基于类间和类内方差的快速二维阈值分割法

为了提高二维阈值分割法的处理速度,提出二维类间方差最大法的快速实现方法.首先,将二维最佳阈值（s*,t*）的求解拆分成两个一维最佳阈值s*和t*的求解,并引入类内距离的定义,提出新的最佳阈值判别式.其次,将原二维直方图分成M×M个区域,合并每个区域为一点,并构建新的二维直方图,在其上应用本文改进的阈值判别式D（s*,t*）求解,得到分割阈值所在的区域编号.最后,在该区域内再次使用D（s*,t*）求解得到原始图像的最佳分割阈值.理论分析及针对不同信噪比的多幅图像的实验结果表明,本文方法的分割错误率低于原始二维Otsu法,且将原算法的时间复杂度由O（L4）降为O（L1/2）,空间复杂度由S（L2）降为S（2L）.      

新旧规程中沥青混合料理论最大相对密度测定的对比

关于沥青混合料理论最大相对密度的测定,由于原规程中对于真空度的要求不合理,新规程取消了真空度标准,统一采用负压标准,同时对试验步骤中的细节进行了修订,增加了修正试验。通过对新旧规程的对比分析,有助于更好地测量沥青混合料理论最大相对密度。     

多孔集料沥青混合料理论最大相对密度确定方法的研究

理论最大相对密度间接决定了沥青混合料的路用性能。计算法、溶剂法和真空法都不能准确的获得多孔集料沥青混合料理论最大相对密度。文中提出采用浸渍法实测多孔集料混合料的理论最大相对密度,通过试验证实其精度较高。     

中小学校放学家长接送概率建模分析

现代社会中城市交通拥堵问题已经成为人们日常生活中的热点话题,在众多城市拥堵问题中由中小学上下学伴随的接送交通对学校周边交通造成的拥堵问题尤为突出。为了解决这一问题,笔者从中小学校上下学接送行为特性入手,分析影响接送行为的各方面因素以及各影响因素的影响程度和影响效果;结合南京市实验小学为接送行为调查的结果,对调查的数据进行统计分析,建立模型,并运用SAS软件进行模型拟合和参数标定;最终得到对象学校的接送行为概率模型。研究表明,学生年龄和学校距离是影响接送概率2个最为显著的因素,且学校距离每增加1 km ,家长不接送概率与接送概率比值的对数值降低0.0241;学生年龄每增加1岁,家长不接送概率与接送概率比值的对数值增加1.125。      

路基结构的可靠性分析

文中对路基结构以弹性半空间地基板模型进行了可靠性分析。考虑地基、板、载荷的变异性较大参数的随机性,应用一次二阶矩法对问题进行了可靠性研究,分析了随机参数变异性对可靠指标β值及失效概率的影响,得出了有益的结论。     

����Ѳ�����ƵĹ�������ϵͳԪ���Զ���ģ��

针对公共交通系统,基于巡航控制的思想,本文提出一个新的可变跃迁概率元胞自动机（CA）模型. 模型中假设公交车辆并非唯一追求以最大速度行驶,而是根据期望车头距动态调整车辆向前移动的速度,实现了公交线路上车辆之间的相互合作以及协调行驶行为. 通过数值模拟实验表明,该模型可以再现公交集簇前行的现象,引入新的控制策略后,模型改善了车辆在公交线路上的时空分布,疏散了公交车辆集簇行驶的状况,进而在很大程度上提高了公交系统内车辆运行的平均速度并且降低了平均等待乘客数. 结果表明,新的控制策略可以提升公交系统的运行效率,具有一定的现实指导意义.     

基于预报误差的船舶遭遇台风概率预报

在航船做避台决策时,首先要判断该系统预报的恶劣天气对本船未来航线是否有影响。考虑到台风运动的不确定性及台风预报存在误差,根据概率预报的思想,提出了船舶遭遇台风概率的概念,将大范围、不确定的航区天气预报具体到本船航线上。首先针对航行条件下接收的航区的气象预报信息的特点,提出了计算台风预报误差的概率密度的方法;然后提出了以船舶遭遇台风安全距离为依据的预报航线上船舶遭遇台风概率的方法。该方法综合考虑了台风运动与预报的不确定性并将这种不确定性定量化,船长可以此概率预报为基础,结合具体情况确定概率评价值,从而为作出避台决策提供了依据。     

道路车辆不良汇入驾驶行为的模型构建

针对当前国内关于不良汇入驾驶行为模型研究的空白,从概率统计和博弈论角度量化分析该行为。基于哈尔滨市高峰和平峰时段的定点视频调查数据,分析了汽车不良汇入驾驶行为的基本统计特性,给出了累计频率分布模型。研究结果表明当临界汇入间隙时间不足4S时,车辆汇入行为可界定为不良行为。进而,引入双人混合战略模型,从纳什均衡角度分析了支路汇入主路不良行为的发生概率。     

牵引变电所馈线电流的概率模型

基于随机过程理论,采用数值分析方法,通过对大量实测数据的统计分析,用β-函数拟合牵引变电所馈线电流的概率密度.采用蒙特卡罗法,获得了牵引变电所馈线电流的子样,为牵引变电所馈线电流的过程分析提供了大量信息.牵引变电所馈线电流的仿真结果与实测数据的比较表明,二者的统计规律基本相同,说明所采用的方法是有效的.     

Real-time follow-up head tracking in dynamic complex environments

In the modes of both object motion and camera motion, an enhanced Camshift algorithm, which is based on suppressing similar color features of background and on joint color probability density distribution image, is proposed to real-time track head in dynamic complex environment. The system consists of face detection module, head tracking module and camera control module. When tracking fails, a self-recovery mechanism is introduced. At first the Adaboost face detector based on Haar-like features is implemented to find frontal faces, the false positive is filtered according to the skin color criterion, and the true face is used to initialize the tracking module. In hue saturation value (HSV) colorspace, the hue-saturation (H-S) histogram of face skin and the saturation-value (S-V) histogram of hair are built to produce the joint color probability density distribution image, and this is intended to realize the head tracking with arbitrary pose. During tracking, region of interest (ROI) is introduced, and the color probability density distribution of a specified background area outside the ROI is learned, similar color features in the head are suppressed according to the learning result. The background suppression step is intended to resolve the problem that the tracker maybe fails when the head is distracted by backgrounds having similar colors with the head. A closed loop control model based on speed regulation is applied to drive an active camera to center the head. Once tracking drift or failure is detected, the system stops tracking and returns to the face detection module. Our experimental results show that the presented system is well suitable for tracking head with arbitrary pose in dynamic complex environments, also the active camera can track moving head smoothly and stably. The system is computationally efficient and can run in real-time completely.