主讲：薛建儒 视觉认知计算与智能车实验室 西安交通大学 …
西安交通大学PPT课件
分时操作系统 实时操作系统 并行操作系统 网络操作系统 分布式操作系统
5) 数据库、集成开发环境
2021
9
4. 微型计算机
1) 处理器芯片
Intel 4004微处理器 8080-P4
2)微机的代表(PC)
ALTAIR 8800 第一台微机 苹果机 IBM PC
通讯 娱乐 家用电器 信息管理（学籍、图书馆、OA） 信息检索
2021
20
1.3 计算机主要应用领域
计算机典型应用领域介绍
一. 科学与工程计算 二. 信息管理 三. 电子商务
2021
21
一. 科学和工程计算
计算数学+计算机 科学计算
计算数学：研究数值计算方法 计算机：计算数学强有力的工具
科学计算是第三种科学手段
理论研究：无法求得理论解 科学实验：难以应用实验手段 可以进行计算
计算机是人类计算能力的延伸
2021
22
科学和工程计算的步骤
建立数学模型 探索有效的计算方法 计算方法的理论分析 编写程序进行计算 数值模型问题的计算
2021
10
5.中国计算机的发展
1)科学计算
103机、104机、107机、109乙机、109丙机、 119机
2)高性能计算机
银河、曙光、神威系列
3) 微机：长城0520CH 4) 芯片：龙芯 5) 软件：CCDOS、WPS
2021
11
三. 未来的计算机
1. 电子计算机的发展方向
1) 微型化: LSI和VSI,走入千家万户 2) 巨型化: 速度高,容量大,功能完善 3) 网络化: 实现信息传递和资源共享 4) 智能化: 模拟人的思维活动
西安交大-模糊数学及应用 (5)
Fuzzy Math by Guii Xiaolin 12.5 模糊矩阵与模糊关系•模糊关系在模糊集合论中占有重要的地位.当论域为有限时，可以用模糊矩阵来表示模糊关系。
•模糊矩阵可以看作普通关系矩阵的推广。
•这一节，首先讨论模糊矩阵的定义及其运算性质•然后介绍模糊关系的定义、性质及其合成运算。
•模糊矩阵在模糊数学中的作用类似于矩阵在经典数学中的作用，它是研究模糊现象的重要工具，在聚类分析和模式识别方面有着广泛的应用。
模糊关系运算设R1，R2是U ×V 上的两个模糊关系，则：•包含：∀x ∈U ，∀y ∈V ，R1⊆R2 等价于μR1(x, y)≤μR2(x, y)；•相等：∀x ∈U ，∀y ∈V ，R1=R2 等价于μR1(x, y)= μR2(x, y)；•并：∀x ∈U ，∀y ∈V ，R1∪R2 等价于μR1∪R2(x, y) = ∨(μR1(x, y)，μR2(x, y))；•交：∀x ∈U ，∀y ∈V ，R1∩R2 等价于μR1∪R2(x, y) = ∧(μR1(x, y)，μR2(x, y))；•补：∀x ∈U ，∀y ∈V ，R1’等价于μR1’(x, y) = 1-μR (x, y)。
Fuzzy Math by Guii Xiaolin 3二、模糊关系的合成•设R1是论域U ×V 上的模糊关系，R2是论域V ×W 上的模糊关系，则R1和R2的Max -Min 合成R1·R2是U ×W 上的模糊关系，其隶属函数定义为：μR1·R2(x, z) = ∨(μR1(x, y) ∧μR2(y, z))模糊关系的合成运算满足结合律，即设A ，B ，C 是论域U ×V 上的模糊关系，则：(A ·B)·C = A ·(B ·C)证明: )],(),(),([{)],(),([),()(g z z y y x g z z x g x C B A X y X z C B A X z C B A µµµµµµ∧∧∨∨=∧∨=∈∈•∈••)],(),(),([{g z z y y x C B A Xz X y µµµ∧∧∨∨=∈∈))]},(),(([),({g z z y y x C B Xz A X y µµµ∧∨∧∨=∈∈),(),(),()(g x g y y x C B A C B A Xy •••∈=∧∨=µµµFuzzy Math by Guii Xiaolin 5三、模糊关系的自反性、对称性和传递性•设R 是论域U ×V 上的模糊关系，则：∀x ∈U ，有μR (x, x) = 1，则R 满足自反性；∀x ∈U ，有μR (x, x) = 0，则R 满足反自反性；•∀x,y ∈U ，x ≠y ，有μR (x, y)= μR (y, x)，则R 具有对称性；∀x,y ∈U ，有μR (x, y)=μR (y, x) = 0，则R 具有反对称性；•∀(x,y),(x,z),(y,z)∈U ×V ，有μR (x, z)≥∨(μR (x, y)∧μR (y, z))，则R 满足传递性。
主讲：薛建儒 视觉认知计算与智能车实验室 西安交通大学 …
4
课程名称：模式识别；编号：AUTO3025
2 矩阵及其运算
5
