该成果提出了一种基于同质块均值核类内协同表示分类方法。同质块均值核能够有效地为目标样本确定其邻域区域内的同质样本，并将目标样本和同质块内的样本与训练样本之间的相似度作为新的特征向量，在有效提高类别区分度和空间表征能力的同时，提升了特征生成的效率。其后在分类过程中，利用类内协同表示分类中的吉洪诺夫正则项加强测试样本和各个类别训练样本之间的相关性的同时进一步提高分类效率。 主要技术指标 不同数据集下的训练样本与测试样本数与在该训练样本集数量下的分类结果表现参阅表 1。 （1）相比于传统分类器 SVM，OA 提高了约 15%；相比于 JCR 方法，OA 提高了约 2-4%。 （2）该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果，同时在较少训练样本条件下仍能得到较好的分类精度和分类效果。同时有效降低了离散错分样本的数量，改善了过平滑的分类效果。参见表 1 与图 1。 （3）同时该成果特征提取方法有效提高了特征提取效率，参见表 2。 表 1.PaviaU 大学数据的训练样本选取与分类结果 表 2. 不同窗口大小下的特征生成时间比较

本发明公开了一种基于模糊不变特征的模糊图像识别方法，属于计算机视觉、模式识别技术领域。本发明包括：分别从纹理与结构两个方面提取模糊图像的模糊不变特征；将所提取的特征采用 KCCA方法进行融合；利用训练样本提取融合特征训练 SVM 分类器；利用训练得到的 SVM 分类器对模糊图像进行识别。相比于传统的模糊图像识·751·别方法，本发明所提供的方法可以在不去图像模糊的情况下直接对模糊图像进行识别，具有识别准

本发明公开了一种网络视频流的无参考图像质量在线估计方法。 所述方法利用 P 帧 PSNR 相对于 I 帧纹理复杂度和 P 帧运动量的线性 预测模型，估计网络视频流的 P 帧 PSNR 值；同时结合模型系数随 P 帧帧长和场景的变化而动态变化的规律，利用 I 帧的 PSNR 调整纹理 系数，利用上一 P 帧的运动系数和当前帧的运动信息调整当前帧的运 动系数，最终得出了较为准确的适应视频内容变化的 P 帧 PSNR 估计

本发明公开了一种利于模糊核估计的图像区域选择方法和系统，其中方法的实现包括：计算模糊图像中每一像素点的相对总变分值并得到其相对总变分映射图；设定阈值确定图像中每一像素点是否为边界像素点；再对模糊图像以及其相对总变分映射图进行采样，得到一系列图像块；最后统计每一图像块中边界像素点的数量并选择出有利于模糊核估计的图像区域。本发明有效解决了现有区域选择方法中存在的过于依赖操作者经验，效率低等问题，自动选择出有利于模糊核

项目简介： 获取数字图像的多特征性，需要在其特征空间上构建或获取更多特征来发现元素间更复杂的依赖关系。

本发明公开了一种基于深度图像的手势识别方法，训练数据集和测试数据集中的深度图像通过深度传感器采集得到，首先计算图像中人体区域的最小深度值，再利用深度阈值，结合人手是离传感器最近物体的预设条件，分割出深度图像中的手势；然后获取手势在三个正交平面上的投影图，分别称为正视投影图、侧视投影图和顶视投影图；接着提取三个投影图的轮廓片段包特征，并级联成原始深度手势的特征向量；最后训练分类器，对从待识别深度图像中获取的手势特征向量进行分类，得到待识别手势的识别结果。本发明还提供了相应的手势识别系统。本发明方法手势识别简单易行，推广能力强，识别准确率高，能有效克服杂乱背景、光照、噪声及自遮挡等不利因素的影响。

本发明公开了一种基于图论的高光谱图像显著度计算方法，包括以下步骤：1）将输入的高光谱图像以图表示；2）对图进行权值计算，构建权重矩阵,权重矩阵中的元素值反映了中任意一个顶点和其他所有顶点的联系；3）像元的全局显著性计算，像元的全局显著性等于它与图像中所有其它像元间权值的总和：4）像元的局部显著性计算，像元的局部显著性用其邻域背景像素的方差来表示：5）像元的最终显著度计算，将对应像元的全局显著性与局部显著性相乘，得到各像元的最终显著度。本发明在计算高光谱图像显著度时，充分考虑了感兴趣目标的光谱特性和几何尺寸特性，因此，能够有效抑制背景的干扰，提高感兴趣区域的提取效果。

本发明提供一种基于显著图的多标签图像识别系统，包括裁剪图像的图像预处理模块，由此得到特征图的特征提取模块，根据特征图得到置信度分数以及分类权重的分类模块，通过训练控制模块控制训练模块对置信度分数以及特征图处理得到损失函数对特征提取模块以及分类模块更新，最终识别控制模块将自然场景图像经过图像预处理模块、更新得到的特征提取模块以及分类模块得到置信度分数通过判断出自然场景图像标签。因此本实施例提供的多标签图像识别系统根据多标签分类损失函数以及多标签分布损失函数迭代能够在多标签图像识别过程中减少复杂背景和物体形变的干扰，避免受到遮挡、光照、视点等的干扰并提高多标签图像识别的准确率。

