财经类院校电子商务专业信息技术类课程设置探讨

本文针对财经类院校电子商务专业的信息技术类课程设置问题进行了探讨。具体探讨了电子商务专业的信息技术类课程体系,我国部分财经类院校电子商务专业的信息技术类课程的设置情况,最后对财经类院校电子商务专业的信息技术类课程的开设提出了建议。

一种基于多级弦长函数的傅立叶形状描述子

提出了一种用于形状检索的基于多级弦长函数的傅立叶形状描述子(MCLFD).它产生于对形状轮廓线的等弧长分割.相对于其它的傅立叶描述子,MCLFD不仅计算非常简单,而且对形状的整体特征和细节信息都能进行很好的描述.作者用MPEG-7的标准轮廓线形状测试集和从野外采集的植物叶片形状库,对MCLFD进行了检索性能测试,并和其它的傅立叶描述子进行了对比,实验结果表明,MCLFD具有更优的检索性能,通过加噪声实验也证明了其鲁棒性.

一种用于形状描述的拱高半径复函数

提出了一种新的用于形状描述的轮廓线函数——拱高半径复函数(AHRC).AHRC用中心距离和带正负号的拱高来分别描述形状的全局特征和局部细节.用AHRC的傅立叶变换系数构成描述形状的特征向量.在MPEG-7标准测试集上对该方法进行图像检索实验,并将其实际应用于植物叶片图像的检索,同现有的分别基于中心距离、三角形面积、最远点距离、角度半径的傅立叶描述子和小波傅立叶描述子进行性能比较.实验结果表明,本文提出的方法性能最优,表明了该方法的有效性和实际应用价值.

弦特征矩阵:一种有效的用于植物叶片图像分类和检索的形状描述子

植物叶片形状一般具有小的类间差异和大的类内变化,再加之叶片的自遮挡和噪声的干扰,给叶片形状的识别带来了很大的挑战.文中提出了一种新的形状描述子——弦特征矩阵(Chord-Features Matrices,CFM),精确而又鲁棒地应用于植物叶片图像的分类和检索问题.该方法将目标轮廓线的弦,依据轮廓线所围成的区域,分成内和外两个部分.因其与轮廓线凸凹特性的相关性,该方法用多个尺度级的内部弦长和外部弦长生成两个矩阵,旨在隐式地描述轮廓线的多尺度的凸凹特性.该方法还定义了多个尺度级的弧到弦的平均投影长度,并构成矩阵,以反应轮廓线在各个尺度级下的弯曲程度.组合这3个矩阵所形成的CFM描述子,全面地刻画了轮廓线的几何特性,具有强的形状表征能力.用Swedish、Flavia和ImageCLEF这3个具有挑战性的叶片图像测试集,对文中提出的CFM方法分别进行分类和检索性能评估.实验结果表明,文中提出的方法在精确度和对噪声的鲁棒性方面均优于其他植物叶片图像分类和检索方法.而文中提出的方法在MPEG-7测试集上的实验结果则验证了其具有应用于一般的形状识别任务的潜力.

一种不变的基于傅立叶变换的区域形状描述子

提出了一种不变的基于傅立叶变换的区域形状描述子.该方法首先将区域形状图像用极坐标光栅重新采样成形状像素矩阵,然后对该矩阵进行两次一维傅立叶变换和一次相位修正操作,最后用低频傅立叶系数构成的矩阵作为形状描述子.该形状描述子不仅保留了傅立叶系数中的相位信息,而且满足不变性.实验结果表明该方法要优于现有的傅立叶区域形状描述方法和Zernike矩形状描述方法.

一种基于多尺度拱高形状描述的图像检索方法

本文提出了一种多尺度拱高形状描述(MSAH).该方法用多尺度的拱高来度量形状轮廓线在其每一个点的弯曲程度,这里尺度是以该点为中点的弧段的长度.在每一个尺度级,为形状轮廓线构建一个一维的拱高函数,然后对其进行傅立叶变换,组合各尺度级的低阶的傅立叶变换系数,构成描述形状的特征向量.在形状匹配阶段,用两个形状的特征向量的L1-距离来度量它们的形状相似性.该方法不仅能描述形状的全局特征,而且能描述形状的细节信息,因而在应用于图像检索中,具有高的检索精确率.MSAH形状描述子非常紧致,而且具有较低的计算复杂度,因而检索效率也很高.在用MPEG-7形状数据库和植物叶片形状数据库的检索实验中,其检索性能要优于近年来提出的基于变换域的形状描述方法和经典的形状上下文描述方法.