课程名称：模式识别；编号：AUTO3025
6
课程名称：模式识别；编号：AUTO3025
3 矢量空间及变换
7
课程名称：模式识别；编号：AUTO3025
8
课程名称：模式识别；编号：AUTO3025
9
课程名称：模式识别；编号：AUTO3025
1
课程名称：模式识别；编号：AUTO3025
第4讲-：复习 复 -矢量、矩阵及 矢 矩阵 Matlab
1. 矢量及其运算 2. 矩阵及其运算 3. 矢量空间及线性变换 4. 特征值及特征向量
2
课程名称：模式识别；编号：AUTO3025
1 矢量及运算
3
课程名称：模式识别；编号：AUTO3025
规格化正交或标准正交
4 特征值及特征向量
10
课程名称：模式识别；编号：AUTO3025
标准形
11
课程名称：模式识别；编号：AUTO3025
12
课程名称：模式识别；编号：AUTO3025
13
课程名称：模式编号：AUTO3025
模式识别
主讲：薛建儒 主讲 薛建儒 视觉认知计算与智能车实验室 西安交通大学人工智能与机器人研究所
/web/jrxue Email: jrxue@mail jrxue@ xjtu edu cn
复合高斯海杂波背景雷达目标检测算法
学校代码10701分类号TN95学号1702110045密级公开西安电子科技大学博士学位论文复合高斯海杂波背景雷达目标检测算法作者姓名：薛健一级学科：信息与通信工程二级学科：信号与信息处理学位类别：工学博士指导教师姓名、职称：水鹏朗教授学院：电子工程学院提交日期：2020年06月Radar target detection methods in compound-Gaussian sea clutterA Dissertation submitted toXIDIAN UNIVERSITYin partial fulfillment of the requirementsfor the degree of Doctor of Philosophyin Electrical EngineeringByXue JianSupervisor:Shui Penglang Title:ProfessorJune2020摘要摘要雷达在对海探测时会不可避免地接收到来自海面和各类目标的散射信号，海上目标种类繁多且海面回波特性复杂多变，因此在复杂海杂波背景下有效检测海面目标信号一直是雷达领域研究的热点。
低分辨率或者大擦地角的海杂波往往使用高斯模型描述，然而随着分辨率的提高或者擦地角的减小，海杂波不再服从高斯模型，而是表现出强烈的非高斯特性。
传统针对高斯模型的自适应相干检测器在非高斯海杂波背景下会出现高的虚警概率或者低的检测概率。
再者，当在非均匀海杂波环境中用于估计杂波协方差矩阵的参考单元数量不足时，自适应相干检测器的检测性能会出现严重退化。
因此，为了在非高斯非均匀海杂波背景下提高雷达对目标的检测能力，本文进行了如下的工作：1、针对非高斯海杂波具有的重拖尾现象和参考单元不足时自适应相干检测器性能损失严重的问题，研究了协方差矩阵未知但具有斜对称结构的复合高斯海杂波背景下雷达点目标自适应相干检测方法。
在广义帕累托分布和逆高斯纹理复合高斯分布杂波下，基于两步广义似然比检验（Generalized Likelihood Ratio Test,GLRT）、Rao检验和Wald检验分别推导了相应的自适应相干检测器。
应用数学系研究生课程介绍(西安交通大学)
研究生课程介绍课程编码：091002课程名称：计算方法(A)Computational Methods (A)学分：3课内总学时数：72上机（实验）学时数：18课程内容简介：本课程讲授电子计算机上使用的各种基本的数值计算方法, 如插值法, 最小二乘法, 最佳一致逼近, 数值微积分, 方程求根法, 线性与非线性代数方程组解法, 矩阵特征值与特征向量求法, 常微分方程初值问题的解法, 求解数理方程定解问题的差分法, 有限元法等. 书中重点讨论了各种计算方法的构造原理和使用, 对稳定性, 收敛性, 误差估计等也作了适当讨论. 本课程适合于计算数学专业以外的理工科各专业研究生学习。
先修课：高等数学, 线性代数, C 语言或FORTRAN 语言参考书目：1. 邓建中,刘之行编, 计算方法，西安交通大学出版社，2002执笔人：梅立泉、李乃成、高静审定人：彭济根课程编码：091003课程名称：计算方法（B）Computational Methods (B)学分：3课内总学时数：54上机（实验）学时数：48课程内容简介：由于现代计算机技术的迅速发展，数值方法已成为科学研究的最重要的手段之一。
本课程在介绍数值计算的基本问题，包括浮点数、误差形成等的基础上，主要介绍：线性方程组的直接解法与迭代解法、离散数据的连续化处理（包括多项式插值、分段插值和最小二乘法）、数值积分和数值导数、非线性方程解法简介、常微分方程数值解法、以及最优化方法简介。
