来华留学生跨文化适应研究

该文以南昌航空大学的外国学历留学生的日常生活和学习经历等为主要关注点,分析了来华留学生的跨文化适应问题和状况,并建议从学校和留学生个人这两个方面着手采取相应的策略,帮助这些外国留学生更快地融入中国文化,从而提升他们的跨文化适应能力。

二级急冷废热锅炉的开发

本文系统地介绍了乙烯装置用二级急冷废热锅炉的结构设计、工艺特性试验研究、传热、强度试验研究、有限元分析计算、制造与检验及其应用情况。

急冷锅炉气体分配的试验研究

通过不同的组合形式对急冷锅炉气体入口分配器进行了试验研究，测试了压力和速度的分布值，并对其进行了分析，得到了最佳的组合结构。其速度分布的均匀性系数达到０．９５以上。

乙烯装置二级急冷废热锅炉的开发与应用

介绍了乙烯装置二级急冷废热锅炉的结构设计、工艺特性、传热和强度试验研究、有限元分析计算、制造。

急冷锅炉气体分配试验研究

本文对急冷锅炉气体入口分配器进行了试验研究。试验采用列管式换热器模型,气体人口分配器带有均流器和整流段,管束由37根管子组成。通过不同的组合形式,测试了压力和速度的分布值,并对之进行了分析,得到了最佳的组合结构。其速度分布的均匀性系数达到0.95以上。

大学英语课堂中学生情感因素的调查

本文在对部分非英语专业学生进行问卷调查的基础上,通过其统计结果分析中国大学生在英语课堂中的一些情感因素和情感问题,并提出相应的教学法。

英汉语言中省略现象的对比研究

文章通过实例,分析了英汉两种语言中的省略现象,并将它们进行了对比,就省略的类型、还原、替代等有关语法省略的现象和概念做了说明,有助于深入了解两种语言的省略,从而正确地使用省略,提高语言交际的能力。

认知语言学视角下的英语照应语

本文以Ariel的可及性理论和Van Hoek理论为基础,尝试运用认知语言学的相关理论对英语中的照应语进行探讨,作出合理的解释,揭示认知语法在照应分析中的实际价值。

融合边界信息和颜色特征的显著性区域检测

传统的显著性检测方法多利用图像的颜色特征并进行超像素分割作为预处理来进行检测,对于涂抹效应不足、误检测等问题一直没能有效解决。针对涂抹效应不足提出了一种结合图像边界信息及颜色特征的显著性区域检测方法。首先,为了更好地取得图像边缘信息并去除噪声,用多次WMF(加权中值滤波)和简单线性迭代聚类(SLIC)处理源图像,再通过颜色、亮度等信息找出滤波后图像中的自然边界。将得到的边界信息和通过SLIC分割得到的超像素的颜色特征进行融合作为先验概率,以SLIC分割得到超像素位于Graph-based分割得到初步显著图中的概率为条件概率,利用贝叶斯法则得到最终的显著图。在公开数据集MSRA-1000上对算法进行验证,结果表明该算法与7种主流算法相比有更好的查全率和查准率,最高查准率达到98.03%。

结合边缘特征先验引导的深度卷积显著性检测

针对当前基于深度学习的显著性检测算法缺少利用先验特征和边缘信息,且在复杂场景中难以检测出鲁棒性强的显著性区域的问题,提出了一种结合边缘特征,利用先验信息引导的全卷积神经网络显著性检测算法。该算法利用三种被经常用到的先验知识结合边缘信息形成先验图,通过注意力机制将提取的先验特征与深度特征有效融合,最终通过提出的循环卷积反馈优化策略迭代地学习改进显著性区域,从而产生更可靠的最终显著图预测。经过实验定性定量分析,对比证明了算法的可靠性。

基于全部卷积特征融合的显著性检测

如何充分利用各级卷积特征是当前显著性检测研究的关键问题。就此提出一种基于融合全部卷积层特征的全卷积神经网络显著性检测方法。首先,将全部卷积特征映射到内部的多个尺度中,在每个尺度上联合各级卷积特征预测显著图;然后,融合各尺度的显著图,得到融合显著图;最后,通过全连接条件随机场平滑显著图和优化显著边界。实验结果表明,该方法在ECSSD和SED2数据库上具有较高的准确率、召回率和较低的平均绝对误差,可为目标识别、机器视觉等应用提供更可靠的预处理结果。

基于级联全卷积神经网络的显著性检测

提出了一种级联全卷积神经网络的显著性检测方法。网络主要由两层级联的全卷积神经网络组成,第一阶段构建了一个带金字塔池化模块编码-解码架构的全卷积神经网络,金字塔池化模块有效抑制了背景噪声的干扰。第二阶段设计了边缘检测网络,学习显著区域的边缘信息,通过融合两个阶段显著图得到边界精确的显著图。实验结果表明,所提方法在图像显著性检测数据集ECSSD和SED2上均具有较高的准确率、召回率和较低的平均绝对误差,为目标识别、机器视觉等提供了可靠的预处理结果。

基于深度残差网络与边缘监督学习的显著性检测

针对复杂背景下,图像显著区域显著值低和目标边缘表现模糊的问题,提出了基于深度残差网络和多尺度边缘残差学习的显著性检测方法。一方面提出了边缘残差块,使用边缘残差块在深度残差网络的基础上构建边缘监督网络,用于显著图边缘监督学习;另一方面,通过构建基于背景、前景和边缘的三分类模型,训练网络学习边缘特征,使目标边缘更加准确,同时输出采用空洞卷积构建多尺度空洞卷积单元,多尺度地对全局信息进行特征整合提取。最后,将提出的算法在数据集SED2和ECSSD上进行模型简化测试,使用公认评价指标对所提算法和当前多种算法进行评价。实验结果表明,该方法的准确率和召回率更高,对显著目标保持了良好的完整性,且在边缘轮廓区域更好地区分了显著目标与背景。