基于大数据的日本学研究现状分析

文章运用大数据手段,选取《日本学刊》和《日本问题研究》于2010年-2017年所刊登论文的关键词,进行相异系数矩阵分析和聚类分析,并通过绘制出热点知识图谱,指出近年日本学研究整体趋势的落脚点在政治研究,主要集中在中日关系研究上,但还未形成系统的研究范式。今后有必要运用跨学科和多学科的研究方法,把握事物之间的关联,发现新规律和新方法。同时,要主动运用数据思维来解决日本学研究所面临的理论和实践问题,立足日本学研究的国际前沿并聚焦国家需求,提出原创性理论贡献,进而构建全方位、全要素的日本学研究体系。

基于稀疏子空间的卷积神经网络目标跟踪

针对粒子滤波目标跟踪过程中初始化和权值退化的数据处理情况,在粒子滤波框架下提出一种基于稀疏子空间的卷积神经网络目标跟踪算法.以仿生学为基础,在目标跟踪过程中引入稀疏子空间和卷积神经网络.首先,利用稀疏子空间模型筛选出与目标状态相似度较高的候选区域进行后续跟踪处理,减少冗余计算并降低跟踪的复杂性;然后,将稀疏子空间输出用作卷积神经网络的输入,并利用卷积神经网络模型对图像数据处理的优点进行目标跟踪的数据处理;最后,通过对目标数据的不断更新来减少目标表观变化的影响.实验表明,该算法能够更好地处理目标跟踪中的目标遮挡、运动模糊、光流与尺度变化,提高算法的准确性和数据处理能力.