通过听课与相应的上机练习等途径，理解数值方法的形成原理，掌握最基本的数值方法，了解采用数值方法时应注意的主要问题，为以后在科研和工程技术工作中设计算法、应用数值软件进行数值计算奠定必要的基础。
先修课：高等数学、线性代数、算法语言（Fortran、C、C++、或Matlab 等）参考书目：1.凌永祥、陈明逵编，计算方法教程（第二版）西安交通大学出版社，2005执笔人：黄昌斌、苏剑、马军审定人：彭济根课程名称：工程优化方法及其应用Engineering Optimization Methods and Its Applications学分：2课内总学时数：40上机（实验）学时数：课程内容简介：讲述工程优化的数学基础，凸集、凸函数、凸规划的基本概念与基本理论；突出非线性规划各类算法的共性分析及其在计算机上可实现的步骤，并指出每类算法中所包含各种常用和著名算法；简介工程中常用到的几类特殊规划，如：线性规划、二次规划、几何规划和多目标规划的基本概念、常用和最新算法；简介工程优化设计应用实例（包括建立优化模型，根据模型特点构造或选用相适应的算法、计算流程图）。
西安交大软件学院选课指南(上)
西安交大软件学院选课指南（上）本人17级学生，这是我研一上学期了解的一些课程，下学期再写一片选课指南下。
1.《高级面向对象方法与技术》高级面向对象课程是吴晓军副教授授课，课程主要内容是用面向对象的思想分析问题，问题包括但不限于程序设计前的分析，比如期末考试题分析的就是现实问题，并不是程序设计问题。
课程最大篇幅是各种UML图的画法，期末会交大作业，是对一个课题用面向对象的方法进行设计，画大概15张左右的图，基本图画熟练了，考试就没有问题了，课程参考书图书馆可以借到。
闭卷考试，10个选择题，关于各种图的应用场景的选择；6个画图题，用的同一份素材，给完素材后根据素材。
2.《移动计算与应用》这门课是杜小智老师讲授。
课程讲了几个部分，学期一半时间是汇编指令的介绍，还有一些课堂上的练习，应用载体是ARM9处理器，用的三星的S3C2410处理器。
另外一半时间讲述的是普适计算相关知识以及云计算。
老师上课讲的很认真，考试开卷考试，也特别简单。
带上课件，再借一本S3C2410介绍的书就可以了。
3，《软件过程成熟度模型》是宋永红老师讲授的，宋老师有非常丰富的实战经。
这门课讲述了5种成熟度级别的软件模型，以及每一种成熟度下的关键过程域，五种成熟度级别的关键过程域共18个。
这种系统化的分析方法对于我们做软件以及实际生活中分析问题都非常有帮助。
考试为开卷考试，全部是课件上的内容，10道选择题，其他都是问答题，很好通过。
但是老师不提供课件，所以上课时候拍照片记录课件是很有必要的。
4.《数据库理论与技术》是电信院的侯迪老师讲授的，3个学分。
很好拿，又能学到东西。
不讲本科学过的基础的数据库理论。
是在此基础上的扩展。
有半结构化数据库，分布式数据库等比较新的概念。
平时会有4到6次的小测验，20分左右，期末会有大作业，可以寒假做。
每次小测验前都有复习题，期末考试前也有复习题。
考试是半开卷。
很好通过。
老师又尽自己所能把自己指导的讲给学生。
数字视频处理技术
20
Institute of Artificial Intelligence and Robotics
场 vs 帧图像
多媒体与数字视频技术 @Copyright J.R.Xue, AI&R, XJTU
21
Institute of Artificial Intelligence and Robotics
23
Institute of Artificial Intelligence and Robotics
帧图像的场预测
多媒体与数字视频技术 @Copyright J.R.Xue, AI&R, XJTU
24
Institute of Artificial Intelligence and Robotics
2
Institute of Artificial Intelligence and Robotics
标准及其应用
多媒体与数字视频技术 @Copyright J.R.Xue, AI&R, XJTU
3
Institute of Artificial Intelligence and Robotics
H.261视频编码标准
8
Institute of Artificial Intelligence and Robotics
参数选择和码率控制
• MTYPE(帧内vs帧间 零vs非零运动矢量) • CBP(宏块中哪一块有非零DCT系数) • MQUANT(允许量化器在宏块级改变步长) －应该变化以满足码率的限制 • MV(理想情况下应该取决于估计误差和 DCT系数的预测误差) • 环形滤波器的开/关
