摘要：本文介绍了一个旨在研究音乐教育潜力的调查。该调查将塑造声音氛围作为表现学生个体和集体归属感的手段,调查范围是加拿大西部某小城的一个班级,班上学生年龄为10至11岁。学生们立足于各自所在的家庭,学校,交往圈子和所在城市等地域因素,并身体力行的从文化角度探索对上述因素的归属感。本论文的研究方法和参与调查学生进行的创作过程都采用了拼接音乐片段的方式。拼接音乐片段需要充分利用已知的诸如标志和符号系统,实践的标准,内在和可认知的结构,材料和形式等文化研究手段来创造新的认识,技能和结构。在通过拼接音乐片段塑造声音氛围时,参与者需要将对身份的隐喻表达和存在感,以及灵活,富有想象力的和有意义的叙述与对特定媒介样式的艺术探索进行有机结合。而且,拼接音乐片段作为教学方式,为当代教学理念的发展进行了较深远的探索。拼接音乐的过程中,学校是一个进行交流的社交圈子,"在圈子内能博采众闻,并以此促进教育本身的发展"[1]。这次调查结果包括学生使用音乐和视觉隐喻来表达其个人和集体归属感的各种不同方式。学生们通过拼接音乐片段,以声音这一形态描绘出自身生活经历所带来的不同地域和文化背景。在音乐教育过程中,通过拼接音乐片段塑造声音氛围来探究文化认同和归属感的可行性也在文中进行了调查和探讨。

摘要：为了解决脉冲耦合神经网络(PCNN)在图像分割中存在红外图像噪声适应性差、分割结果精度差和参数确定复杂的问题,提出了一种结合多尺度高斯核和粒子群优化(PSO)的自适应分割(AGK-PCNN)算法。首先基于简化PCNN模型进行输入图像的全局耦合和脉冲同步,利用各向异性高斯核的特性设计了权重矩阵,有效地抑制红外噪声,且结合粒子群算法自适应调整不同图像的模型关键参数达到最优分割效果。最后同最大类间方差法、自适应高斯阈值分割方法、SCM分割方法等进行视觉效果对比,使用IoU和Dice得分等对分割图像进行定量比较,结果表明,无论是从主观视觉还是客观指标,本文方法的分割效果均优于其他对比方法。