基于RGB-D相机的无人机快速自主避障

提出一种快速的多旋翼无人机自主避障算法。利用RGB-D相机获取场景对应的深度图,采用分层策略对深度图像进行描述,以区分障碍物与非障碍物;再对场景的深度图像以区域块搜索的方式寻找无人机的避障路径,进而达到自主避障的效果。为了验证该算法的可行性,在ROS系统上进行仿真和实验,结果表明该方法耗时少、精度高、可靠性强。     

基于统计量模板的半调图像特征提取与分类

为了实现误差分散半调图像的分类,提出了基于统计量模板的半调图像特征提取与分类方法。利用像素对的概念和统计量模板的特征描述方法,提出了基于分块的特征提取算法。提出了类特征矩阵概念;通过建立误差目标函数和利用梯度下降法来求取最优类特征矩阵,以描述半调图像的类别;探讨了最优类特征矩阵的特性。实验中,与其他类似方法进行了分类性能比较,探讨了参数对分类性能的影响,分析了特征提取算法的时间复杂度。大量实验比较和分析表明,提出的方法是有效的。     

在线练习与考试综合系统的设计与实现

讲述了基于B／S和C／S技术在线练习与考试综合系统的设计与实现，从稳定性、安全性、易扩展性等多个角度阐述该系统的优越处；描述了在线练习与考试综合系统的组成与结构，阐述了系统的设计方案、实现方法及所采用的关键技术。     

快速高斯变换的截断误差估计

利用Stirling公式证明了快速高斯变换的一个新的截断误差,并将新误差与X.Wan和G.E.Karniadakis提出的误差进行了比较分析。结果表明,新误差是一个具有更小下界的、更加精确的误差估计。     

基于条件随机域的上下文人类动作识别

提出一种新的基于条件随机域和隐马尔可夫模型（HMM）的人类动作识别方法——HMCRF。目前已有的动作识别方法均使用隐马尔可夫模型及其变型,这些模型一个最突出的不足就是要求观察值相互独立。条件模型很容易表示上下文相关性,且可使用动态规划做到有效且精确的推论,它的参数可以通过凸函数优化训练得到。把条件图形模型应用于动作识别之上,并通过大量的实验表明,所提出的方法在识别正确率方面明显优于一般线性结构的CRF和HMM。     

基于数控机床设备故障领域的命名实体识别

为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础。      

基于边缘细化的图像插值方法

针对图像放大过程中运算量大和边缘模糊问题,提出了基于图像边缘细化后进行插值的图像放大算法.利用改进的Prewitt算子对提取的图像边缘进行细化,获得较准确的边缘位置,再根据边缘位置和非边缘位置做不同的插值处理.实验结果表明:用本文算法对图像进行放大,能得到较理想的视觉效果,图像边缘无明显的锯齿现象,且该算法简单,易于实现.     

黎曼流形上半调图像的协方差建模与贝叶斯分类方法

针对半调图像分类问题,提出黎曼流形上的协方差建模方法和贝叶斯分类策略.根据半调图像傅立叶频谱的特点,提出一种基于模板矩阵的特征获取方法,并结合频谱信息形成协方差矩阵描述方法.通过引入有效图像判决规则和分块技术,提出一种协方差矩阵提取算法.利用样本的局部特性和核密度估计方法,实现黎曼流形上的贝叶斯分类策略.实验中研究阈值参数的选择策略,与5个相似方法进行分类性能比较,探讨有关参数对性能的影响.实验结果表明,所提出的方法在Q=32或64和L=10~15时其分类错误率低于4%,建模时间开销低于100ms,且优于5个相似方法.     

校园网络VOD系统设计与实现

介绍了一种基于千兆以太网、WINDOWS 2000 SERVER平台的校园网络上建立VOD系统，实现视频点播、实况转播、远程教学等方法。     

计算机学科创新人才培养模式的研究

针对传统人才培养模式存在的弊端,提出了一种适应于计算机学科的三段式双分流创新人才培养模式,并对如何构建与之相适应的教学体系进行了研究和探讨。