摘要：针对壁画图像人物间纹理,轮廓相似,不同场景下壁画人物特征差异较大,背景噪声复杂,分类易混淆等问题,提出了一种针对ResNet卷积神经网络的改进策略。首先将模型输入层中较大的7×7卷积核分离为3个串联的3×3小卷积核堆积的主干,将2×2平均池化与最大池化进行add特征融合取代原最大池化操作,增强模型的表征能力。其次设计了一种多尺度高效的空间通道注意模块,以ECA通道注意力模块为基础,串联空间注意力模块,将空间模块中原3×3卷积核替换为SK注意力模块,融合多尺度信息捕捉全局长距离依赖关系,降低背景噪声的干扰。最后提出一种蜂窝式聚合结构,将相邻的block块中的输出信息进行add操作,作为后续层的输入,同时捕获低级和高级特征,增强上下文信息的流通性。实验结果表明:该模型在准确率、精度、召回率和F1值分别达到96.51%、96.65%、96.67%、96.63%。相对于原模型ResNet-18准确率提升9.76%,与主流的分类算法相比分类准确率、泛化能力、稳定性均有一定的提升,能够高效准确识别壁画所属类型,这对于文化遗产保护和艺术史方面研究具有显著价值。

摘要：针对开化寺宋代寺观壁画存在的脱落病害侵蚀问题,在Criminisi算法的基础上,提出一种自适应样本块局部搜索(ASB-LS)的图像修复算法,实现了壁画脱落区域的虚拟修复.首先分析壁画的构图特征,引入结构张量,利用其特征值重新定义数据项,确保图像的结构信息可以准确传播;然后利用该数据项构成新的优先级函数,使得图像的填充顺序更合理;最后利用结构张量的平均相关性自适应选择样本块的大小,同时采用局部搜索策略提升匹配效率,有效地避免了修复后图像结构误传播和匹配块盲目搜索的问题.在VisualStudio2015环境下、采用开化寺宋代壁画进行仿真实验,与Criminisi算法和其他相关算法相比较,结果表明,提出的ASB-LS算法的修复效果较理想,主观视觉上有明显提升,更符合图像的构图特征;同时修复效率有较大提升,峰值信噪比最大提高了3.1 dB,平均提高了0.9 dB,为古代壁画的实际修复奠定了良好的基础.

摘要：针对古代壁画由于历史风化出现不同程度起甲、脱落等问题,提出一种增强一致性生成对抗网络的算法修补壁画缺失区域.该算法以生成对抗网络为框架,首先在卷积层提取深层的图像特征信息,经过反卷积将特征映射到原图像大小的图像空间,并输出修复的图像;然后在判别网络中使用全局判别网络和局部判别网络,增强已修复壁画图像的在整体和补全区域表现的一致性;最后在生成网络中引入空洞卷积增大卷积核感受野,增加网络层数并加入残差模块来获取更丰富的图像特征,卷积层使用批标准化加快建模周期等在细节方面对网络进一步优化,判别网络中也增加了网络的层数,使得判别模型具有了更好的泛化能力.采用的自制数据集进行实验,与现有几种壁画修复算法对比的结果表明,该算法的PSNR值平均提高2~5 dB,SSIM值增加0.02~0.07,较好地完成了在纹理结构强、缺失区域较大的壁画图像上的修复,可应用于古代壁画数字修复工作.

摘要：针对五台山壁画破损区域形状不规则、大小不均匀,采用Criminisi算法修复时易出现错误填充的问题,提出一种改进的块匹配五台山壁画数字化修复算法.首先在计算优先权,除置信度与数据项之外引入分散度项,确保信息最丰富的块被优先修复;然后结合图像块结构的整体性将协方差因子引入相似度计算中,以减少错误填充率.对五台山破损壁画进行数字化修复的实验结果表明,该算法较好地解决了Criminisi算法的错误填充问题.

摘要：由于网络学习中的时空差距,情感缺失问题成为阻碍其发展的一大障碍。基于模糊情感分析的个性_OCC情感模型,给出了网络学习中情感变量初始化和更新的一套规则,将个性与OCC情感模型相结合,利用模糊数学方法,综合评判引起情感变化的学习能力与学习过程因素。该模型克服了以往一些模型太过复杂、不能达到主体反应实时性的缺点,并考虑了个性对情感状态的影响。基于该模型的学习支持技术,有效解决了网络学习中情感缺失的问题,改善了网络学习的交互过程。

摘要：本文探讨了在网络智能教学系统中建立一个双层动态学生模型的方法,模型的初始层采用复合认知型学生模型,高级层利用Hopfield神经网络算法,在初始层数据的基础上加入兴趣、爱好、知识状态、学习历史等信息进行评价、分类。该模型克服了单一学生模型结构数据处理的障碍,能够灵活、全面地对学生的学习特征进行分析,有效改善了智能网络教学系统的教学决策过程。

摘要：随着网络的发展,以及用户应用的不断变化,通用的搜索引擎已不能应对各种不同的检索请求。面向主题的搜集系统是针对一个主题,一类网页的搜集系统,即只搜集整个网络的一个特定子集。对目前采用的各种搜集算法进行了研究和评估,确定了一套面向主题的搜集算法。该算法是基于原有搜索引擎实现的,能够有效、准确的进行同主题搜索,根据实现的结果说明基于SVM和统计的面向主题搜集系统的优势所在及其发展的可能性。

摘要：属性约简是数据挖掘中的一种粗糙集方法,它决定了能代表整个信息系统的重要属性的集合。本文提出了一种求最小约简的基于命题可满足性(简称SAT)的算法,提出一个解决SAT问题的分割和结合的算法。实验结果表明,本文所提算法在高准确分类的基础上,在所得约简中大大减少了规则的数目。

摘要：将惠更斯函数作为目标函数,采用改进的实数编码遗传算法进行求解。通过系统地调整群体规模、变异率和杂交率三种进化控制参数值,设计并进行了分组实验,得到了一组满意的进化控制参数。运用这组参数进行计算得到的优化结果十分接近惠更斯问题的理论值,使惠更斯问题得到比传统算法更好的解决方法。

摘要：目的针对古代壁画图像自身特征提取存在的主观单一性和客观不充分性等问题,以经典Alex Net网络模型为基础,提出了一种结合特征融合思想的卷积神经网络模型,用于古代壁画图像的自动分类。方法首先,由于大型壁画数据集较为缺乏,通过对壁画样本使用缩放、亮度变换、加噪和翻转等图像增强算法来扩大数据集,并提取壁画图像第1阶段的边缘等底层特征;其次,采用结构不同的双通道网络对提取的第1阶段特征进行第2阶段的深层抽象,得到两个通道的特征;最后,融合两个通道的特征,共同构建损失函数得到分类结果,从而提高模型的鲁棒性和特征表达能力。结果实验结果表明,在构造的壁画图像数据集上,该模型最终达到了85.39%的准确率。与Alex Net模型以及一些改进的卷积神经网络模型相比,各项评价指标均有大约5%的提高;与未进行预训练的经典模型相比,本文网络结构不易产生过拟合现象;与结合预训练的经典模型相比,准确率大致上有1%5%的提升,从硬件条件、网络结构和内存消耗上来说代价更小。由此验证了本文模型对于壁画图像自动分类的合理性和有效性。结论本文提出的壁画分类模型,综合考虑网络宽度和深度的影响,能从多局部的角度提取壁画图像丰富的细节特征,具有一定的优势和使用价值,可进一步结合到与壁画图像分类的相关模型中。