一种基于离散微粒群优化的数字曲线的多边形近似算法

数字曲线的多边形近似是图像分析研究领域的一个热点问题.获取数字曲线的优化多边形近似是一个复杂的问题,其计算复杂度非常高.微粒群算法是近些年来提出的一种新的优化方法,已经被广泛应用于各种优化问题的求解.提出了一种求解数字曲线的多边形近似问题的基于整数编码的离散微粒群算法(IPSO).IPSO通过重新定义标准微粒群算法的速度和位置更新公式中的加法、乘法和减法运算,使得算法能运行在离散的解空间.IPSO的位置向量修复机制保证了解的可行性,而局部优化器提高了算法的搜索精度.实验结果表明,IPSO求解的质量和求解的效率均优于遗传算法和0-1编码的微粒群算法.

基于形状特征的叶片图像识别算法比较研究

植物是生命的主要形态之一,其种类已达40多万种,对其进行分类识别在生物多样性保护,生态农业,生物安全中有着重要的意义。不同的种类的植物一般有着不同的叶片形状,因此叶片的形状特征在植物分类中扮演着重要的角色。作为计算机视觉的一个重要应用的植物叶片图像识别,近些年来受到了学者们的关注,产生了大量的研究成果。但由于植物种类巨大,叶片图像存在的类内差异大、类间差异小和叶片的自遮挡等问题等诸多问题,使得叶片图像的识别仍然是目前计算机视觉应用研究的一个热点。对近些年来的基于形状特征的叶片图像识别算法进行了综述和比较,对现有的算法进行了分类,对目前各类最先进的识别算法进行了分析和比较。此外,还介绍了常用的叶片图像测试集和性能评估方法,并将各类算法进行了实验结果的比较研究。研究工作既为现有的植物叶片识别算法的实际应用提供了指导,又为今后进一步研究新的高性能的识别算法提出了努力的方向。

基于聚集度与向量相似度的粒子群算法

针对粒子群算法在运行后期易出现种群多样性丢失、早熟收敛这一现象,提出一种基于聚集度与向量相似度的改进的算法。首先基于向量的欧氏距离定义了聚集度的概念,用来衡量种群的多样性;然后采用向量的夹角余弦值来衡量粒子的相似度,为粒子的变异提供依据;最后为了跳出局部最优,对粒子实施散离策略。仿真实验结果表明改进算法具有更强的寻优能力、更快的收敛速度,且解的稳定性更好。

基于粒子群优化的多特征融合的商标图像检索

提出一种基于粒子群优化的多特征融合的商标图像检索方法,该方法可自动优化多特征融合的权重,提高图像检索系统的自适应性,解决了多特征商标图像检索中的权重分配问题。在1000幅图像构成的商标图像库进行检索实验,实验结果表明,与基于单一特征的检索方法和一些多特征融合的检索方法相比,提出方法的检索性能最优。

应用分数阶傅里叶变换的形状描述方法研究

傅里叶描述子是一种经典的形状描述方法。作为傅里叶变换的推广形式,分数阶傅里叶变换在数字信号处理工程领域已有相当广泛的应用,但在形状分析领域还很少有研究工作的报道。首次研究了基于分数阶傅里叶变换的形状描述方法,比较了不同阶数下的分数阶傅里叶描述子在图像检索中的性能。通过在MPEG-7的标准图像测试集的图像检索实验,得出:阶数ρ为0.1时,分数阶傅里叶描述子的检索效果最差,随ρ=0.1的增长,检索性能总体呈上升趋势,当ρ=0.5变化到1.0时,检索性能最高。同时,与Zernike矩进行比较:当阶数为0.1时,分数阶傅里叶描述子的检索性能较差;而阶数为0.5、1.0时分数阶傅里叶描述子的检索性能均较好。

一种基于分层复杂性度量的有效的形状图像检索方法

本文提出了一种基于分层复杂性度量的形状描述方法 (简称HCMD),以应用于一般的形状图像检索任务.该方法属于基于区域的形状描述方法,不需要专门提取形状的边界完成特征抽取任务.本文的主要贡献是提出了一种分层的形状描述框架,基于该框架,形状沿各个方向被迭代地切割成小的区块,每一层级的形状区块被施以各种几何特性的度量,以刻画其形状复杂性.这种分层抽取形状复杂性特征的描述机制使得HCMD具有由粗到细的形状描述能力,能有效地表达形状内部的复杂结构特性.基于HCMD的形状匹配,独立于形状的旋转、缩放、平移和镜像变换,而且计算简单,是一种能有效处理轮廓线形状和区域形状识别的通用方法.用MPEG-7的CE-1轮廓线形状图像库、CE-2区域形状图像库和美国哥伦比亚图像库COIL-20这3个标准测试集对HCMD进行性能评估,并与其他形状描述方法进行了广泛的比较,包括5种基于区域的形状描述子、4种基于点集的形状描述子和两种基于曲线的描述子.实验结果表明HCMD方法在综合考虑检索率、计算效率和一般应用能力指标下,其性能要优于参与比较的各类方法,证明了该方法的有效性.