基于ADSP 2106X SHARC的多媒体终端

本文在简介目前浮点运算功能最强的浮点DSP芯片AD-SP21060以及定点DSP芯片AD-SP2181的结构和性能的基础上,具体阐述了应用这两种芯片构成基于PCI总线的多媒体通信卡的设计原理,并展望了这一系统设计的前景。     

从新城市主义到形态控制准则——美国城市地块形态控制理念与工具发展及启示

城市蔓延是美国规划界急需解决的问题。针对城市无序蔓延带来的一系列城市形态问题,美国规划师们向物质空间设计层面回归,先后提出新城市主义、精明准则、形态控制准则等城市形态控制理念和工具。其中形态控制准则是针对城市地块形态控制的工具。本文对美国城市形态控制与调整工具的发展脉络以及相互联系进行分析;对形态控制准则进行详细阐述;最后,针对当前我国城市蔓延问题初显,及在城市形态控制工具不足等矛盾下,从发展理念、操作工具及行业发展三个层面提出建议。     

基于因子分析建模的电话语音说话人聚类

现有基于混合高斯模型的说话人聚类方法主要依据最大后验准则,从通用背景模型中自适应得到类别的混合高斯模型,然而自适应数据较少,模型的准确性不够。对此,文中尝试基于本征语音(EV)空间和全变化(TV)空间分析的两种因子分析建模方法,通过对差异空间的建模,减少估计类别混合高斯模型时需要估计的参数个数。结果表明,在美国国家标准技术研究所2008年说话人识别评测的电话语音数据集上,相对于基于最大后验概率准则的基线系统而言,文中所使用的基于EV和TV空间分析的建模方法都可使聚类错误率有较大幅度的下降,并且TV空间分析建模相对于EV空间分析建模能获得更低的聚类错误率。     

基于多视觉码本的图像表示

基于词袋模型的图像表示方法的有效性主要受限于局部特征的量化误差。文中提出一种基于多视觉码本的图像表示方法,通过综合考虑码本构建和编码方法这两个方面的因素加以改进。具体包括:1)多视觉码本构建,以迭代方式构建多个紧凑且具有互补性的视觉码本;2)图像表示,首先针对多码本的情况,依次从各码本中选择相应的视觉单词并采用线性回归估计编码系数,然后结合图像的空间金字塔结构形成最终的图像表示。在一些标准测试集合的图像分类结果验证文中方法的有效性。     

基于空间仿射对应点列的双曲抛物面三维构建及分析

利用计算机3D 软件构建基于空间仿射对应点列的双曲抛物面。对双曲抛 物面进行不同方向的投射,可以准确得到双曲抛物面不同方位和角度的投影图。从这些投影 图中,可以更直观、清楚的了解双曲抛物面的投影特点。使用多个不同位置的平面对双曲抛 物面进行截切,并通过分析、观察截交线的变化趋势,得出几点规律性的结论。     

区域性河流综合规划与管控——美国洛杉矶河的经验启示

区域性河流跨越行政边界连接着多个城镇、乡村和自然空间,河流及其沿岸具有多种生态服务功能,是自然资源保护与利用矛盾突出的地带。我国区域性河流的综合规划和管控在价值理念、规划方法和管理机制等方面存在各种问题,不利于协调国土空间生态保护与建设发展。美国较早地经历了城市化后的河流保护、修复与利用阶段,善于协调土地利用、自然水文过程与社会经济的关系,对提升我国区域性河流沿岸自然资源的保护效力和复合服务功能有着很好的借鉴价值。基于此,本文主要采用案例研究法,从规划目标和组织、核心规划方法、设计引导和管理三个方面梳理和剖析美国洛杉矶河总体规划与管控的理念和方法 ;并提出对我国区域性河流综合规划与管控的三点经验启示：强化多维度价值导向下河流复合功能目标的确立,将“河流标尺”工具贯穿“分析—规划—管控”全过程,采用多元主体参与的协作式管理模式衔接规划编制体系。     

控规单元尺度城市更新中建筑碳排预计算研究 ——以武汉滨江商务区七期地块为例

我国已处于城镇化的后半程,加上“30 目标+60愿景”国际承诺的做出,标志着存量更 新和低碳规划将成为我国城市开发建设和转型 发展的基本语境。建筑碳排是城市中的重要碳 排放源,亦是影响城市更新的主要碳排因素和 计算因子,针对当前我国城市更新中建筑碳排计 算研究的缺失,以控规单元尺度为研究范围, 以建筑碳排预计算为研究对象,综合运用多种 定量研究方法与工具平台及图式化语言进行研 究分析。在能耗模拟框架下,对三种常用建筑碳排预计算方法进行比选,选取“根据规划用地类型与强度推算建筑能耗”的碳排计算方法。以武 汉滨江商务区七期地块为实证地块,根据城市更新规划设计方案,对城市更新后建筑碳排进行预 计算及结果分析;并对现状地块的建筑碳排进行计算,对比分析地块更新前后建筑能耗的减排 效应并进行原因探析,得出经过低碳城市更新后的建筑碳排降幅可达到约88%,主要原因在于高 能耗建筑类型的减少及用地功能与性质的改变。在实证研究的基础上,从三个方面提出控规单 元尺度城市更新的低碳规划策略与技术路径,最后对研究的科学价值和现实意义进行讨论,并 提出未来研究应继续努力与完善的方向。     

结合CNN不同层信息的全变量建模人脸特征表达学习方法

如何学习有效的人脸特征表达是人脸识别的关键性问题。现有基于卷积神经网络（Convolutional Neural Networks, CNN）的人脸深度特征表达学习方法大多在人脸图像经过了有效检测和校正的情况下，能够获得优异的性能，而在复杂场景下其推广性和鲁棒性受到极大限制。对此，本文提出了结合CNN不同层信息的全变量建模人脸特征表达学习方法，将提取的人脸局部深度特征中所包含的差异信息按照子空间进行建模，有效聚合局部深度特征的同时得到人脸在低维子空间的特征表达（iVector）。在IJB-A（IARPA Janus Benchmark A）上的实验结果表明，与现有的深度特征表达相比，该方法学习得到的人脸iVector表达能够显著提升人脸识别系统的识别性能和计算效率。      

一种用于图像分类的多视觉短语学习方法

针对词袋图像表示模型的语义区分性和描述能力有限的问题,以及由于传统的基于词袋模型的分类方法性能容易受到图像中背景、遮挡等因素影响的问题,本文提出了一种用于图像分类的多视觉短语学习方法.通过构建具有语义区分性和空间相关性的视觉短语取代视觉单词,以改善图像的词袋模型表示的准确性.在此基础上,结合多示例学习思想,提出一种多视觉短语学习方法,使最终的分类模型能反映图像类别的区域特性.在一些标准测试集合如Calrech-101[1]和Scene-15[2]上的实验结果验证了本文所提方法的有效性,分类性能分别相对提高了约9％和7％.