面向智能视频监控的空中交通管制员图像分割

为解决复杂场景下空中交通管制员检测与分割精度低、鲁棒性差的问题,提出一种基于掩码区域卷积神经网络(Mask Region-based Convolutional Neural Networks, Mask R-CNN)的管制员图像分割模型ATC Mask R-CNN(ATC Mask Region-based Convolutional Neural Networks)。首先,构建管制员监控图像数据集(ATC Monitor Image Dataset, AMID)并用于模型训练、测试;其次,在主干网络中引入瓶颈注意力模块(Bottleneck Attention Module, BAM)以增强管制员特征提取,采取改进的柔性非极大值抑制算法(Soft Non-maximum Suppression, Soft-NMS)替代NMS算法进行候选框选取,提高对遮挡目标的检测分割;最后,基于AMID进行管制员图像分割试验。结果显示:ATC Mask R-CNN的精确率、召回率和平均精度分别为96.49%、95.62%和88.84%,表明了该方法的有效性。与Mask R-CNN相比,ATC Mask R-CNN有效降低了复杂场景的不利影响,更适用于管制员工作场景,可以为管制大厅安全管理自动化应用提供技术支撑。

浅析格什温《三首前奏曲》的混生之美

混,顾名思义就是混合、掺杂的意思,混生则是具有差异性的、不同质的,经过混杂而生长的个性化状态。美国民族音乐是多种音乐类型相融合的产物,具有混生的音乐形态。以本文研究的《三首前奏曲》为例,该部作品涵盖了欧洲严肃音乐、民间通俗音乐等元素,这样的音乐具有混生状态。相较古典钢琴曲,它是一次历史性的尝试与突破,其音乐语言中包含了各族人民的情感与精神追求,这就是该作品混生美的体现。

歌剧《伤逝》选段《不幸的人生》演唱探析

学习声乐与歌剧,应该掌握科学的发声方式与娴熟的演唱技巧,并具备分析作品、演绎人物的能力。本文所选曲目《不幸的人生》是歌剧《伤逝》中重要的选段之一,也是中国歌剧咏叹调的极具代表性的作品。全曲情感色彩丰富,演唱技巧多样,对于声乐艺术的学习者能够起到很好地锻炼效果。本文将从歌曲的曲式、歌词、伴奏织体等音乐内容层面和咬字、气息、情感等演唱技术层面,从表演学科的角度探析应如何分析、演绎好这首作品。

用于水声目标识别的近邻无监督特征选择算法

针对水声目标数据的特征冗余问题,提出一种新的近邻无监督特征选择算法。首先利用顺序向后特征搜索算法生成原始特征集的子集,然后利用基于代表近邻选取方法的特征评价机制评价特征子集的优越性。使用实测水声目标数据集和声呐数据集进行特征选择和分类实验,在保持支持向量机平均分类正确率几乎不变的情况下,特征数目分别降低了90%和75%。结果表明,该算法选择出的特征子集,在去除冗余特征后有效地提高了后续学习算法的效率。

基于形态特征的终端区进场中心航迹识别方法

为了挖掘终端区进场航空器交通流的分布特征,量化分析空中交通的复杂性,提出了一种基于多特征航迹相似度和密度峰值聚类(density-peak clustering,DPC)的中心航迹提取方法。首先,采用单向距离(one way distance,OWD)计算航迹之间的形状和物理距离,并结合空管实际运行航迹数据特征,考虑航迹之间的位置属性和航向属性,定义多特征航迹相似度模型。其次,使用密度峰值聚类算法对航迹数据进行聚类分析,提取聚类结果中每一簇中具有最高密度的真实轨迹作为中心航迹。最后,对双流国际机场终端区历史航迹数据进行实验分析,使用轮廓系数指标和基于密度的指标进行评价,并与层次聚类算法进行对比。结果表明,轨迹被划分为8个不同形态的类簇,该方法可以直观有效的识别出轨迹的整体运动特征并精确提取出真实的中心航迹。

质粒提取与酶切鉴定实验教学感悟

生物化学与分子生物学实验教学涉及多种重要的分子生物学技术,对于临床医学和临床医学类专业学生的科研和工作具有重要意义。本文以质粒提取与酶切鉴定为主,就教学过程中发现的问题展开分析,探讨如何达到更好的教学效果、培养学生的科研思维。