陈晓松硕士研究生导师个人简介【模板】

合集下载

研究生导师信息简表

贵州建设中国人才创业首选地：定义、现状与推进，贵州大学学报，2013-5,31 卷 56-59
2012 年以来获得发明专利、科研（教ห้องสมุดไป่ตู้）成果奖及成果推广情况
学术兼职及荣誉称号浙江省民营经济研究所特约研究员贵州省会计教学研究会副会长贵州省区域经济研究会常务理事
研究生导师信息简表
姓名张寒松 196301 中国人民大学教授姓别博导男硕导学士、研究生校长助理、阳明学院院长 hszhang@ 学科方向 2 企业管理 √ 照片
出生年月毕业院校职称
导师类别学位
现任职务电子邮件财政学
办公电话招生学科学科方向 1 方向主要研究领域与方向公共财政、企业财务
2014 年以来主要承担的科研项目（注明主持或参与、项目来源、项目名称、项目研究起止时间） 1、贵州省“十三五“产业园区发展重大问题研究，主持，贵州省发改委，2014—2015。 2、创新引进人才体制机制打造中国人才创业首选地，执行主持，贵州省委政策研究室， 2014。 3、通识核心课程建设与大类培养模式创新研究，主持，贵州省教育厅，2015-2017。 2012 年以来主要发表学术论著（作者、论文题目、期刊名称、发表时间、期卷页码）

十年中国研究英雄榜

十年中国研究英雄榜作者：来源：《新财富》2012年第12期2003赵金厚个人简历：上海大学经济管理学院硕士，1999年加入申银万国证券研究所，现任消费品研究部总监、农业行业首席分析师。

获奖经历：首位新财富白金分析师。

2003-2009年农林牧渔行业第一名，2010-2012年第三名；2008年、2010年食品饮料行业第一名（团队成员）。

许小年个人简历：西安交通大学机电工程学士，中国人民大学产业经济学硕士，美国加州大学戴维斯分校经济学博士。

1999-2004年任中金公司研究部董事总经理，现任中欧国际工商学院经济学和金融学教授。

获奖经历：2003年宏观经济第一名，2004年第二名。

陈亮个人简历：河海大学经济学硕士，曾任职于南京证券，2000年起任职于国泰君安证券，现任职于中德证券研究部。

获奖经历：2003-2004年建筑行业第一名；2005年通信行业第二名，2006-2008年通信行业第一名。

陈守红个人简历：中南财经政法大学博士，曾任职于光大证券、平安证券、兴业基金、巨田基金、工银瑞信基金、大成国际等机构。

获奖经历：2003年水电煤行业第一名。

董志强个人简历：毕业于对外经济贸易大学，曾任职于华夏证券、中信建投证券等机构，现从事私募工作。

获奖经历：2003年计算机行业第一名。

范艳瑾个人简历：毕业于中国人民银行研究生部，曾任职于加拿大皇家银行新加坡分行、中金公司等机构。

获奖经历：2003、2004年金融行业第一名，2007年银行业第二名。

干迎个人简历：毕业于西南财经大学，曾任职于金信证券、申银万国证券，现就职于纽伯格伯曼投资管理咨询（上海）有限公司。

获奖经历：2003、2004年食品饮料行业第一名。

郭海燕个人简历：北京大学学士，复旦大学硕士。

2001年7月至今任职于中金公司。

获奖经历：2003年批发零售行业第一名，纺织和服装行业第二名；2004年批发零售行业第一名，社会服务业第一名，纺织和服装行业第三名；2005年批发和零售贸易行业第一名，2006年该行业第二名，2009年该行业第四名；2010年家电行业、批发和零售贸易行业第三名；2011年批发和零售贸易行业第二名。

经历、研究方向如从事研究的领域等简要介绍）提供近期

基本信息：（姓名、出生年月、职务/职称、学历、工作经历、研究方向如从事研究的领域等简要介绍）提供近期照片1张（生活照）基本情况杜华强男，博士，副教授，硕士生导师，中国林学会会员，中国系统工程学会林业系统工程专业委员会第四届委员会委员，浙江农林大学森林经理省级重点学科遥感与信息技术方向负责人。

主要研究方向为森林尤其是竹林资源遥感监测及碳汇估算、“3S”技术在林业种的应用、空间统计等。

1995-1999年东北林业大学林业专业本科，2002年获东北林业大学森林经理学学科林业遥感硕士学位，2005年获北京林业大学森林经理学学科“3S”方向博士学位。