集成研究团队多年以来在供水管网水力水质模拟、管网爆管风险识别及事件侦测等方面的研究成果，针对行业漏损控制问题，凝聚科研人才优势，通过与人工智能、信息工程等领域的知识融合和再创新，研发了漏损分析与控制软件平台。提供以分区计量（DMA）为核心手段的管网水量计量设备数据管理、水平衡分析、漏损识别等功能，可作为供水企业开展分区计量管理及漏损控制的核心业务平台。可以实现计量设备数据的质量控制、异常报警、数据加工等数据分析管理功能，以及一键实现多级计量分区的日产销差计算、基于聚类分析等人工智能技术的DMA流量异常数据分析和漏损识别等漏损控制核心管理功能

北京北大方正软件技术学院2002年由北京市教委批准成立，是一所经教育部备案的全日制普通高等职业院校，是由北京市编制委员会核准的事业法人单位。学院属于国有资产办学，目前总资产8.018亿元，自有教育用地832.9亩，教学行政用房6.7万平方米，学生公寓面积4.1万平方米。为祖国经济建设、特别是首都经济建设培养了8届9815名合格毕业生。就业率不断增长，近三届毕业生平均就业率高达99.6%。 建院以来，在北京市教委的直接领导、亲切关怀和大力支持下，学院依托北京大学百年文化底蕴和方正集团雄厚经济实力，将方正集团方方正正做人、实实在在做事和持续创新的企业文化引进校园、融入课堂，坚持规范办学、特色办学、追求卓越、持续发展的办学方针，积极探索企业集团办学模式，取得了良好的办学成果。2009年，学院被北京市商务委、北京市教委联合批准为服务外包人才培训机构，并纳入到千百十工程系统之内;2011年学院被北京市教委和财政局联合批准为北京市职业教育分级制度改革软件技术专业负责单位，被北京教育考试院批准为网络传媒设计专业自学考试主考院校，2012年学院正式通过北京市教委验收，成为北京市示范性高等职业院校，同年被北京市教委批准成为北京市高等职业教育衔接办学工作试点院校。学院计算机应用与软件技术、动漫设计与制作、通信与三网融合实训基地先后被评为中央财政支持的北京市示范性实训基地。 目前，学院设有软件工程分院、网络工程分院、传媒艺术分院、电子工程分院、财经管理分院、国际商务分院、卫生分院、继续教育分院和基础教学部，共开设21个专业。在专业和重点学科建设方面，学院紧紧围绕软件技术、动漫设计与制作、网络传播与电子出版、计算机网络技术等四个示范校建设重点专业及专业群，立足行业发展现状与趋势，依托方正集团强大的行业实力，与其众多下属企业在人才培养、实训基地建设、师资队伍建设、课程开发和社会服务等方面展开全方位、多角度、深层次合作，提升人才培养质量和社会服务能力。通过企业办学校、学校办企业的方式实现校企融合、工学一体的人才培养模式，力图使办学者既是教育家又是企业家，教学者既是教师又是工程师，求学者既是学生又是员工。学院在与方正集团下属企业密切合作的同时，直接管辖方正数字科技公司、方正数字艺术公司、北大方正培训中心、方正智成管理顾问公司等校办企业。各公司直接服务于社会，为师生提供大量实习、实训机会。通过项目开发、技术服务、创业孵化、职业认证与培训等多种方式，推进高职教育教学改革和高职人才培养。 学院长期注重师资队伍建设，师资队伍、学历水平和年龄结构合理，一线教师学历均为硕士以上，双师素质教师超过半数。涌现了一批优秀教师，并取得骄人的教学成果。已累计获得5门市级精品课程，2门北京市精品教材，由各重点专业开发的73门自主知识产权课程，被全国很多同类院校采用。 随着北大方正软件技术学院的快速发展，学院已制定了中长期发展战略规划，提出了更高的奋斗目标，即以服务首都经济建设为目标，以政府支持为依托，以方正集团产业为支撑，以软件学院平谷科教园建设为契机，以云计算智慧校园为平台，以专业建设为重点，通过、企业办学校、学校办企业、，深化、校企融合、工学一体、的人才培养模式改革与创新，成为全国企业办学的成功典范，成为全国最具特色的高职院校。 为此，在北京市教委领导的直接关心下，学院已购买平谷马昌营镇748亩地用于建设学院平谷科教园。方正集团将斥资14个亿，打造一个现代化、国际化、创新型，、产学训一体化的以职业教育为主的新型科教园。 同时，以北大方正软件技术学院为基础，北大方正教育集团依托方正IT、医药医疗、金融和房地产四大产业，抓住首都世界城市建设和中长期教育改革与发展规划纲要出台的历史机遇，大力开展职业教育、继续教育和职业培训，为构建满足首都社会经济建设人才需求的终身教育体系做出持续的贡献。