数据源集成系统中全局模板的增量维护策略

异构数据源集成系统需要集成包括ＷＷＷ在内的各种数据源，一些半结构化数据对应的模式不仅量大且修改频繁，致使元数据的生成十分耗时．该文提出全局模板的增量维护策略．当局部模板发生变化时，利用局部模板的改变量（即模板增量）来计算全局模板的增量，进而修改全局模板．模板增量是传统实视图维护技术中增量概念的扩展，它不仅能描述对象结构特征的改变量，还能描述对象行为特征的改变量。

微软Office Word默认全局模板的研制与使用

本文作者在多年使用MS Office Word从事本专业教学与科研工作的经验基础上，研制了适合语言和翻译专业工作者使用的MS Office Word默认全局模板。文中结合此模板里的样式单、宏命令和自动图文集功能，对语言和翻译专业如何开发与利用Word默认全局模板合理高效地完成科研与教学工作中的常规性任务进行了探讨。模板下载地址为http ：//dhost.info/pingke/TOC/RMRS. html#Normal.dot 或 http：//www. eccentrix. com/members/kepingg/TOC/RMRS, html#Normal.dot.

融合全局灰度模板的改进CT算法

针对压缩跟踪(CT)算法在构建判别表观模型过程中提取背景像素稀疏Haar-like特征导致目标跟踪漂移加重的问题,提出一种融合归一化灰度直方图全局特征模板的改进算法。与局部特征模板相比,全局特征模板更适于对目标和背景进行判别。改进算法基于压缩感知理论提取局部稀疏Haar-like特征构建表观模型M1得到跟踪目标的第一个估计参数H(v),提取归一化全局灰度直方图特征构建表观模型M2得到跟踪目标的第二个估计参数HD,使用H(v)和HD的线性组合作为表观模型利用贝叶斯分类器进行目标跟踪。实验结果表明,改进的算法提升了算法的鲁棒性,减轻了漂移问题。

旋转自适应的多特征融合多模板学习视觉跟踪算法

目标发生旋转及遇到外界干扰时会给目标跟踪带来巨大挑战,针对该问题,文中提出旋转自适应的多特征融合多模板学习跟踪算法.首先,构建具有互补特性的多模板学习模型,全局滤波器模板用于跟踪目标,当判定滤波器模板确定全局滤波器模板被污染时,使用修正滤波器模板对全局滤波器模板进行修正.然后,将颜色直方图作为视觉补充信息和VGGNet-19特征图进行自适应融合,提升全局滤波器模板对目标外观的判别能力.最后,提出旋转自适应策略,采用改进的跟踪置信度,估计跟踪框最佳旋转角度,减轻目标旋转带来的全局滤波器模板性能衰退.在OTB-2013、OTB-2015数据集上的实验表明,文中算法的成功率和精确率较高.