基于引导Boosting算法的显著性检测

针对现有的基于引导学习的显著性检测模型存在的训练样本不纯净和特征提取方式过于简单的问题,提出一种改进的基于引导(Boosting)的算法来检测显著性,从提升训练样本集的准确度和改进特征提取的方式来达到学习效果的提升。首先,根据显著性检测的自底向上模型产生粗选样本图,并通过元胞自动机对粗选样本图进行快速有效优化来建立可靠的引导样本,完成对原图的标注建立训练样本集;然后,在训练集上对样本进行颜色纹理特征提取;最后,使用不同特征不同核的支持向量机(SVM)弱分类器生成基于Boosting学习一个强分类器,对每幅图像的超像素点进行前景背景分类,得到显著图。在ASD数据库和SED1数据库上的实验结果显示该模型能对复杂和简单的图像生成完备清晰的显著图,并在准确率召回率曲线和曲线下面积(AUC)测评值上有较大提升。由于其准确性,能应用在计算机视觉预处理阶段。

人口老龄化背景下社区居家养老个性化需求养老服务的研究——以蚌埠市为例

随着经济的不断发展,我国的人口老龄化现象也逐渐呈现出严重态势,养老模式结构出现人们日益增长的高需求与服务发展不平衡的养老模式之间的矛盾。除物质需求以外,人们对精神、文化等需求也日益凸显。在我国老龄化程度日趋严重的背景下,城乡养老服务需求也进一步提高。这就需要社区居家养老服务能够提供高质量高水平的养老服务。尽管相关部门已经加强了社区居家养老服务和相关设施的建设,符合大部分老人“养老不离家”的思想。但就老人对社区居家养老服务的整体生活照料、医疗保健、精神慰藉还怀有“期待性”需求来看,还未实现养老机构分布与老龄人口分布之间的最优配置。本项目针对社区居家养老个性化需求服务不完善的问题采取查阅文献资料、问卷调查、数据整理的方法,对蚌埠市社区居家养老服务发展现状及存在基础建设不完善、资金分配欠缺及政府监管松弛等问题进行分类分析。并提出进一步完善社区居家养老服务的建议,根据政策法规要求因地制宜、改善服务设施、扩充资金来源并鼓励社会力量的参与、追求专业化和智能化发展建设。实现养老机构分布和数量与老龄人口分布和数量之间的最优配置。以满足不同老年群体的个性化需求,提高养老服务质量。