简介：通过分析目前常用的传统视频测速的基本原理,针对摄像机安装高度、视场角、倾斜角等参数易受外界环境影响而产生误差这一缺点,依据摄像机的成像原理及三维空间中的仿射变换建立了三维投影模型,并以高速路上两平行道路标线所构成的矩形作为参照物,利用其几何特性确定了实际空间中的点与其像点间坐标的对应关系,提出了改进算法;最后,通过仿真实验对改进算法进行了验证,结果表明该算法较为准确,具有较好的实用性。

简介：对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法（RPCA）、贝叶斯鲁棒主成分分析法（BayesianRPCA）和高斯混合模型的鲁棒主成分分析法（MoG-RPCA）,3种方法对静态背景下的前景提取都较为完整.而动态背景下只有BayesianRPCA和MoG-RPCA提取出了完整的前景目标,但是BayesianRPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.

简介：通过消息监控识别罪犯是一个十分有意义的实际问题。采用Markov模型,将整个消息传递网络看作一个犯罪传递的Markov链,根据所收集到的消息估计出两个节点(人)之间犯罪传递的概率,得到一个Markov概率转移矩阵,并求出网络长期运行的稳定解,作为各节点(人)参与犯罪程度的度量。通过实例说明了该方法的有效性。

简介：本文证明了底空间M是纤维丛P的全测地子流形；并且在dimP-dimM=2时证明了若P是平坦的，则P的每一纤维也是全测地子流形。

简介：在网络终端视频体验过程中,影响用户体验的两个关键指标为初始缓冲等待时间和卡顿缓冲时间，本文结合移动视频传输协议等相关知识，通过机理分析方法，对实验数据进行分析和挖掘，建立了初始缓冲时延映射模型与卡顿时长占比函数模型。并基于视频体验评分测试软件Speedvideo及其网络运营平台，对所在地多个区域进行了综合测试。

简介：根据珠算特点，科学地指导学生进行珠算练习沈思敏珠算易学难精，我在教学过程中首先是端正学生学习珠算的目的性，同时教育学生要掌握这门技术必须了解珠算的特点。由于它是用珠表示数，档表示位，用空档表示零，这就有随意增减算珠的可变性，也有任选档位的灵活性；更存...

简介：教育要面向全体学生，人人学有价值的数学，人人都能获得必需的数学，不同的人在数学上得到不同的发展．这是数学新课程标准对数学教育提出的要求．虽然学生之间的差异是一种客观存在，但面向全体学生就不能无视这种差异，而应因人定标、因材施教．分层教育正是基于学生的个体差异性，综合教育目标、内容、方式等方面进行的整体设计，旨在使每一个学生都得到发展．网络环境为分层教育展现了广阔的前景．

简介：本文建立度量空间1序列覆盖cs-π映象与度量空间紧覆盖cs-π映象的内在刻画．

简介：掌握珠算式心算是终身实用的技术高学谦一、珠算式心算的研究，在理论方面提法不同，但从算理的实质、依据和程序是相同的。从多年实践中，使我认识到：珠算式心算是以算盘做为模式，利用思维活动掌握算珠的形象、既要掌握静态的形象，又要掌握动态的形象。久而久之，人们...

简介：指出了文[1]中的一个问题,并给出了局部可分度量空间的伪序列覆盖s映象和局部可分度量空间的伪序列覆盖紧映象的刻划.

简介：以神经网络为计算模型,在合理处理已知数据的异常情况后,依据给定指标制定出(非)空巢老人的标准,以此建立(非)空巢老人集合的核作为学习样本,从而获得初步的识别结果,同时从输入和输出2个方面对其进行了多种检验。这套完整流程,也可用于解决类似的精准识别和其他数据挖掘问题。

简介：本文引进带权的Chcbyshev逼近并给出它的应用。

简介：<正>如果方程f(x)=0的根为a,很多学生很容易知道f(a)=0.但是,反过来,由f(a)=0,学生就很不容易想到a是方程f(x)=0的根.究其原因,是由于不善于反向运用方程根的定义,不习惯按逆向展开思维.下面通过一些例子,谈谈如何强化学生的逆向思维.

简介：本文把具有任意形状和个数的周期裂缝的弹性半平面基本问题化为了某种特殊类型的奇异积分方程,证明了其解的存在和唯一。并对带周期共线直裂缝的弹性半平面问题,给出了封闭形式的解。更多还原

简介：首先,研究了Erdos1合著网络的特征属性,一方面使用节点的度、介数、接近中心性来描述Erdos1合著网络节点重要性,另一方面使用特征向量中心性和本文提出的高阶度参数来描述Erdos1合著网络节点影响力;然后,分别用逼近理想解的排序(TOPSIS算法)算法和主成份分析(PCA)对节点重要性和影响力排序;最后,利用修改的网页排名(PageRank)算法讨论了网络科学原创性论文中最具影响力的论文。

简介：首先将[3]的双Possion风险模型推广到带干扰的一种新模型。然后运用鞅论的方法得出破产概率满足Lundberg不等式和一般公式。以及当个体所赔服从指数分布时的破产概率的具体表达式。

简介：在一致光滑Banach空间中，证明了广义Lipschitzφ-增生算子的带误差项的Ishikawa迭代序列强收敛于方程Tx=f的解，其结果改进和扩展了近期许多相关结果．并由此得出了Ishikawa迭代序列稳定性的一些结果．

简介：给出了n阶带形状参数的三角多项式T-Bézier基函数.由带形状参数的三角多项式T-Bézier基组成的带形状参数的T-Bézier曲线,可通过改变形状参数的取值而调整曲线形状,随着形状参数的增加,带形状参数的T-Bézier曲线将接近于控制多边形,并且可以精确表示圆、螺旋线等曲线.阶数的升高,形状参数的取值范围将扩大.

简介：基于减背景技术提出了一种改进的运动目标检测模型CW4,与原模型W4相比,CW4充分利用了图像的亮度、色度和饱和度等颜色信息,使得目标检测的结果更加准确。在对带有阴影的彩色图像的背景和前景的像素特点进行分析后,还设计了一种带权重的颜色计算模型的阴影去除算法。实验结果表明,基于CW4的算法显著提高了行人检测的精确性,阴影去除算法也能够有效地检测和去除阴影。

简介：链路预测是网络信息挖掘的主要研究内容，通过对网络结构和其他信息的分析，挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标．并在此基础上提出了一种基于这8种指标线性组合的度量指标，并经过实验找出了较好的优化参数。然后，提出了基于这8种指标的神经网络模型．并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明．基于FANN库的神经网络模型的预测结果最好，在4个数据集上最高的AUC值分别达到了0。95l8、0．9289、0．7480和0．8677，与单一指标最好的AUC值相比分别提高了3．92％、1．45％、7．06％和24．35％。