基于局部小波矩的易混淆三维目标识别

使用多视点特性视图方法进行易混淆三维目标识别时,由于目标具有相似的轮廓,必须辅以局部特征提取以提高识别率。传统的小波矩仅具有径向区间上的局部性,不具有角度区间上的局部性,因此提取的特征不能较好地分辨易混淆目标。利用信息采样方法,首先获得目标视图的先验信息,将目标视图分为若干个区域,由贝叶斯后验估计,分别计算基于这些区域的后验信息,然后比较其与先验信息的差异,即可获得视图中最具有分辨力的局部区域,计算这个区域上的小波矩,即可获得具有一定角度区间上的局部小波矩。研究表明,与传统的局部特征提取方法相比,这种新算法提取的局部特征具有更好的局部性,可以有效地应用于易混淆三维目标识别。

基于分块信息熵和特征尺度的图像配准算法

针对当前图像配准技术中特征点的检测和匹配存在的问题,提出了一种基于分块信息熵和特征尺度的图像配准算法.通过对图像进行分块,结合每块图像的信息熵,改善了Harris-Laplace算子提取的特征点分布过于集中的问题.通过比较角点响应函数的值,剔除了特征点中的冗余点.通过结合特征点的尺度信息、Hu矩和双向匹配策略,提高了初始匹配点对的准确率.仿真结果表明,改进的配准算法可以实现高精度的图像配准,对图像的几何变换具有很强的鲁棒性.

基于影像局部光谱特性的遥感影像融合

提出了结合遥感影像的局部相关矩和局部方差进行融合的方法。实验结果表明,与传统的小波变换的融合方法相比,该方法在提高了多光谱影像空间分辨率的同时,更好地保留了多光谱影像的光谱信息。

电商直播情境下即时评论信息特性对顾客粘性的影响研究——基于情绪认知理论

在电商直播竞争激烈的背景下,如何留住顾客已成为其获取长期收益的主要难题,但现有研究聚焦于短期顾客行为的探讨,关于顾客粘性的探索十分匮乏。并且,现有研究大多分析了主播对顾客的影响,但顾客也会通过弹幕功能发布“即时评论信息”,并对其他顾客产生重要影响。同时,相关研究探索了顾客认知因素的作用,顾客的情绪反应仍有待进一步讨论。因此,本文运用质性研究方法,识别出电商直播情境下即时评论信息包含同步性、诊断性、娱乐性、契合性和创新性这五种信息特性;进而以情绪认知理论为基础,构建“即时评论信息特性→情绪反应→顾客粘性”研究模型,揭示即时评论信息特性对顾客粘性的影响及其内在机理,为电商直播留住顾客提供实践启示。

微信朋友圈中健康信息传播行为研究

随着人们对健康信息需求的日益增加以及社交媒体平台的迅速发展,学者和医疗健康从业人员越来越关注健康信息在社交媒体中的传播。在Facebook、Twitter和WhatsA pp等众多社交媒体平台中,微信朋友圈因其将人际传播和大众传播相结合的特性而引起广泛关注。同时,健康信息的传播主要依赖于健康信息接收者在朋友圈子中的传播意愿。然而,很少有研究探讨微信(特别是朋友圈)中电子健康信息的哪些特点促使用户对其进行传播。聚焦依托医疗健康类微信公众号的信息传播,以信息传播相关研究为理论基础,从传播者内在动机的视角,研究微信用户在朋友圈传播电子健康信息的行为的影响机制。梳理信息传播和人际交流的相关研究,从信息内容的社会特征、情绪特征、功能特征3个维度中选取7个变量,提出研究假设和模型。进一步,选取医疗健康类微信公众号上发布的健康信息,采用大规模在线问卷调查的方法收集数据,并通过R统计软件对数据进行广义线性回归分析,以验证假设。研究结果表明,信息的社会特征(有趣性、新颖性、正确性)、情绪特征(令人惊叹性、积极性、富含情绪性)和功能特征(有用性)均对电子健康信息在微信朋友圈中的传播具有显著积极的影响,对电子健康信息的传播行为影响最大的因素为富含情绪性、有用性和有趣性。研究结论为电子健康服务平台的运营策略提供一定的实践建议,运营者在撰写健康类文章时应当提高话题和内容的有趣性和新颖性,保证信息的正确性,注重通过情绪的渲染使信息内容富有感染力,尤其积极情绪和令人惊叹的情绪,并突出对用户的实用价值。通过以上方式,可使受众乐于阅读并转发健康信息,提高电子健康服务平台的用户参与度和关注度。