无链表图像感兴趣区域编码算法

针对基于链表实现的感兴趣区域编码算法占用存储资源较多的问题,提出了一种无链表的编码算法.在SPIHT(等级树集合分裂)编码过程中,采用标志位图表示系数和集合的重要件信息;优先编码感兴趣区域,利用队列缓存非感兴趣区域系数和集合信息;编码非感兴趣区域时,从队列中恢复编码所需的重要件信息.编码过程不需要提升感兴趣区域小波系数,能实现感兴趣区域重建质量的精确控制.仿真实验表明,该算法优于提升小波系数的感兴趣区域编码算法;当编码码率为1 bpp(比特/像素)时,其存储需求仅为链表实现的感兴趣区域分离编码算法的1/10.     

基于感兴趣区域的CNN-Squeeze交通标志图像识别

在公路交通中,针对复杂环境下交通标志识别率不高的问题,提出了一种基于 Kmeans对图像聚类,切割图像感兴趣区域(Regions of Interest, ROI),并利用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)与卷积运算,特征加权(CNN-Squeeze)相结合的交通标志识别方法.首先,采用 K-means对交通标志图像进行三角形、圆形图像二聚类,并利用制作的切割模板切割 ROI 并提取 HOG 特征;然后,利用卷积神经网络 (Convolutional Neural Network, CNN)对 HOG特征进行过滤、降维,并通过 Squeeze网络对过滤后的二次特征进行重要性标定;最后,训练该网络模型并实现对交通标志的识别.仿真结果表明,与 BP网络、SVM 及CNN对比,本文方法在保证训练时间的同时,识别精度达到98.58%.     

高职学生英语学习策略培养与差异化教学

目前高职院校的英语教学,由于教学班型大,人数多,学生基础参差不齐,学生个性差异明显,多数学生学习比较被动,以往整齐划一的教学形式难以适应新时期英语教学目标的要求。通过实施差异化教学,将语言学习策略引入高职英语教学,对有效提高高职学生英语学习的积极性及英语实际应用能力,不失为解决高职英语教学难题,加强教学的针对性和时效性的新途径。     

高职院校学雷锋活动常态化调研分析

在高职院校推动学雷锋活动常态化、机制化,是促进高职院校践行雷锋精神、争当先进模范、形成我为人人、人人为我良好氛围的重要途径,更是匡正道德失范,矫正诚信缺失,提升社会道德水平的有效方法。本篇调研分析以阜新高等专科学校为例,调研并分析学生对学雷锋活动中的看法及思想动态,以便进一步为本校学雷锋活动常态化、机制化建设提供理论依据,进而形成具有推广价值和应用价值的课题报告。     

财产保险合同中保险利益原则探讨

保险是分散风险的一种制度,而保险利益作为保险法律制度的关键内容,在保险实务中起着举足轻重的作用。保险利益原则标准主要是保险主体与保险标的法律界定的利益关系。在我国现行保险法中,积极利用保险利益原则,规定投保人对合同标的具有法律保险利益,有助于推动我国财产保险法律制度的不断完善,实现我国保险业的可持续发展。本文主要结合当前保险利益原则的科学内涵,剖析当前财产保险利益原则在适用过程中存在的相关问题,并提出完善策略。     

Design of Reinforcement Learning Parameters for Seamless Application of Adaptive Traffic Signal Control

Adaptive traffic signal control (ATSC) is a promising technique to alleviate traffic congestion. This article focuses on the development of an adaptive traffic signal control system using Reinforcement Learning (RL) as one of the efficient approaches to solve such stochastic closed loop optimal control problem. A generic RL control engine is developed and applied to a multi-phase traffic signal at an isolated intersection in Downtown Toronto in a simulation environment. Paramics, a microscopic simulation platform, is used to train and evaluate the adaptive traffic control system. This article investigates the following dimensions of the control problem: 1) RL learning methods, 2) traffic state representations, 3) action selection methods, 4) traffic signal phasing schemes, 5) reward definitions, and 6) variability of flow arrivals to the intersection. The system was tested on three networks (i.e., small, medium, large-scale) to ensure seamless transferability of the system design and results. The RL controller is benchmarked against optimized pretimed control and actuated control. The RL-based controller saves 48% average vehicle delay when compared to optimized pretimed controller and fully-actuated controller. In addition, the effect of the best design of RL-based ATSC system is tested on a large-scale application of 59 intersections in downtown Toronto and the results are compared versus the base case scenario of signal control systems in the field which are mix of pretimed and actuated controllers. The RL-based ATSC results in the following savings: average delay (27%), queue length (28%), and l CO₂ emission factors (28%).     

基于智能船厂的三维电子地图开发技术

研究基于智能船厂的三维电子地图开发技术，开发三维电子地图相关组件并实现地图瓦片化、动态加载、位置校准、地图缓存等功能，通过直观的地理实景模拟表现方式快速搭建智能船厂三维电子地图服务，为管理者提供设备、人员和中间产品等信息检索服务，有效提升船厂数字化、智能化、信息化程度，可为构建船厂资源管理和工装管理智能化提供技术支撑，进一步挖掘生产和管理环节潜力，推进船舶行业信息化建设。