摘要：为提高协同表示模型的特征表达能力和鲁棒性,解决对正则参数敏感的问题,提出加权协同表示分类器(WCRC)并运用于人脸识别。基于L2范数求解最优化问题,利用训练样本的先验距离信息作为权重,将待识别图像与每类样本的距离信息作为先验信息引入到特征表示函数中,增强距离待识别样本较近的某类样本的重构权重,利用最小二乘法求解表示系数,根据待识别图像与每类训练图像的重构残差大小判断待识别图像的类别。通过实验测试以及与其它算法的对比验证了该方法的有效性。

摘要：针对判别最小二乘回归(DLSR)对图像噪声鲁棒性不佳的问题,提出一种基于潜子空间去噪的子空间学习图像分类方法(DLSSL)。该方法在架构上不同于现有基于回归的分类方法,其在视觉空间与标签空间中引入一个潜在子空间,将传统的图像分类框架改进为两步,即先降噪后分类。该方法先通过欠完备自编码将数据的高阶特征提取到潜在空间,再利用此高阶特征进行回归分类,同时辅以组核范数约束控制类内样本间距离。潜在子空间的引入为算法框架带来了更多灵活性,缓解了视觉空间与标签空间中数据维度与特性的差异,使得欠完备自编码可以有效地对数据进行降噪,提升了分类算法的鲁棒性。在人脸、生物指纹、物体和深度特征数据集上设计了多组对比实验,实验结果表明,算法对于图像中的噪声具有较强的鲁棒性,获得的投影矩阵具有良好的判别性,相比现有图像分类算法,性能更好、普适性更强,能有效地运用于各种图像分类任务。

摘要：针对目前一些正确识别率高的SVM(Support Vector Machines)分类器、超球SVM分类器、深度学习分类器在一些典型样本集上应用时仍然有2%左右的错误识别率和增量学习功能不强的问题,本文提出了一种具有合适拒识机制的高正确识别率分类器设计方案和相应的增量学习算法,较好地解决了上述问题.主要工作包括:同类特征集合的紧密包裹集构造算法;基于同类特征集合和紧密包裹集的同类特征区域紧密包裹面的求解算法;设置所有紧密包裹面之外的公共区域为分类器的拒识区域的方法;当增加新类别、增减训练样本时,以上算法的增量学习算法.用uci数据集做对比实验表明,在拒识率小于1.3%的情况下,本文方法设计的分类器正确识别率大于99.13%.

摘要：高校传统人才引进工作性质复杂、效率较低。针对该问题使用Python语言设计并实现了一套基于Django框架的Web系统,使人才引进流程可视化、透明化,显著提高了办公效率。该系统具有成本低、扩展灵活、性能稳定、数据安全等特点,在高校人事管理系统及其他信息系统中具有很好的示范效应。

摘要：文章介绍了某贝雷梁加固简支空心板桥通行493t特载车辆的工程实例,并通过连续3次对车辆通行过程中各控制截面测点挠度和应变的监测结果与理论值进行对比分析,对加固后桥梁结构特性进行了研究,结果表明该加固桥梁承载能力能满足该特载车辆的使用要求,且车辆通行后桥梁挠度和应变恢复性良好,加固桥梁基本处于线弹性工作状态。同时也表明,新旧结构能共同参与受力,变形协调性较好。文章为特载车辆通行常规桥梁的加固设计和检测监测试验提供有益参考。

摘要：针对现有图像恢复方法无法同时分离出稠密噪声和稀疏噪声的不足,提出了一种三分解模型(tridecomposition model,Tri-Decom)。该模型目的是将矩阵分解为三个分量矩阵,其中第一个矩阵表示干净数据,具有低秩性质,通过核范数刻画;第二个矩阵表示噪声数据,具有稀疏性质,通过L1范数刻画;第三个矩阵也表示噪声,但具有稠密性质,通过F范数刻画。通过不同的刻画函数可将观测数据分成干净数据、稀疏噪声和稠密噪声。为求解模型,设计了一种基于乘子交替方向法的求解算法,该算法可有效求解变量可分离的优化问题。该算法用于处理受到大稀疏噪声和小稠密噪声破坏的图像数据,在人脸图像和监控视频等领域的实验结果证明了所提方法的有效性。

摘要：GNU/Hurd操作系统是GNU设计用来替代Unix内核的新一代操作系统内核。Hurd基于微内核Mach 3.0架构之上,并与Mach系统独具各自不同的优点与特点。首先,简单介绍Hurd与Mach系统的关系,并且介绍了作为新一代操作系统内核的优点和特点,其次,重点分析了Mach微内核的内存管理以及Mach实现内存管理的接口。最后,讨论了如何在Mach微内核下完成内存共享,给出并分析了三种不同的实现方案。

摘要：面向对象程序设计课程是一门应用性和实践性很强的专业必修课。因此,对课程进行深入建设具有十分重要的意义。希望在今后的教学工作中通过对本课题的研究,探索出一套适合于南京审计大学计算机审计本科生教育的教学改革,提高计算机审计本科生的面向对象程序应用研究开发能力,从而培养出适应计算机审计和信息系统审计发展的实用型人才。