摘要：文档区块图像分类对于文档版面图像的理解和分析至关重要。在传统机器学习分类模型中,直接使用图像作为输入会导致学习模型参数量过大而无法进行有效的训练。为了克服这个困难,我们针对文档区块图像设计了一组有效的特征,并提出了基于这些特征和机器学习的文档区块分类算法。在特征设计上,我们提取了几何、灰度、区域、纹理和内容五方面在内的32种特征,以增强特征针对区块类别的分辨能力。在分类器方面,我们在所提出的特征上对传统机器学习分类模型、自动机器学习方法以及深度学习均进行了实验。在公开数据集上的实验结果表明,我们提出的文档版面区块分类算法具有很高的分类准确率,并且效率很高。另外,我们实现了一个简单的分步文档版面分析算法,以展示所提出的区块分类算法的推广能力。

摘要：红酒图像中的酒标区域含有重要的红酒品类信息,而对酒标区域的定位与分割可以有效去除背景区域对图像匹配算法的干扰。传统图像分割算法大多基于局部图像特征和人工设计规则,对噪声较为敏感,并且难以应对大规模数据的处理。针对传统算法的不足,本文首先构造了一个大规模酒标分割数据集,然后提出了一种基于深度学习的酒标分割方法。我们构造了一个基于残差网络的语义分割模型,并且在模型中加入跨层连接,实现低层特征和高层特征的有效融合,使得分割的边缘细节更加清晰和准确。另外,我们采用了带孔卷积金字塔池化结构整合多尺度信息,在增大模型感受野的同时使得模型适应不同尺度的酒标区域。在我们构造的酒标数据集上的实验结果表明,本文提出的酒标分割网络能够进行实时的酒标图像分割,并且达到了相当高的分割准确率。

摘要：证明了一个Maxwell方程的完美匹配层的的充要条件.条件的核心是吸收边界条件.这个判据可以用来检验文献中的各个模型,也可用来设计一些新的模型.最后给出了一些例子.

摘要：Bent函数作为组合对象可以应用于许多方面,如编码理论、极大长度序列、密码学、差集等.多输出Bent函数作为Bent函数的推广在分组密码的设计中有重要的应用.对于固定的整数n和d1,,,dt本文研究了集合B(d1,,,dt)m=﹛(λ1,...,λt)∈F2nt:Trmn(λ1xd1+...+λtxdt)﹜是多输出Bent函数的性质,其中m/n.证明了若m1/m2,则有B(d1,...,dt)m2B(d1,...,dt)m1,并进一步利用B(d1,...,dt)1刻画了B(d1,...,dt)m作为应用,本文推广了Pasalic和Zhang的关于单项型多输出Bent函数Trmn(λxd) 的一些结果,给出了此类多输出函数Bent性的刻画.当Trmn(λxd)是多输出Bent函数时,Pasalic和Zhang猜想xd是F2m上的置换,本文给出了例子,说明这个猜想是不成立的.

摘要：本文将广义径向基函数(RBF)神经网络应用于华丰煤矿实测的煤矿中冲击地压数据的建模和短期预报。在网络设计上,本文采用了贝叶斯阴阳(BYY)和谐学习算法进行网络隐单元个数的确定和参数初始值的选取,而在参数学习上,本文则采用了同步LMS学习算法。实验结果表明,这种基于广义RBF神经网络的预测方法在精度和速度上有了显著的优势,能够满足在工程应用中的实际要求。