基于SuBSENSE的内河船舶检测波纹干扰抑制算法

SuBSENSE是一种融合颜色特征和纹理特征的通用运动目标检测算法,同时算法中的参数自适应反馈机制使得背景模型能够良好地适应内河环境的多样性,在多种检测环境下达到参数最优化设置.针对一般运动目标检测算法用于内河船舶检测时,难以克服水波纹干扰这一问题,提出将SuBSENSE与基于全局对比度的显著性区域检测方法结合进行波纹抑制.利用水面显著值较低这一特性,通过设置适当阈值对显著图进行二值化,从而分离船舶与水面区域.将显著图与SuBSENSE检测结果进行与运算滤除背景干扰,即可得到船舶区域.实验证明,该方法能有效抑制内河环境中的波纹干扰,相比原SuBSENSE算法将综合表现提高了14.6%.      

共享汽车主流模式及发展趋势

正共享汽车已经席卷全球,但在中国发展有其独特之处,本文分析了共享汽车的主流模式及其特点,在中国发展遇到的阻力与助力,展望未来在中国的发展趋势。共享汽车作为一种新兴的绿色交通方式,最开始流行于欧美成熟汽车市场,现在国内共享汽车也开始火热起来,并得到很好的发展。然而还有很多亟需改进和优化的地方。共享汽车的主流模式目前中国主流的5种共享汽车模式:单向分时租     

公路旧桥的加固维修设计

通过对旧桥病害原因的分析,介绍了公路旧桥加固维修的方法,为旧桥的下部和上部维修、加固提供了一些设计方法,供工程技术人员在桥梁设计实践中借鉴和参考。     

提高陶瓷超塑性研究

超塑性陶瓷是一种非常好应用前景的先进材料。本文对超塑性陶瓷材料的研究进展进行了综述,还探讨了影响陶瓷超塑性的因素和提高陶瓷超塑性的途径,为陶瓷超塑性理论和应用提供了参考依据,并指出了以后应该发展的方向。     

考虑集结延误的列车编成辆数问题研究

货车集结是不可避免且耗时较长的技术作业环节，编成辆数与车辆集结延误时间密切相关.针对编成辆数问题，建立描述车辆在调车场集结过程的批到达批服务排队模型，分析车辆集结队长及延误时间等指标，并从经济角度求得最优最小编成辆数.结果表明，最优最小编成辆数受车组到达规律、车流到达强度和列车发车时间间隔影响.到达车组大小满足指数分布时，采用最优最小编成辆数策略节省经济效益优于几何分布和负二项分布；车流到达强度较小时，节省经济效益更显著；列车出发时间间隔分布满足几何分布时，效益优于负二项分布和均匀分布.     

基于粗糙集的城市轨道交通项目效益因素多元组合权重研究

效益因素的权重确定是对城市轨道交通项目进行效益分析的重要环节。针对只考虑单个因素权重存在的片面性和局限性问题,根据粗糙集的基本原理,给出城市轨道交通项目效益因素多元组合权重的计算模型,用调查得到的8个城市轨道交通项目的效益因素数据进行多元组合权重的计算和分析。结果表明,城市轨道交通社会效益因素的组合权重大于经济效益因素的组合权重,印证了在现阶段我国的城市轨道交通项目具有较强的准公共产品经济特性;不同效益因素之间相互制约、相互作用,对决策结果的影响很大。     

大数据在高校中的应用

随着当今社会信息化的迅速发展,大数据在生产、生活中的应用也越来越受到人们的关注。高校中信息非常密集,对数据的处理也很频繁,本文对大数据进行简要的介绍,并试着分析大数据在高等学校中的应用。     

聚合物胶结（树脂）砂浆的性能试验研究

混凝土是用途最广的结构工程材料,伴随科学技术的发展,各种特种混凝土的需求也与日俱增.文章主要研究环氧树脂和不饱和聚酯树脂做胶结材料时,外加剂的种类和用量对树脂胶砂试件的抗折抗压强度影响;对试验结果进行分析,参考胶砂试验数据,预制树脂混凝土试件,研究其技术经济效果.     

基于关键频域贡献率的牵引车平顺性主客观关系研究

汽车平顺性客观评价因计权特性、牵引车关键位置动态响应的特殊性,导致关键频域振动信号淹没在计权频域,使平顺性客观评价偏离了实际的平顺特性。考虑人体结构重要局部关键频域,建立考虑关键轴向的关键频域贡献率算法模型,计算分析指定牵引车的关键频域贡献率特性,并结合平顺性标准客观评价分析,获取重要客观评价结果。经平顺性客观评价结果和主观评价结果对比证实,文章论述的方法和主观评价具有较好的一致性,可为牵引车平顺性优化分析研究提供重要的客观评价指标参考。     

保护自主知识产权研讨会在南京召开

2008年11月27日，由中华人民共和国海关总署和中国摩托车商会共同发起的以“增强企业自主创新能力，大力促进自主品牌建设”为主题的保护自主知识产权研讨会在南京举行。来自海关总署及其分署的近20个地区海关、商务部、国家知识产权局以及中国摩托车商会会员企业的近50名代表参加了此次研讨会。近期美国次贷危机引发全球经济衰退和外部需求下降，我国摩托车产品的出口增幅首次出现下滑，在此背景下召开的保护自主知识产权研讨会被赋予了特殊的意义，从而也引起社会各界对此次研讨会的高度关注。