基于弹性网格混合特征的脱机手写维文识别

手写体维文识别技术的关键在于特征提取方法的选择。为探求一种可靠性高、可分性强的脱机手写维文特征提取方法,在分析现有方法的基础上,结合维吾尔文字词自身的特点,提出一种在局部特征上基于弹性网格区域笔划密度、方向分解特征,在全局特征上提取交叉点、环、弧形笔划、附加笔划、外围轮廓特征的混合特征提取方法。通过在IFN/ENIT标准数据库及自采样数据集的聚类分析实验,识别正确率分别达到85%、84.3%。结果表明,方法综合统计特征和结构特征提取的优点,具有较强的抗扰能力,可分性优于GSC法。     

翻转课堂中的深度学习模式应用

分析深度学习理论的内涵和要求,明确翻转课堂深度学习教学模式改革的必然发展方向,阐释深度学习路线的各个阶段和教学要素,提出翻转课堂深度学习教学模式,介绍教学实践过程并总结.     

基于量子门神经网络的车牌字符识别

针对车牌字符在车牌图象质量退化时识别率较低以及识别时间较长的问题,提出一种基于量子神经计算的车牌字符识别方法。该方法将通用量子门组作为神经网络的激活函数来实现量子神经计算,同时把字符的粗网格特征作为字符的识别特征进行车牌字符识别。实验结果表明,该方法能有效提高“带噪”车牌的识别率以及抗干扰能力。     

基于SVM区域构造的复杂中文版面分析

针对现有的版面分析算法对参数的敏感性以及弱适用性等缺陷,提出基于SVM区域构造的复杂中文文档版面分析算法。该算法通过选取最能代表区域字符特征的连通区(种子连通区)作为测试的第一特征,利用具有强学习和泛化能力的支持向量机实现区域构造,在构造的区域中运用投影快速判断文档阅读顺序。实验结果表明,该方法具有更好的适应性,对复杂的中文版面有满意的分析结果。     

一种因特网上视频数据的分层编码和传输方法

分层的视频编码和传输在因特网广播／多播系统中起着非常重要的作用。它能够生成多个互补的压缩编码层次,其中每个层次可以分别利用因特网的一个多播通道传送。用户在其中可以做出一定的选择,接收其中的一个、几个,或全部的子流。这些编码层次能够组合成为具有不同时间分辨率和空间分辨率的视频,以满足不同接收端的处理能力限制、带宽限制或其它的用户要求,并同时保持网络的传输效率。该文改进了现在MBone上的PVH算法,利用3D－DCT来构造时间频率层次,以在保持实时处理的同时,提高PVH算法的帧间压缩能力,并使编码所产生的视频层次组合具有时间和空间双重可调整性。     

基于DWT域的图像数字水印算法

提出了一种基于DWT域的图像数字水印算法。通过对宿主图像、经过Amold变换加密后的水印图像分别进行多分辨率小波分解,达到自适应嵌入水印信息的目的。实验结果表明,该方法嵌入的数字水印不但具有较好的不可见性,而且对图像处理有较好的鲁棒性。     

校企合作，培养IT应用型创新人才

本文结合苏州大学地方综合性重点大学的办学特色和苏州IT产业密集的地域优势,从校企合作模式、教学体系改革、师资队伍建设以及创新人才培养监控模式等方面全面介绍了苏州大学开展校企合作,培养IT应用型创新人才的具体措施,并给出了进一步的思考。     

强化实践能力,培养计算机科学与技术专业工程型人才

本文在全面分析地方院校计算机科学与技术专业在人才培养方面所面临的问题的基础上,提出了"强化实践能力,培养工程型人才"的培养模式,该模式已在苏州大学进行实践,效果良好。     

复杂文本网数据的主题建模进展

文中介绍了大规模文本网数据的主题建模研究的特点和近年来的重要进展.主题建模方法吸引了世界范围的广泛兴趣,并且促进了许多重要的数据挖掘、计算机视觉和计算生物应用系统的发展,包括文本自动摘要、信息检索、信息推荐、主题检测和追踪、自然场景理解、人体动作识别以及微阵列基因表达分析等.文中重点介绍文本网数据的4个主要特点以及对应的主题模型.文本网数据含有动态、高阶、多通路及分布式的结构,而之前的主题模型仅对部分的结构进行建模.而文中讨论了在三维马尔可夫模型的框架下统一对文本网数据的4个结构特点进行建模,并分析了结合三维马尔可夫模型和二型模糊系统对分布式单词计算和主题建模应用的可能性.除了对文本网数据的结构建模之外,还讨论了一些对三维马尔可夫模型能量最小化的机器学习算法.     

基于支持向量机的压裂井层优选

压裂是油田重要的增产措施，合理选择压裂井层是一项十分复杂的工作。在对影响压裂效果的各种因素综合分析的基础上，提出了基于支持向量机技术的压裂效果预测方法。采用该方法，利用油田开发动、静态数据，构建了压裂井层优选的支持向量机模型，对大庆油田采油八厂样本进行处理，符合率达89％以上，并在不同数目学习样本的情况下同模糊神经网络作了比较，性能远优于模糊神经网络，可很好地克服过学习问题。