指数信号模型中参数估计的Bootstrap逼近

本文基于 Prony 方法和 Bootstrap 方法,解决了受抑制指数信号模型的辨识问题。给出了模型 中参数的最小二乘估计的计算方法和逼近;为了使样本所在的区间有限,在保证模型相容的条件 下,我们重新定义模型,证明了 Bootstrap 估计的相合性和渐近正态性,从而证明了我们这种 方法的可行性;最后利用该方法给出模拟结果,并且和其他方法进行了比较。

基于注意力胶囊网络的合成孔径雷达图像分类模型研究

特征提取是合成孔径雷达(synthetic aperture radar,SAR)图像自动识别与分类中的重要环节.由于SAR图像有相干斑噪声及几何畸变等特性,一般网络模型难以提取到有判别性的特征.为增强特征提取能力,提高分类准确率,提出将注意力机制与胶囊网络结合的一种注意力胶囊网络模型.注意力机制可聚焦寻找具有重要局部信息的特征,在图像识别过程中抑制干扰特征,定位重要特征.胶囊网络可捕捉图像中目标的位置与空间关系,使提取到的SAR图像特征含有更多便于分类的重要信息.结果表明:文中方法对SAR图像分类数据集中运动和静止目标的获取与识别(moving and stationary target acquisition and recognition,MSTAR)有显著效果.

以示例得分为权重的深度多示例学习方法研究

多示例学习作为一种弱监督学习,被广泛应用于生物特征识别、图像检索及自然语言处理等领域。为解决现有多示例学习(multiple instance learning,MIL)的池化算子中缺乏可解释性和灵活性等问题,提出一种可学习的权重分配机制模型。通过示例得分得到示例权重,将示例得分与示例权重进行池化,求出包的表示,通过示例得分对权重分配函数进行学习。试验结果表明:文中方法具有更高的分类精度、较好的可解释性和灵活性。

构筑实践教学体系,强化应用能力培养

本文介绍了在计算机特色专业建设过程中,围绕实践教学体系建设所开展的一系列工作。提出从程序设计实验教学改革入手,通过整合专业核心课程实践环节、增设综合课程设计环节、加强校外实习实训基地建设和毕业设计管理等措施,不断提升学生的应用能力。文中同时阐述了构筑先进实验平台和建设实验教师队伍的具体思路、做法及其对特色专业建设的支持。

面向姿势多样性问题的行人重识别方法

为解决姿势变化对行人重识别发展产生障碍问题,提出一种通过比较行人的不同姿势获取姿势鲁棒性特征的方法。以ResNet-50为骨干网络,设计了特征生成模块和学习模块。在训练阶段,特征生成模块可利用其他行人的姿势特征和自身特征生成指定姿势下的外观特征,丰富目标行人的姿势多样性。特征学习模块通过对比学习外观特征,获得姿势变化鲁棒的最终特征。在测试阶段,通过对目标行人同一姿势下的原特征和新特征进行对比学习,生成姿势变化鲁棒的行人最终特征,从而提高网络模型对姿势变化的鲁棒性。研究结果表明:该方法与其他行人重识别方法相比,具有高度的可比性。

物联网专业实验室建设初探以及注意的几个问题

物联网技术涉及到多学科的融合,其人才培养在注重基础知识的同时,应侧重与知识或系统的集成技术和能力,于是物联网工程专业实验室建设至关重要。在分析目前物联网实验室建设存在的问题的基础上,针对我校的人才培养目标,提出物联网实验室建设与发展的思路,搭建了学生实验、创新与教师科研三种功能合一的物联网环境,并对实验室建设注意的问题进行了阐述。

无线传感器网络中分布式信息融合研究进展

无线传感器网络是下一代互联网的重要技术之一,无线传感器网络中信息融合技术已经成为关注的焦点.本文从无线传感器网络的产生、特点与发展、分布式信息融合的研究现状给介绍和分析;最后对该研究领域的研究进行展望,并提出一些值得研究的方向.

