基于网络的动态多文档文摘系统框架

在自然语言处理和计算语言学相关技术支撑下,研究基于网络的动态多文档文摘系统框架,重点描述动态多文档文摘系统框架的相关内容,介绍利用矩阵子空间方法进行动态演化建模,利用相似度和质心整体优选计算方法进行信息过滤,并利用动态流形排序方法进行句子加权的动态多文档文摘生成系统.按照多文档文摘生成步骤的划分,对3 种创新的模型方法进行融合,综合起来从不同侧重点考虑,形成互补,提高系统性能.在网络环境下,此框架保证了动态演化的多文档文摘具有较高的信息新颖性和历史信息的演化性.     

基于数学模型的原木节子视频识别理论研究*

论述原木节子视频检测方法,提出节子视频特征和内部分布的数学模型。通过对节子图像进行修正、增强、边缘检测等处理,提取节子的形状特征参数。利用数学模型模拟节子的三维图像,实现节子的计算机模拟和定位。为原木加工中的节子自动化剔除处理和避开节子最优下锯定位提供基础理论和视频检测技术,为制材数控系统的编程提供具体方法。实现原木节子分布与形态的视频再现,达到视频研究原木节子的空间形态和分布规律的目的。     

基于快速尺度空间的无人机影像自适应稳像方法

为实现无人机航拍影像的实时稳像,针对稳像过程中特征检测的速度问题和运动滤波的发散现象,提出了一种改进的AGAST算法与自适应Kalman滤波相结合的实时稳像算法。对于无人机实时航拍视频序列,以当前帧的前一帧为基准进行稳像处理。改进的AGAST特征检测算法在尺度空间的基础上快速提取AGAST角点特征,用二进制描述符对其进行描述,然后用汉明距离匹配特征点。对于已获得的匹配特征点对集合,用RANSAC原则剔除误匹配点,再计算运动矢量。最后使用自适应Kalman滤波提取出运动矢量中的无人机主动扫描分量,进行运动补偿,获得稳像结果。实验数据使用标准测试图集和自己采集的无人机航拍视频,实验结果表明,所提算法在连续视频序列处理时效果显著、速度快,能够满足实时稳像的需求。     

基于Sobel梯度模板的多阈值实时边缘检测方法

为了解决传统边缘检测方法存在的边缘短小、边缘丢失和噪声敏感等问题,提出一种基于Sobel梯度模板的多阈值实时边缘检测方法。该方法在大阈值下收集用于边缘定位的标兵点,在小阈值下确定用于边缘连接的搜索区域,并结合一种连点画图游戏的思想,利用不同阈值下收集的边缘线索和信息提取最终的边缘。实验结果证明,该方法运行速度快,具有较好的实时性,检测的边缘为单像素宽度,定位精确,连续性好。     

开源企业资源计划系统在人造板行业应用与推广

介绍人造板行业企业资源计划（ERP）管理模式及开源ERP系统在人造板行业的应用,分析了在开源ERP应用推广过程中现代企业文化与传统人造板企业文化的冲突。     

基于分割间测地距离的局部立体匹配方法

针对应用自适应权值法得到的视差图不平滑的缺陷,通过理论分析,将自适应权值法与图像分割先验相结合,提出了新的基于分割间测地距离的颜色差异函数,用于计算局部支持窗口的权值。新方案的主导思想是：在匹配时对图像进行分割,将局部方法中的支持窗口看作不同分割区域的集合,使用测地距离函数为窗口中每个分割分别计算权值,计算匹配代价,最后运用WTA方法确定视差。与原自适应权值和原基于分割方法对比,实验结果表明该方法有更好的表现。     

竹材四面铣削三面剖分数控系统设计

目的 针对竹材初加工设备相对落后、 自动化程度低的问题, 基于竹材四面铣削三面剖分加工工艺, 用数控技术提高其自动化程度。方法 给出了实现竹材四面铣削三面剖分加工工艺的整机结构; 根据竹材四面铣削三面剖分加工方式, 利用PLC设计了竹材四面刨床的数控系统。 结果 确定加工竹材的宽度和厚度之后, PLC能进行相应脉冲数量的运算, 得出所要进给的距离; 四面数控刨床具有自动对刀、 独立加工、 单件刨切和统计加工件数等功能。结论 数控化的竹材四面刨床使竹条初加工更加人性化, 提高了竹材初加工的机械自动化程度, 所加工的竹条规格更加统一。     

我国木材材种识别技术的新进展

介绍了传统的板材识别方法,包括人工经验识别法、对分式检索表法和穿孔卡片检索表法.总结了基于计算机识别技术的各种木材识别方法:数据库查询检索法、木材图像识别法、利用神经元网络和木材表面颜色特征对木材进行分级的方法、基于语义数据模型的识别方法、基于最大相似原理的材种判别法和木材细胞模型系统的研究进展,重点论述了基于板材端面细胞实体检测图像的数字特征参数识别法.还总结了木材识别理念的更新和进展,指出基于板材端面细胞实体检测图像的数字特征参数识别法大幅度地加快了识别和比较计算的速度,减少了传统依赖图像像素特征识别比较的不确定性.     

原木模型理论的发展

原木模型理论是下锯优化、制材数控化技术的理论基础,本文通过综述国内外原木模型理论的发展,分析了我国原木模型理论的研究现状,展望了我国原木模型理论的发展趋势和应用前景.     

深度迁移学习在古筝品质分级中的应用

深度学习和迁移学习的兴起为树种识别提供了新方向,然而其在同树种内不同品质间木材识别仍存在挑战。为改善古筝面板品质分级现状,设计了一种深度残差网络模型。首先将数据集进行划分并采用数据增强技术来扩充训练样本,然后将ImageNet上经过预训练的模型迁移到该问题上。为高效提取到板材图像特征,在预训练模型后新增深层特征提取部分,其融合了残差连接和深度可分离卷积,不仅可增强特征重利用率和缓解梯度消失,而且有利于提取到图像深层特征。最后为提升模型在训练过程中的鲁棒性,使用LeakyReLU函数代替ReLU函数避免神经元死亡问题。该方法在泡桐导管图像数据集上测试精度达到了92.8%,对比其他主流方法,该模型可节省古筝品质分级时间,提高识别精度。