西安交大一批智能机器人原型样机通过验收评审
书山有路勤为径；学海无涯苦作舟西安交大一批智能机器人原型样机通过验收评审【中国行业动态】10月12日，西安交通大学智能机器人创新研究院机器人研发项目样机成果验收评审会在西安经济技术开发区人工智能与机器人产业基地举行。
西安经济技术开发区副主任蔺建文，财政局、经发局、科创局、招商一局、经发集团等单位主要负责人与6名评审专家参加会议。
13种智能机器人原型样机顺利通过验收评审。
西安交大一批智能机器人原型样机通过验收评审西安交大机器人研究院院长梅雪松带领与会专家观看了机器人原型样机的现场演示，并对样机的运行情况、指标参数作了详细讲解。
梅雪松院长专家汇报了研究院的发展现状、工作成果、未来规划以及产业化方向。
评审专家组审查了相关技术文件，听取了样机成果的详细报告，并针对各样机进行点评。
专家组对样机的技术方案和目前取得的成果给予充分肯定和高度评价。
专家组一致认为，研究院成立一年来建设成效显着，研发团队开展了工业机器人、服务机器人、特种机器人等前沿技术和关键技术攻关，技术路线先进合理、应用范围广阔。
专家组对研究院在技术开发委托合同规定时间内完成了10种具有创新性、展示度和市场推广前景的智能机器人的设计及原型样机研制工作外，还超额完成了3种智能机器人样机，所有13种样机外观设计、动态功能展示、性能指标测试均达到验收标准深表满意。
专家组建议，西安经济技术开发区继续加大对交大机器人研究院的政策、资金支持力度，以此次样机成果为契机推进创新成果转化，推动西安机器人产业快速发展。
蔺建文副主任表示，经开区管委会一定会积极推进研究成果转化应用，将研究院打造成机器人产业产学研平台，更好地服务地方经济社会发专注下一代成长，为了孩子。
结合多尺度hog特征和语义属性的合成素描人脸识别
1) (School of Computer Science, Hangzhou Dianzi University, Hangzhou 310018) 2) (School of Engineering, University of Yamanashi, Kofu 1955-245)
Abstract: Composite sketch recognition belongs to heterogeneous face recognition research, which is of great importance in the field of criminal investigation. Because composite sketch and face photograph belong to different modals, robust representation of face feature across different modals is the key to recognition. Considering that composite sketch face lacks texture details in some area, using texture features only may result in low recognition accuracy, this paper proposes a composite sketch recognition algorithm based on multi-scale HOG features and semantic attributes. Firstly, the global HOG features of the face and the local HOG features of each face component are extracted to represent the structure and detail features. Then the contour and detail features are fused at score level to obtain a candidate matching list. Finally, semantic attributes are employed to reorder the matching result. The proposed algorithm is validated on PRIP-VSGC database and UoM-SGFS database, and achieves rank10 identification accuracy 88.6% and 96.7% respectively, which demonstrates that this method outperforms other state-of-the-art methods.
