C#程序设计教学模式探讨

本文指出了C#语言教学中存在的一些问题,探讨了C#教学中所采用的教学模式,强调了培养面向对象的编程思想和正确的教学方法在C#语言教学中的重要性。     

多特征证据理论融合的视觉词典构建

现有的视觉词典构建方法一般是将多个特征构成整个向量并通过聚类形成视觉词典,这种方法在视觉聚类的过程中只考虑了特征的整体相似性而忽略了不同特征对构建视觉词典的影响。提出了一种基于Dempster-Shafer（D-S）证据理论的多特征融合的视觉词典构建方法。该方法应用证据理论融合不同特征的视觉相似性,构造出更加精确的视觉词典。在证据理论的基础上,使用两种特征实现了对视觉词典的再分,使得相似的特征更好地集中在一类中。与传统视觉词典构建方法相比,本文方法获得了更好的结果。应用以上视觉词典构造方法并将之应用于分类实验,在支持向量机与朴素贝叶斯分类器上取得的分类实验结果表明,应用本文方法构建的视觉词典能有效提高视觉词典的精确度,分类效果得到了很大的提高。     

基于概率查询算法的P2P仿真平台实现研究

随着P2P网络技术的广泛应用,运用仿真技术来模拟研究P2P网络的运行,已经成为分析研究P2P网络的重要方法。该文实现了一种基于概率查询算法的P2P网络仿真系统。实验表明,运用概率查询算法的仿真系统在查找效率上大大优于传统的洪泛查找方法。     

植物果实形变的可视化研究

现有的模拟果实形变方法单一且真实感不强,为了更真实地模拟自然界中果实形变,提出了一种将基于约束形变和基于微分坐标相结合的方法。通过交互式方法定义形变区域,设置影响形变的参数,计算势函数得到初步形变的结果,估计出形变区域的旋转变换,并增加保持果实特征的约束条件,采用基于微分坐标的方法进行第二次形变。实验结果表明,该方法所模拟的果实形变不仅保持几何细节,同时也具有较强的真实感。     

基于单类支持向量机的视频车辆检测研究

针对现有视频车辆检测方法存在高误检率、不完整及需要分类的样本数量大等问题,提出一种基于单类支持向量机的视频车辆检测方法.方法通过基于视频多帧统计的方法获得完整的车道背景图像,采用单类支持向量机获得车道背景模型,应用此模型检测车辆目标区域.实验结果表明,该算法具有所需样本量小,车辆检测完整,对光照的变化具有一定的自适应能力等特点.     

一种基于感兴趣内容的图像检索方法

在基于内容图像检索研究中,针对如何提取用户感兴趣的内容以提高检索效果的问题,该文根据用户选择的相似图像自动获取“感兴趣”区域,使用Fisher判别进行区域中“感兴趣”特征分量阈值的动态选择,并以该“感兴趣”特征分量及“感兴趣”区域作为用户感兴趣的内容进行图像检索。试验结果表明了该方法的有效性。     

一种自适应的Harris角点检测算法

分析Harris角点检测算子的实现原理及其不足,提出一种基于图像分块和邻近角点剔除策略的自适应Harris角点检测算法,检症测出的角点均匀分布,有效避免了角点聚簇现象。实验结果表明,该算法检测出的角点分布更均匀合理,能很好地适应图像拼接等实际 应用。     

一种基于内容的快速视频运动对象分割算法

自从MPEG-4和MPEG-7标准公布以来。基于内容的视频编码与基于对象形状的检索成为视频领域新的发展趋势，而准确地从背景中分割出视频对象是实现上述功能的前提条件。对视频运动对象分割算法进行了研究，该算法结合对称差分和自适应阚值选取，获得变化检测模板，并最终分割出视频运动对象。实验结果表明该算法对运动对象敏感，能实时准确地分割出视频运动对象。但对象的关节运动以及背景的全局运动都将导致分割精度的降低，这也是今后研究的重点。     

一种基于特征跟踪的彩色序列图像拼接方法

本文针对图像拼接中的录找匹配点难题，提出运用特征跟踪和窗口匹配方法，寻找正确的匹配征点，对序列图象进行几何视点校正后进行融合拼接，提出的算法计算量小，对于虚拟场景的建设等运算量大的场合具有很好的应用。     

基于子网络结构属性的网络分割研究

Girvan和Newman等人提出了一种基于“中间状态边”概念的网络分割算法,成为研究网络结构的代表性算法。根据“中间状态边”概念,提出了一种新颖的网络分割算法：该算法通过分析构成子网络的两个结构属性,给出了一种划分子网络的方法。根据计算机生成的随机网络和一些真实世界网络的子网络划分实验表明,该算法具有划分准确、计算量小的优点。