓扑结构不完全或者随机选择用户的代价很高时,传统的均匀顶点采样方法的性能迅速下降.为此,提出了一种基于随机游走的大规模图中节点对采样算法.首先对社会网络的节点对采样进行了系统分析,对不同跳数下的节点对进行了定义;然后将社会网络转换成等价的网络图.新图中的顶点是原图中的边,新图中边的两个顶点是原图中含有相同顶点的两条边.最后,在新图上应用随机游走模型对节点对进行采样.实验结果表明,提出的方法统计误差小、执行效率高,性能明显优于均匀节点采样的相关算法.     

软件可靠性评测的多因素决策模型

提出了一种利用软件生命周期过程中影响软件可靠性的软件质量特性进行软件可靠性评测的方法.从软件失效的机理出发,分析并提取了刻画软件可靠性各个方面的因素,同时借助模糊分析及专家系统的理论对软件可靠性因素进行了定量的划分和描述.针对软件可靠性评测的多因素决策问题,提出了一种基于随机森林的软件可靠性评测模型.通过蒙特卡罗模拟仿真建立了各个可靠性因素的概率模型以获得评测样本数据集,并在此数据集上对所提出的评测模型进行了评测和分析.实验结果表明,所提出的方法能够对软件可靠性进行准确的评测,且不依赖于特定的可靠性因素的先验概率,显著提高了软件可靠性的评测性能.同时验证了该方法能够克服小样本集上易出现的过拟合及表现力差的问题,具有较好的稳定性和鲁棒性.     

并发软件适应性随机测试方法

测试用例选择是软件测试中的关键问题之一.目前,测试用例选择在并发软件测试方面鲜有涉及.以多线程并发程序为研究对象,提出面向并发软件的适应性随机测试方法,通过优化测试用例选择,来提高并发软件测试的效率和错误发现能力.根据实验结果,我们提出的并发软件适应性随机测试方法比随机测试方法的测试效率更高,错误发现能力也更强.     

基于最大后验概率-马尔科夫随机场的二进制体数据优化

许多三维重建算法的结果以二进制体数据的形式给出,然而直接从中抽取等值面会造成阶梯化、锯齿化等走样现象.为此提出基于最大后验概率?马尔科夫随机场的二进制体数据优化方法.假设目标数据是随机变量并具有马尔科夫性,通过计算其最大后验概率推导了通用的优化公式,以及在常用模型下的优化公式;在此基础上,用户可选择不同的先验模型和观察模型来预测数据最有可能的取值,并将其作为优化结果.实验结果表明,文中方法可用于二进制体数据的可视化,光顺,去噪,修复等.     

光纤陀螺随机误差特性ThêoH辨识

随机误差特性分析是光纤陀螺进入工程应用阶段的关键技术.针对Allan方差、总方差、Thêo1 (Theoretical variance #1)等分析方法的不足,以Thêo1为基础,通过偏差消除获得ThêoBR(Bias-removed ver?sion of Thêo1),并将其与Allan方差合成,得到光纤陀螺随机误差特性分析的ThêoH(Hybrid-ThêoBR)法.通过计算重叠Allan方差、总方差、Thêo1以及ThêoH的等效自由度,结合仿真和实测信号的随机误差特性分析实验,证明ThêoH法不仅提高了Allan方差估计的置信度,且解决了Thêo1估计有偏的问题,表明了该方法是目前能够有效辨识光纤陀螺随机误差特性的最佳方法.