视频序列跟踪
摘要
论文题目：视频序列跟踪的统计计算方法’
专 业：模式识别与智能系统 研究方向：机器学习与视频分析 博 士 生：薛建儒 指导教师：郑南宁 （ 教授） 论文类型：应用基础
（ 签名） （ 签名）
摘要
视频序列跟踪是计算机视觉中的一个重要而备受关注的研究内 在视 容， 频监视、 智能人机交互和国防等领域有着广泛的应用前景。 然而， 视觉特征 分辨力较弱、 背景嘈杂、 运动路线不确定、 运动不连续、 多个目 标相互遮挡 等问 题使得设计一个鲁棒的跟踪算法变得非常困 曾经在传统跟踪中起着 难。 重要作用的卡尔曼滤波器已经无法解决视频序列跟踪中的非线性、 非高斯的
４． ）提出了一种基于跳跃马尔可夫非线性模型的目 标跟踪方法，它有效 地克服了标准 Ｃｎｅｓｔｏ 算法在目 ｏｄｎａｉｎ 标附 近出现相似物体时无法保持对目 标的跟踪 的局 限性。该方法是 Ｃｎｅｓｔｏ ｏｄｎａｉｎ算法的一种推广形式，
Ｃｎｅｓｔｏ ｏｄｎａｉｎ方法使用ｋ 阶的自 回归过程 （Ｒ） ＡＰ 模型描述目 标状态的 变化 特性， 无法描述较复杂的目 标状态动态变化过程， 本方法改用ＡＰ Ｒ 混合体模 型解决了 这个问 ＡＰ 题． Ｒ 混合体模型与观测似然模型组成了 跳跃马尔可夫非 线性模型，使用此模型的目 标跟踪仍然可以通过与粒子滤波器类似的序贯 Ｍｎｅ ｌ 滤波方法实现。当目 ｏｔ Ｃｒｏ ａ 标附近出 现相似物体时，在同 样计算量的
条件下 （ 即粒子数 目 相同的条件下）该模型能始终保持对指定目 标的跟踪。
５． ）提出了一种新的概率图模型来解决多目 标视频序列跟踪中的非线 性、 随机动态特性和维数灾难等问 与其他多目 题。 标跟踪方法相比， 本方法 创新之处在于：（ １ ）在状态表示中增加隐变量， 以明确表示目 标之间可能的 遮挡：（ 建立基于唯一性原则的 ２ ） 观测似然函数，使其能包含从目 标之间没 有遮挡到多重重叠等所有可能性；（ 在状态表示增加表示视点和几何变换 ３ ） 的隐变量， 使观测模型具有自 适应性， 这种自 适应性对于增加跟踪的鲁棒性 具有非常重要的作用。 所得到的跟踪方法在变形、 遮挡等复杂情况下具有较
第三届中国认知计算与混合智能学术大会会议通知
第三届中国认知计算与混合智能学术大会会议通知第三届中国认知计算与混合智能学术大会(CCHI′2020)将于2020年10月17日至18日在线上举行㊂本届大会由国家自然科学基金委员会㊁中国自动化学会㊁中国认知科学学会主办,西安交通大学承办,中国人工智能学会认知系统与信息处理专业委员会㊁中国自动化学会模式识别与机器智能专业委员会㊁混合智能专业委员会㊁中国自动化学会机器人专业委员会㊁共融机器人专业委员会联合协办㊂本次大会的主题是研讨与交流认知科学㊁神经科学与人工智能学科等领域交叉融合的最新进展和前沿技术㊂大会分为认知计算与表征学习㊁深度学习与混合增强智能㊁人工智能的新型计算架构与芯片㊁先进感知与智能环境四个论坛㊂大会旨在推动人工智能相关领域的研究与发展,将邀请国内外世界知名学者做学术报告,交流相关研究领域的最新成果与发展趋势,为从事人工智能相关研究的学者㊁工程师㊁教师和学生提供交流的平台㊂一㊁报告主题(但不限于) 混合智能 知识与数据驱动的认知计算自然语言理解 统计学习与深度学习知识表达与推理 多智能体与群体智能先进感知 人机协同的智能技术与系统计算机视觉 人工智能新型计算架构与芯片智能机器人 自主智能系统与无人驾驶二㊁大会主席陈 霖(中国科学院院士㊁中国认知科学学会理事长㊁中国科学院生物物理研究所研究员)郑南宁(中国工程院院士㊁中国自动化学会理事长㊁西安交通大学教授)三㊁程序委员会主席孙 剑(西安交通大学教授㊁旷视科技研究员)华 刚(西安交通大学教授㊁便利蜂研究员)四㊁论坛主席孙富春(清华大学教授)陈霸东(西安交通大学教授)刘成林(中国科学院自动化研究所研究员)薛建儒(西安交通大学教授)汪 玉(清华大学教授)任鹏举(西安交通大学副教授)刘连庆(中国科学院沈阳自动化研究所研究员)兰旭光(西安交通大学教授)五㊁网络主席魏 平(西安交通大学副教授)667。
