摘要：东北虎(Panthera tigris altaica)重识别对于东北虎的行为研究以及保护具有重要意义,针对在自然环境中东北虎难以被重新识别的问题,提出了一种结合指导学习和特征擦除的东北虎重识别方法。设计了一个包括全局流和局部流的双流网络,局部流以分割后的前景图作为输入,使网络更关注前景部分,全局流以原图作为输入,通过局部流指导全局流学习细粒度特征,同时将模型最后全连接层(FC)的各类别权重参数之间的差异作为指导进行特征擦除,以擦除后的特征向量训练网络,从而增强特征向量中更多元素的辨别能力,最后在测试阶段只使用全局流。在野外东北虎重识别(ATRW)数据集上对该方法进行评估,在单摄像机条件下,m AP达到92.1%;在交叉摄像机条件下,m AP达到72.9%,试验结果表明方法有效。

摘要：给出几种基于颜色和纹理特征木质板材的分级算法,这几种方法通过主颜色和共生矩阵特征,分别利用神经网络中的RBF网络和K-近邻对木质板材样本图像进行处理,然后进行分类的方法。木质板材样本图像通过对木材加工处理采集而得到的。主颜色特征是反映一幅图像的基本面貌的,并通过HSV颜色模型、量化、颜色直方图和绝对距离而得到的;再加上共生矩阵特征。选取三种主颜色方案数据,经过Matlab7.0平台进行程序设计,对木质板材样本图像数据进行训练和测试,并加以验证。实验结果表明,这几种方法能够较好地解决木材分级的问题。

摘要：给出几种基于颜色特征木材的分级算法,这几种方法通过主颜色特征,分别利用神经网络中的RBF网络、K-近邻和最近邻对木材样本图像进行处理,然后进行分类。木材样本图像是通过对木材加工处理采集而得到的;主颜色特征是反映一幅图像的基本面貌,并通过HSV颜色模型、量化、颜色直方图和绝对距离而得到的。选取3种主颜色方案数据,经过Mat-lab7.0平台进行程序设计,对木材样本图像数据进行训练和测试,并加以验证。实验结果表明,这几种方法能够较好地解决木材分级的问题。

摘要：本文叙述了利用计算机多媒体技术开发教学课件的过程和方法,着重介绍了本课件设计思想、课件的组成及如何利用多媒体制作工具将多媒体素材编制成教学课件。

摘要：木材材色在各种颜色空间中的分布范围都比较窄,而利用CIE1976L*a*b*均匀颜色空间的等距性和色差高分辨力的特点可以很好地对其进行测量与辨别。在L*a*b*颜色空间中,提取了东北常见的5种树种的径切和弦切木材图像的颜色特征,然后采用模拟退火算法对这些特征进行了选择,并结合BP神经网络和-近邻两种分类方法进行了仿真试验,得到了满意的分类结果。

摘要：脊椎动物中最重要的生物类群之一的鸟类不仅在维持和保护生态平衡和生物防治等多方面起着十分重要的作用,而且对人类来说鸟类在很多方面还具有极高的经济价值。鸟叫声作为研究鸟类的生物学最重要的特征之一,因此主要采用MATLAB2010a对鸟类的叫声进行相应的特征提取并对其进行仿真,主要包括对鸟叫声的预处理、线性预测分析(LPC)、美尔频率倒谱系数(MFCC),并用MATLAB2010a设计一款软件实现对鸟叫声的特征提取。

摘要：创新设计方法是创新设计的关键。对典型创新设计方法(头脑风暴法、试错法、TRIZ等)进行研究,分析其特点及解决问题的模型,并在自动控制原理教学中引导学生学习创新设计方法,指导学生运用创新设计方法进行系统分析与控制器设计,以培养学生的设计创新能力。

摘要：论文以2021全国大学生电子设计竞赛G题“植保无人机”作为设计参考目标,提出了一种基于视觉惯性里程计的微型无人机控制系统,以完成题目提出的“对指定田块进行农药喷洒”的功能。利用嵌入式控制系统,通过对视觉惯性模块、光流模块、姿态模块等传感器数据的融合处理,实现无人机在空中的姿态位置PID闭环控制。并分析各类常用传感器的性能和适用性,对赛题所用视觉传感器方案进行试析。最终针对视觉惯性模块的普遍尺度误差,提出一种在线校正算法,进一步提高位姿控制精度。

摘要：自动化实验即控制系统设计大实验,是自动化、电气工程及其自动化等专业必修的一门重要课程。该实验能使学生熟练掌握基本技能的操作,加深对理论知识的理解,培养学生分析问题和解决问题的能力。但传统的自动化实验教学模式中存在许多不足之处,尤其在农林本科院校中,问题较为突出。针对存在的问题,对当前自动化实验的教学模式进行一些改革尝试,以更加适应社会的需求。

摘要：波段选择是降低高光谱数据维度,减少数据过多冗余的有效手段,是高光谱影像像素分类的重要前提。其本质上是一个复杂的组合优化问题,用传统的搜索方法不易得到满意的解。针对上述问题,提出了一种结合黄金正弦和混沌斑鬣狗算法(GSSHO)的高光谱波段选择方法。首先,使用混沌策略初始化斑鬣狗种群,提高种群的随机性和多样性;然后,用黄金正弦算法改进原始斑鬣狗算法搜索个体位置更新方式,提高算法的全局搜索能力;最后,设计结合分类精度和波段个数的适应度函数,对算法优化性能进行评价。在高光谱遥感数据集上,将该方法与其他先进优化算法进行比较,实验结果表明,该方法所选波段个数接近原波段的1/10,对于Pavia Centre数据集分类精度高达99.08%,优于其他对比方法,能以更合理的收敛方向找到最优解,所选波段数更少,分类精度更高,是一种高效的波段选择方法。