指数信号模型中参数的稳健估计

给出了阻尼指数信号模型中参数的M估计和BootstrapM估计;基于Prony方法给出估计的重新定义和新算法;并且在较弱的条件下证明了这些估计的相容性;最后利用Huber函数给出了两种估计的模拟结果,结果表明这两种估计的稳健性和精度都比传统的最小二乘估计好。

图像处理的多分辨随机模型的研究进展

多分辨随机模型是近几年发展起来的信号与图像多分辨分析模型和方法,已经成为各领域关注的焦点。从多分辨随机模型的产生、演变、模型的估计理论、计算方法、模型的应用等方面对该模型的研究现状给予介绍和分析;最后对该模型进行展望,并提出一些值得研究的方向。

非线性模型中M-估计的Bootstrap逼近

讨论了非线性模型中回归系数向量基于M 估计的Bootstrap逼近 。

回归函数最近邻估计的随机加权逼近

文中利用随机加权法构造了回归函数最近邻估计的逼近。

分位点过程随机加权估计误差的弱收敛性

本文在对分布函数要求相当弱的条件下，给出了分位点过程随机加权估计误差弱收敛到标准Ｂｒｏｗｎｉａｎ运动。

广义L-统计量的随机加权估计

本文基于刀切虚拟值的广义L-统计量,建立了随机加权广义L-统计量,证明了逼近精度为O(n^(-1/2))。

非线性模型中Bootstrap M-估计量的a.s收敛性

本文利用Efron’s提出的Bootstrap方法,建立了Bootstrap M估计的a.s后收敛性.

正交试验在废水处理中的应用

本文利用正交试验的方法,找到在氧化乐果合成废水中回收甲醇和氯仿的最佳工艺。

基于刀片虚拟值的广义L统计量的自动和随机加权逼近

本文基于广义Ｌ统计量的Ｊａｃｋｋｎｉｆｅ虚拟值，建立了广义Ｌ统计量的自动和随机加权逼近。

基于颜色特征的图像检索方法研究

基于颜色的图像检索因对图像的各种变化有很好的鲁棒性而得到了广泛的应用,但是由于缺乏空间信息而造成检索误差。针对全局颜色直方图和分块颜色直方图的检索问题,提出了一种利用等面积的矩形环来提取颜色特征的图像检索方法。该方法首先利用等面积的矩形环划分策略对图像进行分块;其次,提取子块的颜色累加直方图作为颜色特征;然后,为了突出图像的主体区域,按照矩形环由里到外依次减小规则确定权值,并对两幅图像子块颜色特征之间的距离进行加权累加得到两幅图像的相似度量,以此进行检索,并输出相应的查询结果;最后通过实验结果表明:该方法与全局直方图、累加直方图及传统分块直方图相比,具有更高的检索效果。

“项目驱动”实践教学法在计算机接口课程群中的应用

针对目前高等学校计算机接口类课程教学存在的学生动手能力弱的问题,提出基于"项目驱动"的教学模式和多层次的实践教学体系。根据课程的特点和学生的动手能力,由教师设定若干个由简及难的研究项目,从课程开始的项目设置阶段到项目实施阶段以及项目总结阶段都以学生为主导。通过与企业沟通,以企业目前主流的开发设备和项目需求为依据设计实践教学中的项目。实践证明,该方法能够提高学生的动手能力和创新意识。

基于CDIO模式的计算机专业教学改革

将CDIO高等工程教育思想贯穿于计算机专业人才培养方案改革、课程体系建设、师资队伍建设、实践教学与资源建设等方面,探索构建理论与实践相结合、技术与市场相结合的计算机应用型人才培养体系,形成以工程实践能力和创新能力培养为焦点的专业特色,是本文论述的重点。

基于多尺度贝叶斯网络的SAR图像分割

提出了一种多尺度贝叶斯网络模型和相应推断算法,并将其应用于合成孔径雷达(synthetic aperture radar,SAR)图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型;然后设计了模型估计的置信传播(belief propagation,BP)算法,该算法包括同尺度结点之间的信息传播、细尺度到粗尺度的信息传播和粗尺度到细尺度的信息传播;最后计算出细尺度隐含结点的最大后验概率(maximum a posteriori probability,MAP),实现SAR图像的分割。实验结果表明,与单尺度贝叶斯网络模型方法和基于条件迭代模式的Markov随机场模型方法相比,基于多尺度贝叶斯网络的SAR图像分割方法具有较好的分割效果。