一种视觉SLAM方法[发明专利]
![一种视觉SLAM方法[发明专利]](https://img.taocdn.com/s3/m/e93f22c80066f5335b8121ca.png)
专利名称：一种视觉SLAM方法专利类型：发明专利
发明人：恽为民,吴华,薛耿剑申请号：CN201910276156.5申请日：20190408
公开号：CN111798566A
公开日：
20201020
专利内容由知识产权出版社提供
摘要：本发明提供了一种视觉SLAM方法，包括从视觉相机获得当前时刻的第一图像帧；基于ORB‑SLAM算法定位失败后，根据第一图像帧回溯找到与获得第一图像帧时间上最近的第一关键帧；根据第一关键帧获得的第一时间信息和第一位姿信息；根据第一时间信息和第一位姿信息获得所述当前时刻的第二位姿信息，第二位姿信息为视觉相机所属移动设备的当前位姿信息并应用于移动设备的运动决策，本发明的方法可以提升视觉SLAM定位的准确性。
申请人：上海未来伙伴机器人有限公司
地址：200233 上海市徐汇区钦州北路1122号90幢8层
国籍：CN
更多信息请下载全文后查看。
西安交通大学基础通识类选修课
宏观经济学
32
2
2
M14006
金融学
32
2
3
M14012
电子商务概论
32
2
4
M0001006
微观经济学
32
2
5
M0003001
经济学基础
32
2
西安交通大学基础通识类选修课
二○一五——二○一六学年夏季小学期教学任务书
军事教研室
序号
编号
课程名称
学时
学分
主讲教师
职称
可开班次
备注
1
S50802
孙子兵法及其应用
人居学院
序号
编号
课程名称
学时
学分
主讲教师
职称
可开班次
备注
1
S31001
解读宗教建筑
32
2
2
S0001012
文物鉴赏
32
2
西安交通大学基础通识类选修课
二○一五——二○一六学年夏季小学期教学任务书
生命学院
序号
编号
课程名称
学时
学分
主讲教师
职称
可开班次
备注
1
BIME1005
如何做科研
32
2
先修大学英语、大学物理
化学与人类文明
32
2
2
T0001004
大学天文学
32
2
3
CHEM1134
分析化学与社会发展
32
2
西安交通大学基础通识类选修课
二○一五——二○一六学年夏季小学期教学任务书
人文学院
序号
编号
课程名称
基于EML和xAPI标准的智慧课堂学习活动分析模型及其应用研究
基于EML和xAPI标准的智慧课堂学习活动分析模型及其应用研究作者：薛树树方海光张鸽汪时冲来源：《中国教育信息化·基础教育》2019年第06期摘要：EML建模语言是从课堂的角度来描述教学，即角色、活动和环境。
xAPI标准是从单个的教学活动来呈现教学环节，即角色、行为和对象。
二者都只能片面地说明师生活动，无法形象地呈现智慧课堂环境下的学习活动。
文章将智慧课堂环境下的学习数据、学习记录、学习活动的层级关系进行了梳理，并且通过EML和xAPI的结合，将智慧课堂重新呈现，提出一个新的课堂设计模型。
该模型能够实现智慧课堂和学习活动的分层设计和重用，也有利于智慧课堂标准的研究。
最后，以智慧课堂案例为基础，进行相关的教学设计和课堂学习活动分析，以期为同行提供借鉴。
关键词：EML;xAPI;智慧课堂;学习活动中图分类号：G420 ; ; ; 文献标志码：A ; ; ; ; ;文章编号：1673-8454（2019）12-0001-04教育大数据驱动了资源对数据的需求，[1]在过去几年中，互联网的普及促进了新型学习方式的涌现，出现了大量的教育工具和应用程序，电子学习应运而生[2]，尤其是智能化学习，诸如智慧课堂等，而网络学习资源的标准规范也随之出现。
标准化导致了对学习对象更有效的交流和（再）使用，我们认为广泛采用、开放和认可的标准是教育发生革命性变革的必要条件。
[3]在诸多国际标准中，SCORM标准是当前最具代表性的，但由于它自身有一定的局限性，如SCORM无法进行跨平台的学习行为跟踪、无法进行学习资源的共享等，xAPI标准正好弥补了SCORM标准的诸多不足，成为推动网络学习的新标准规范。
