深度有序度量学习改进的课堂参与度识别

在线课堂已成为当前最重要的教学场景之一.针对当前基于视觉特征学习和距离度量学习的参与度识别模型仍然缺乏足够的判别力和稳定性等问题,本文将有序深度度量学习方法引入课堂参与度识别任务,联合建模视觉特征学习和判别度量学习.首先,提出一个有序度量损失函数建模参与度样本的有序标签结构,使得在学习获得的有序度量空间中,视觉特征与其参与度标签保持有序一致性,提高识别模型的判别力.其次,提出一种四元组困难样本构造策略,对困难正样本的视觉特征相似度进行最小化,同时最大化困难负样本的视觉特征相似度,充分挖掘困难样本,提高模型训练的效率和稳定性.最后在课堂参与度基准数据集DAiSEE上进行测试,验证了算法的有效性.

一类奇异非线性分数阶微分方程组正解的存在性与唯一性

基于有序度量空间上的耦合不动点理论,讨论一类奇异非线性分数阶微分方程组正解的存在性与唯一性,得到了该类方程解的存在性与唯一性两个定理.

基于模糊元胞自动机的图像边缘检测方法

针对基于元胞自动机图像边缘检测的原有算法,提出了新的改进算法。该算法采用基于方向信息测度与边缘有序性度量的多信息融合方法,利用模糊逻辑对特征信息进行模糊推理,利用推理结果对上一时刻特征信息进行模糊反馈处理,最终通过元胞自动机的自动演化工程得到图像边缘。试验表明,算法边缘检测的准确度高,检测模糊边缘和细节边缘的能力较强,是一种实用、高效的图像处理算法。