孙建中
- 作品数：8 被引量：5H指数：1
- 供职机构：商丘师范学院更多>>
- 发文基金：重庆市自然科学基金中央高校基本科研业务费专项资金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 基于区块链技术的“三全育人”协同机制研究
- 2021年
- 区块链技术具备的过程可信和去中心化特点,能够以低成本的方式构建多利益主体的信任基础,重塑社会信用体系。为有效解决"三全育人"实践中的合力、衔接和联动问题,本研究提出一种基于区块链技术的"三全育人"协同机制。全员育人的各要素节点通过集体构建并共享区块链上的分布式账本,能够激发育人主客体形成强大的系统合力;结合区块链数据不可篡改的特点,构建学习记录区块链,全程记录学生学习成长的全部过程,实现全过程育人的有效衔接;利用区块链的公开透明特点,整合高校内外分散的教育资源,打造信息共享平台,实现全方位育人的有机联动。
- 孙建中李辉张文英
- 关键词：区块链
- 采用自适应先验表观模型的目标跟踪方法
- 2013年
- 为有效解决可变目标在跟踪过程中的"漂移"问题,提出一种基于自适应先验表观模型的目标跟踪方法。该方法首先在一致架构内融合HDP-EVO演化聚类模型和在线Boosting学习。以Dirichlet过程为先验分布,对总体表观示例进行聚类分析,获得随时间自适应演化的表观类先验知识,进而利用共享的表观类混合比例的权重平滑约束各时刻的表观模型。改进Gibbs抽样过程,使之能融入目标示例的分类误差,并交替迭代地从数据中自主学习聚类和表观分类器。最后,根据表观模型中各表观类的权重系数组合它们的分类评分去定位目标位置。仿真实验表明新方法学习的表观模型能较鲁棒地自适应于目标的表观变化,提高了跟踪精度。
- 孙建中熊忠阳张玉芳
- 关键词：聚类分析分类器
- 隐含先验约束MRF模型的目标形状分割方法被引量：1
- 2014年
- 在形状变化、被遮挡、噪声情况下,存在难以完整分割目标形状的问题。提出一种采用隐含形状约束马尔可夫随机场模型的轮廓分割方法。引入目标的先验形状知识,用水平集符号距离函数隐含表示目标的先验形状模型,以先验形状模型作为约束构造出MRF能量函数;采用graph cut法求解能量函数极小值,利用形状对准和最大流法演化初始轮廓,快速准确地分割出目标的形状。实验结果表明,新方法能有效快速分割带遮挡、噪声以及发生形状变化的目标,增强了形状分割的鲁棒性。
- 孙建中熊忠阳张玉芳
- 关键词：马尔可夫随机场先验形状水平集
- 各向异性扩散的遥感图像边缘增强方法被引量：1
- 2012年
- 为解决遥感图像边缘增强过程中辨识弱边缘和噪声的问题,提出一种改进的模糊各向异性边缘增强方法。根据非下采样轮廓波变换系数分布特征,获得像素几何结构信息;并基于各像素在不同子带的系数分布特征和噪声方差,分析其均值和最大值的模糊隶属度;利用模糊推理计算扩散系数,更好地控制各向异性扩散过程。实验结果显示,该方法具有更好的边缘增强和抑噪性能,能有效地辨识弱边缘和降低时间复杂度。
- 孙建中熊忠阳张玉芳
- 关键词：遥感图像各向异性扩散模糊推理
- 采用多尺度滤波的遥感图像关键点检测方法被引量：2
- 2012年
- 针对关键点检测过程中遥感图像会因为局部结构变形发生误检测的问题,提出一种鲁棒的关键点检测新方法。该方法首先基于映射策略和提升结构实现非下采样多尺度滤波器,用于获得平滑图像;然后根据图像尺度空间理论和尺度不变特征变换生成高斯差分尺度空间,并利用有限差分计算尺度空间采样点局部极值,子像元插值和Hessian矩阵删除不稳定极值点;最后用梯度分布直方图描述关键点。在仿真实验平台上,与现阶段方法的关键点计算时间和图像匹配性能做比较分析,实验结果表明,改进的方法有较低的计算时间复杂度,具有较好的鲁棒稳定性。
- 孙建中熊忠阳张玉芳
- 关键词：遥感图像多尺度滤波尺度不变特征变换图像匹配
- 快速非匀质图像分割方法
- 2013年
- 针对灰度非匀质图像分割困难及效率低下的问题,提出一种基于局部区域活动轮廓模型快速分割方法。该方法结合核函数和割测度定义一个新的能量函数。一方面,在中心点被核函数掩模的局部区域内,用邻近点的加权均值拟合数据项能有效处理图像的非匀质分布。另一方面,用割测度逼近的曲线长度作为全局正则性,利于轮廓快速定位于物体边界。最后,在轮廓演化过程中,使用基于栅格图的最大流算法,避免了传统模型计算代价高昂的水平集函数。合成图像和真实图像的实验结果表明,提出的方法能有效快速地分割灰度非匀质图像中的弱边缘物体及多灰阶复杂结构物体;同时,对初始轮廓线位置和噪声具有较好的鲁棒性。
- 孙建中熊忠阳张玉芳
- 关键词：图像分割核函数最大流
- 基于时间Dirichlet过程混合模型的在线目标跟踪被引量：1
- 2013年
- 针对目标跟踪过程中,可变目标表观的特征数据会发生"分布漂移"的问题,提出一种基于非参贝叶斯多模表观模型的目标跟踪方法。首先,以时间Dirichlet过程为先验分布,把先前估计的目标样本划分为不同的聚集,使得每个聚集表示一类表观,同时,每个表观类被建模为判别式分类器;然后,基于贝叶斯后验推断,权衡先前表观模型的分类误差和拆分聚集的代价,从数据中自主学习表观模型;最后,基于Noisy-OR模型,以贪心(Greedy)策略协同各表观分类器判别出目标。仿真结果表明该方法能较好的跟踪可变目标表观,改善了目标跟踪性能。
- 孙建中熊忠阳张玉芳
- 关键词：目标跟踪