而EML（教育建模语言）是基于UML专门针对教育而制定的一种建模方法。
以智慧教育引领教育信息化的创新发展，从而带动教育教学的创新发展，已成为信息时代的必然趋势。
[4]在信息化大背景下开展智慧教育，进行智慧学习，为学生提供智能化和个性化的服务成为当下热点。
基于融合策略自适应的多线索跟踪方法
基于融合策略自适应的多线索跟踪方法
钟小品;薛建儒;郑南宁;平林江
【期刊名称】《电子与信息学报》
【年(卷),期】2007(29)5
【摘要】基于多线索融合的跟踪是跟踪领域近年来的研究热点之一,该文结合两种常用的线索融合方式:乘性融合及加权和融合,提出一种融合策略自适应的鲁棒跟踪方法.该方法使用粒子滤波技术,统计样本的二阶中心矩并求Frobenius范数以表征线索的受噪声污染程度,最后适时切换两种融合策略.实践证明,新的融合策略比传统单一的融合方式更鲁棒.
【总页数】6页(P1017-1022)
【作者】钟小品;薛建儒;郑南宁;平林江
【作者单位】西安交通大学人工智能与机器人研究所,西安,710049;西安交通大学人工智能与机器人研究所,西安,710049;西安交通大学人工智能与机器人研究所,西安,710049;西安交通大学人工智能与机器人研究所,西安,710049
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于多特征自适应融合的MeanShift目标跟踪方法 [J], 刘苗;黄朝兵
2.基于多特征自适应融合的鲁棒跟踪方法 [J], 龚春红
3.基于多特征自适应融合的MeanShift目标跟踪方法 [J], 刘苗;黄朝兵
4.三联神经网络与区域自适应策略融合的目标跟踪方法 [J], 王建中;张驰逸;孙庸
5.基于自适应多特征融合的路沿检测与跟踪方法研究 [J], 姜武华;周松林;王其东;陈无畏;陈佳佳
因版权原因，仅展示原文概要，查看原文内容请购买。
无人车的场景理解与自主运动
无人车的场景理解与自主运动
薛建儒; 李庚欣
【期刊名称】《《无人系统技术》》
【年(卷),期】2018(000)002
【摘要】无人车无疑将深刻改变我们未来的交通出行和运输方式,正日益受到学术界、产业界和政府部门越来越多的关注。
无人驾驶的感知-运动环路中存在两个紧密耦合的核心问题,即场景理解与自主运动。
场景理解通过融合处理车载多传感器的感知数据,给出车辆运动决策的几何、物理层面的约束。
而自主运动在场景理解给出的约束条件下实现安全、平稳的运动。
主要综述无人车场景理解与自主运动的研究进展,并结合团队十余年来在无人驾驶领域的探索与实践,探讨复杂动态交通环境的无人车前沿技术。
【总页数】10页(P24-33)
【作者】薛建儒; 李庚欣
【作者单位】西安交通大学人工智能与机器人研究所
【正文语种】中文
【中图分类】U463.6
【相关文献】
1.复杂场景下无人车辆识别运动目标方法的研究 [J], 贾继红;宋江鹏
2.无人车的场景理解与自主运动 [J], 薛建儒; 李庚欣
3.基于ConvLSTM双通道编码网络的夜间无人车场景预测 [J], 李想;孙韶媛;刘训
华;顾立鹏
4.非结构道路场景下轮式无人车辆避障算法 [J], 杜广泽;张旭东;邹渊;郑壮壮
5.北京打造智能网联汽车示范运行区8种无人车场景集中亮相首钢园 [J], 北京市智能网联汽车示范运行区
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进遗传算法的边缘检测阈值自动选取及其应用
基于改进遗传算法的边缘检测阈值自动选取及其应用
华刚;郑南宁;薛建儒
【期刊名称】《小型微型计算机系统》
【年(卷),期】2002(023)003
【摘要】针对我们设计的面向应用环境的精密装配机器人视觉系统边缘检测的阈值自动选取的问题,通过对传统遗传算法的改进,提出了一种二次搜索寻优的阈值选取策略.通过这种改进的遗传算法进行边缘提取阈值的自动选取,能够显著的提高阈值选取的速度.将其应用于我们的视觉系统,可以对我们的视觉系统所产生的边缘图像进行阈值的实时的自动选取,增强了整个视觉系统的实时性和鲁棒性.
