多学科交叉科研组织的运行管理机制改善研究

多学科交叉科研组织的建设是促进创新和科研成果跨学科应用的有效途径,已成为全球共识。本文探讨了其运行管理机制,包括多学科交叉科研服务管理组织的建立、一流团队的组建、激励机制与考核评价机制的制定,以及科研成果的管理与确认。通过设立多学科交叉领导团队和以不同领域专家为核心的研究团队,建立激励机制和完善成果管理,确保多学科交叉科研的高效运行和成果的认可。

一种改进的AAM头部姿态估计算法

主动表观模型AAM是头部姿态估计的有效方法之一,但对初始设置很敏感。为此,利用HOG-LBP技术提取待测图像的特征直方图,根据特征直方图选择最匹配的模型参数作为初始值,并采用Adaboost进行人脸定位。实验表明该方法有效提高了算法的鲁棒性和速度。

低秩矩阵在CT图像重建中的应用

CT图像重建是医学影像学的重要研究课题,但由于噪声对医学CT图像的影响比较大,为了在不牺牲图像精度和空间分辨率的情况下,重建出噪声含量最低的图像,就要选择合适的去噪方法对图像进行预处理.针对于此,笔者提出一种新的CT图像重建算法,重建过程分成两个步骤:首先用低秩矩阵加权核范数最小化(WNNM)进行图像去噪,再用低秩矩阵分解(LRMD)更新CT图像.实验结果表明,提出的方法具有较强的细节保持能力,低秩矩阵的特性简化计算过程,降低算法复杂度,同时保证了重建图像的去噪效果.

《JAVA高级编程》课程教学模式改革与实践

本文对软件工程专业开设《JAVA高级编程》这门课程的意义和现状进行了阐述,探讨了课程的教学方式。指出应该选择项目驱动教学方法,以实践为主,理论为辅的教学模式,采用多指标考核方式对课程进行考核。

论训练样本集结构和稀疏表示分类算法的关系

近年来,基于表示法的人脸识别技术主要都集中在约束条件和字典学习。很少有研究用样本数据特征来确定基于表示分类算法的性能。本文定义了结构离散度,表示样本集的结构特征。实验结果表明,具有较高的结构离散度的集合能让一个分类算法获得更高的识别率。

CT图像重建算法的改进

CT图像重建算法是医学影像学的主要研究领域,然而CT图像重建时不可避免地存在噪声、伪影,因此,需要研究一种新的算法对CT图像进行去噪处理,进而重建出低噪声、高分辨率的CT图像。基于此,本文提出基于过完备字典稀疏的去噪模型,并运用于CT图像去噪,同时将基于低秩矩阵分解应用于CT重建,核心思想是利用CT图像投影矩阵的稀疏特性,提出了一种新的CT图像重建法,其重建过程分成2个步骤:一个是过完备字典稀疏法(K-SVD)进行图像去噪预处理,一个是低秩矩阵分解(LRMD)更新CT图像。结果表明,提出的方法能更好地保持图像细节,低秩矩阵的特性使得算法的复杂度得以降低,提出的方法具有较好的去噪效果,提高了重建图像的质量。