摘要：为简化街景大数据获取、处理和分析过程,设计并实现了一个在线百度街景的城市天空可视域(SVF)指标智能分析系统BMapSVF。基于浏览器/服务器的前后端分离软件系统架构,采用开源Web框架和数据库系统,融合DeepLabv3图像语义分割算法,选用开放街景数据集Cityscapes对DeepLabV3进行训练,实现了街景数据获取、存储、处理、SVF提取和可视化表达等功能。在南京市新街口中心区主要道路上采集180张百度街景图像,于BMapSVF系统上完成SVF计算,并与人工SVF提取方法结果进行比较。结果表明,受树木等杂物遮挡影响,系统提取的SVF与人工方法结果存在小的整体偏差,但2种方式提取的SVF数据相关系数达到0.965 5,标准误差为0.023 7。

摘要：添加次序试验是指试验结果受成分或材料的添加次序影响的一类试验.本文首先基于Hamming距离,从均匀性及相似性的角度出发得到添加次序设计的离散偏差;然后给出U-型设计下的离散偏差下界,并将此作为衡量设计最优性的准则.基于该准则,本文提出一类新的设计,这类设计达到了离散偏差下界,并且称其为均匀添加次序设计.其次,本文给出均匀添加次序设计的一些构造方法,所构造的设计具有灵活的试验次数,适用于序贯试验.此外,进行列置换后的均匀添加次序设计在配对排序模型下是有效的.最后说明这些有效的设计具有优良的平衡性和投影性.

摘要：极大极小距离设计常用于计算机实验,其安排实验点使得任意两实验点间的最小距离最大化.本文基于球覆盖的思路,提出保距抽样法构造单位球体中的极大极小距离设计.相较于致密堆积法,该方法实现了对任意实验次数的设计构造,且避免了水平重复.相较于贪心算法和序贯优化法,该方法能够得到极小距离更大的设计结果,同时具有更低的算法复杂度.

摘要：空间填充设计在计算机试验中应用十分广泛,当拟合回归模型时,正交的空间填充设计保证了因子效应估计的独立性.基于广义正交设计,文章给出了构造二阶正交拉丁超立方体设计和列正交设计的方法,新构造的设计不仅满足任意两列之间相互正交,还能保证每一列与任一列元素平方组成的列以及任两列元素相乘组成的列都正交.当某些正交的空间填充设计不存在时,具有较小相关系数的近似正交设计可作为替代设计使用.设计构造的灵活性为计算机试验在实践中的广泛应用提供了必要的支持.

摘要：本文介绍了一个新颖有效的方法,用于估计图片中的变化区域.本文利用现有的一维参数变点估计方法设计了一个可以应用到图像分割问题中的方法.新方法采用了Schwartz信息量准则来估计变点个数,然后通过一个改进后的PELT算法来计算变点位置.此外,在估计完变点之后,本文也提出一个全新的方法可以将同分布的区域聚合在一起.我们证明了在一些合适的条件下,变点的估计和区域的估计均是相合的.在数值模拟研究中,新方法在估计精度和计算时间等方面都要优于其他的图像分割算法.

摘要：许多统计建模方法需要通过一个或多个调节参数来控制模型的复杂性.这些调节参数可以是非参数回归或密度估计中核光滑方法的带宽,也可以是在高维建模中利用正则化方法进行特征选择的相关正则化参数.调节参数选择在统计建模和机器学习中起着关键作用.对于大规模数据分析,诸如基于信息准则的网格点搜索等常用的调节参数选择方法往往需要巨大的计算成本.即使利用并行计算平台,常用方法的可行性仍值得怀疑.本文旨在开发一种快速算法来有效地近似最优调节参数.该算法需要(a)假设一个参数模型来描述最优调节参数与样本大小之间的趋势,(b)利用子采样数据拟合模型并建立趋势,进而(c)将这种趋势外推至大样本的情形.为了确定子采样样本大小,在给定总计算成本预算的约束下,本文推导子采样的理论最优设计,并进一步证明估计的设计具有渐近最优性.本文的数值研究表明,在多个统计应用中,即使利用一个简单的两参数幂函数模型,所提出的算法所挑选的调节参数与基于全数据集所得到的调节参数几乎一致,同时显著地减少了计算时间和存储空间,表现出明显的优势.

摘要：正交性与空间填充性是计算机试验设计的两个重要性质.本文提出通用的旋转方法用以构造一类新的正交空间填充设计.这类设计既具有正交性,又有理想的空间填充性.此外,本文提出的构造方法简单易行,且生成的设计具有灵活的试验次数和水平数.生成的设计既可以是对称的,也可以是非对称的.相关理论支撑科学严谨.本文构造并给出许多新的具有理想的空间填充性的正交设计.旋转矩阵和差阵在构造中起到重要的作用.

摘要：最大最小距离设计和正交设计在计算机试验和实体试验中备受关注.研究了一类正交U-型设计在最大最小距离准则下的表现.结果表明,此类设计如果在正交性准则下是最优的,那么在最大最小距离准则下也是最优的,从而表明正交设计和最大最小距离设计有着密切联系.

摘要：针对基于正常样本训练的无监督重构网络在训练阶段缺少缺陷信息指导和捕获高层次语义信息能力不足的问题,提出一种基于缺陷引导与差异映射的级联网络模型GM-Net.该模型由缺陷生成器、缺陷引导重构模块和差异映射孪生模块组成.首先使用缺陷生成器将无缺陷的正常样本构造为与实际缺陷无关的伪缺陷样本,同时提取得到对应的正常特征和伪缺陷特征;然后利用缺陷引导重构模块对随机选择输入的正常特征或伪缺陷特征均以正常特征为目标进行重构;最后通过差异映射孪生模块提取重构前后特征间差异,并将其映射到图像空间内,实现缺陷检测.GM-Net在定向引导缺陷重构的同时增强了特征间差异在图像空间内的表达能力;在KolektorSDD和KolektorSDD2数据集上进行性能测试的结果表明,AUC指标分别达到0.855和0.949.

摘要：自2020年春节前后,居家线上授课成为了主要教学模式,本研究从“使用与满足”理论出发,探讨了大学生线上直播课程需求与其学习投入度的关系,以及学业自我效能感的中介作用。学生在学习过程中的需求是教学过程中不可忽视的一个关键性要素,本研究对相关文献进行了查阅和整理,设计问卷进行数据收集,对293份有效样本进行数据分析。结果表明,线上直播课程需求对学习投入度有着正向影响,交互交流需求和自我提升需求均对学习投入度有着正向的影响;学业自我效能感在线上直播课程需求对于学习投入度的影响中起着中介作用,学习能力自我效能感和学习行为自我效能感在交流交互需求对于学习投入度的影响中起着中介作用,也在自我提升需求对于学习投入度的影响中起着中介作用。本研究为教育教学活动的实施及管理提供了理论及实践意义,带来了一定的启示。