【总页数】4页(P318-321)
【作者】华刚;郑南宁;薛建儒
【作者单位】西安交通大学,人工智能与机器人研究所,陕西,西安,710049;西安交通大学,人工智能与机器人研究所,陕西,西安,710049;西安交通大学,人工智能与机器人研究所,陕西,西安,710049
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于自动选取阈值的梯度法实现图像边缘检测 [J], 陈国军
2.改进的遗传算法在Canny算子阈值选取中的应用 [J], 董昱;高云波;刘翔
3.基于遗传算法和Otsu理论的图像阈值自动选取 [J], 李雪峰;李灵锋;刘芳
4.基于遗传算法的自动阈值选取方法研究 [J], 李刚;杨锦园
5.基于遗传算法的图像阈值的自动选取 [J], 郑宏;潘励
因版权原因，仅展示原文概要，查看原文内容请购买。
集值信息系统的知识约简与属性特征
集值信息系统的知识约简与属性特征
宋笑雪;李鸿儒;张文修
【期刊名称】《计算机工程》
【年(卷),期】2006(032)022
【摘要】定义了集值信息系统中的一种新的关系,讨论了在这种关系下集值信息系统的知识约简问题,给出了集值信息系统属性约简的判定定理和辨识矩阵,得到了计算约简的具体方法;讨论了集值信息系统中3种不同类型的属性特征及每一种属性的判定定理.
【总页数】3页(P26-27,36)
【作者】宋笑雪;李鸿儒;张文修
【作者单位】西安交通大学理学院信息与系统科学研究所,西安710049;咸阳师范学院计算机系,咸阳712000;西安交通大学理学院信息与系统科学研究所,西安710049;西安交通大学理学院信息与系统科学研究所,西安710049
【正文语种】中文
【中图分类】TP311
【相关文献】
1.集值信息系统基于变精度相容关系的知识约简 [J], 陈子春;秦克云
2.基于集值决策属性的集值信息系统 [J], 宋笑雪;张文修
3.集值信息系统基于优势关系下的知识约简 [J], 陈子春;刘鹏惠;秦克云
4.集值决策信息系统的知识约简与属性特征 [J], 宋笑雪;李鸿儒;张文修
5.集值决策信息系统及其知识约简 [J], 陈秀;李克典
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
课程名称：模式识别；编号：AUTO3025
第4讲-：复习 复 -矢量、矩阵及 矢 矩阵 Matlab
1. 矢量及其运算 2. 矩阵及其运算 3. 矢量空间及线性变换 4. 特征值及特征向量
2
课程名称：模式识别；编号：AUTO3025
1 矢量及运算
3
课程名称：模式识别；编号：AUTO3025
规格化正交或标准正交
课程名称：模式识别；编号：AUTO3025
模式识别
主讲：薛建儒 主讲 薛建儒 视觉认知计算与智能车实验室 西安交通大学人工智能与机器人研究所
/web/jrxue Email: jrxue@mail jrxue@ xjtu edu cn
4 特征值及特征向量
10
课程名称：模式识别；编号：AUTO3025
标准形
11
课程名称：模式识别；编号：AUTO3025
12
课程名称：模式识别；编号：AUTO3025
13
课程名称：模式识别；编号：AUTO3025
14
4
课程名称：模式识别；编号：AUTO3025
2 矩阵及其运算
5
课程名称：模式识别；UTO3025
3 矢量空间及变换
7
课程名称：模式识别；编号：AUTO3025
8
课程名称：模式识别；编号：AUTO3025
9
课程名称：模式识别；编号：AUTO3025