摘要：阐述了利用数据挖掘和神经网络的智能决策系统与ERP财务管理有机结合的成本管理策略,提出了智能决策与ERP财务管理耦合的系统模型,包括系统总体框架的设计、智能决策系统的设计及模块的协同运作。

摘要：以辅助基层作战部队进行信息化管理和科学决策为出发点,借助决策支持系统和管理信息系统的基本理论和方法,提出了基层作战部队信息化管理及辅助决策系统的总体结构。

摘要：在逆向工程中,为处理庞大的三维点云数据,重建物体的表面,提出一种基于多视角的改进ICP算法。通过采集多视角下的点云数据,利用Delaunay三角剖分以及深度值信息对相邻两组点云的重合部分进行提取,根据三角面片重心与待测物体重心之间的距离将获得的点云数据进行分类配准,计算最优的旋转矩阵与平移向量,提高ICP算法的效率。实验结果表明,该算法能够提高配准精度,缩短配准时间,具有良好的稳定性。

摘要：生物免疫系统能够使自身主动地抵御外来病毒的攻击,它在生物体内的作用与计算机领域的安全系统非常相似。这里借鉴生物免疫原理,设计了一个计算机入侵检测系统,使计算机系统能够主动的防御外来攻击,并在可靠的安全环境中工作。

摘要：随着计算机视觉、深度学习的发展,基于视觉的静态SLAM研究不断改进,然而大多数SLAM算法存在静态假定不成立和累计漂移。针对上述问题,设计动态BN-SLAM算法,利用深度图像的几何信息对原始掩模进行修正,修正掩膜用于移除运动物体及其影响。设计加权RANSAC方法,求解摄像机局部位姿。在TUM数据集上的实验结果表明,BN-SLAM的ATE、平移RPE和旋转RPE的平均RMSE值分别为95.46%、92.45%和90.88%,平均S.D.值分别为94.88%、94.76%和92.80%,跟踪轨迹点结果的平均率为98.80%。在真实环境的实验结果表明,BN-SLAM能够剔除运动的人造成的地图污染。

摘要：为实现三维点云的分割,利用神经网络高效处理三维数据,减少庞大的计算量和存储量,提出一种基于八叉树的卷积神经网络的点云分割方法。构造高效的八叉树结构化表示三维点云,提取深层子八分体的基本特征并融合作为神经网络输入特征,将卷积计算限制在八叉树节点上,通过多层网络结构获取更高维的点云模型的信息,得到分割预测标签。实验结果表明,该方法可以实现点云模型的分割,得到良好的分割效果。

摘要：为解决红外图像中人眼瞳孔中心定位存在的眼睑遮挡、睫毛遮挡和角膜反射引起的白斑干扰等问题,采用由粗到精的瞳孔中心定位策略。对红外图像进行预处理,通过YoloV3深度学习模型检测瞳孔区域,实现瞳孔中心的粗略定位;在此基础上,采用星射线法提取瞳孔边缘点,剔除因眼睑遮挡导致的伪瞳孔边缘点;将剩下的边缘点基于最小二乘法进行椭圆拟合,对椭圆进行修正,精确定位瞳孔中心。实验结果表明,在眼睑遮挡、睫毛遮挡和白斑干扰的情况下,该方法可以准确定位,具有较好的鲁棒性和实时性。

摘要：针对使用深度神经网络进行多视角图像三维重建时存在特征图对光照变化敏感以及重建不完整的问题,提出了一种融合梯度和高斯过程回归的多视图重建方法.首先,针对光照变化影响提取特征的问题,设计一个融合梯度的特征提取网络.通过对图像进行独立的梯度计算并在梯度与原图像的基础上使用卷积神经网络提取特征,提高了梯度信息在特征图中的彩响力,增强了特征图对光照变化因素影响的抑制力.其次,针对多视图重建中特征提取步骤只关注当前视图而没有考虑视图间的潜在空间关系的问题,提出一个融合高斯过程回归算法的视图特征增强模块,有效地增益了视图间相关信息对多视立体视觉重建任务的影响,提高了多视立体视觉重建结果的完整度.最后,通过衡量参考图像与相邻图像特征体之间的匹配程度计算不同视图对Costvolume的贡献度,重新构建符合视觉感知的CostVolume.在DTU和Tanks and Temples数据集上进行实验,结果表明,与主流的多视立体视觉重建方法相比,该方法在三维重建的完整度方面有较大提升,并且拥有良好的泛化性.

摘要：针对目前的描述子只注重特征点几何形状信息的描述,使特征点的局部信息描述不够充分,导致匹配精度不足、抗噪性较弱等缺点,提出一种结合三维几何信息和视觉信息的基于协方差矩阵的多尺度特征描述子,通过计算特征点及其邻域的颜色和稳健的几何特征对特征点进行描述。该特征描述子具有旋转不变性,对噪声和分辨率的变化具有鲁棒性,可以应用于特征点的检测,减少三维模型间匹配时涉及的点的数量。实验结果表明,在匹配复杂的三维模型时,该描述子和其它特征描述子相比,具有更好的抗噪性,对分辨率的变化具有更强的鲁棒性。

摘要：为提高传统手势识别方法在手势偏转情况下的识别率与识别速度,提出一种改进的SRC手势识别算法。采用YCrCb自适应阈值分割模型对原始图像进行肤色分割,利用主成分分析法(PCA)提取其主要特征,采用K-最近邻方法从样本集中选取K个样本构成新的超完备冗余字典,通过求解l1范数最小化的问题完成分类识别。实验结果表明,采用的KNN-SRC算法相对传统手势识别算法拥有更高的识别率,降低了SRC算法的时间复杂度,当K取值为20时识别速度为普通SRC算法的4倍。