2009年入选浙江省新世纪“151人才工程”第3层次培养人员。

2010年美国印第安纳大学访问学者。

主持国家自然科学基金2项、浙江省自然科学基金1项、浙江农林大学科研发展基金1项；参与973课题、科技部863计划专题课题、国家自然科学基金、引进国际先进林业科学技术948、浙江省科技厅重大专项等项目多项。

在《IEEE Transactions on Geoscience and Remote Sensing》、《International Journal of Remote Sensing》、《遥感学报》、《林业科学》、《生态学报》等刊物上发表论文30多篇。

获梁希青年学术论文奖1等奖、教育部提名国家科学技术奖(科技进步奖2等奖)、黑龙江科技进步2等奖等多项奖励。

获发明专利2项。

教学工作：主讲主讲《遥感导论》、《环境遥感》、《遥感数字图像处理》、《空间统计学》及《Matlab语言与程序设计》等本科及研究生课程。

近五年主持和参与的科研项目：1.国家自然科学基金：毛竹林冠层参数定量反演及其高效固碳响应遥感信息模型(31070564)，2011-2013，主持2.国家自然科学基金(青年基金)：竹林碳储量及碳动态评价遥感信息模型研究(30700638)，2008-2010，主持3.浙江省自然科学基金：竹林冠层生物物理参数光谱响应及高光谱反演模型研究(Y3100427)，2011-2012，主持4.国家自然科学基金：基于面向类技术的高分辨率遥感图像森林信息提取方法研究(30771725)，2008-2010，参与，排名第25.科技部863计划专题课题：基于多源遥感信息的松材线虫病综合监测预警系统研究(2006AA12Z109)，2006-2008，参与，排名第56.国家林业局948项目：竹林固碳能力及碳储量遥感估算技术引进(2008-4-49)，2008-2012，参与，排名第37.林业科技支撑计划子专题：湿地保护工程监测指标与抽样技术体系研究(2006BAD23B01-2)，2006-2010，参与，排名第28.浙江省科技厅重大科技专项：浙江森林碳生存与储量计量模型研建及应用评估系统开发(2008C12068)，参与，排名第69.浙江省林业厅项目：浙江森林树种的高光谱遥感研究(07A16)，2007-2009，参与，排名第2近五年发表的论文：1.Huaqiang Du, Guomo Zhou, Hongli Ge et al. Satellite-based carbon stock estimation forbamboo forest with a nonlinear partial least square regression technique, International Journal of Remote Sensing, 待刊(SCI)2.Guomo Zhou, Xiaojun Xu, Huaqiang Du et al. Estimating Moso bamboo forest attributesusing the k Nearest Neighbors technique and satellite imagery. PE&RS，2011，77（11）(SCI) 3.徐小军，杜华强，周国模等.基于Landsat TM数据估算雷竹林地上部分生物量. 林业科学，待刊4.董德进，周国模，杜华强等. 6种地形校正方法对雷竹林地上生物量遥感估算的影响.林业科学，待刊5.Huaqiang Du, Weiliang Fan,Guomo Zhou et al. Retrieval of the Canopy Closure and LeafArea Index of Moso Bamboo Forest Using Spectral Mixture Analysis based on the Real Scenario Simulation. IEEE Transactions on Geoscience and Remote Sensing，2011，49(11): DOI:10.1109/TGRS. 2011.2107327 (SCI)6.杜华强，汤孟平，崔瑞蕊. 天目山常绿阔叶林土壤养分空间变异特征研究. 2010，浙江农林大学学报，2011，28 (4): 562-5687.崔瑞蕊，杜华强*，周国模等. 近30年安吉县毛竹林动态遥感监测及碳储量变化研究.浙江农林大学学报，2011，28(3):422-431 (通讯作者)8.Xiaojun Xu, Huaqiang Du, Guomo Zhou et al. Estimation of Aboveground Carbon Stock ofMoso Bamboo (Phyllostachys heterocycla var. pubescens) Forest with a Landsat Thematic Mapper Image. International Journal of Remote Sensing, 2011,32(5)：1431-14489.徐小军，杜华强，周国模等. Erf-BP混合像元分解及在森林遥感信息提取中应用. 林业科学，2011,47 (2): 30-3810.Huaqiang Du, Guomo Zhou, Wenyi Fan et al. Spatial Heterogeneity and CarbonContribution of Aboveground Biomass of Moso Bamboo by Using Geostatistical Theory .Plant Ecology, 2010，207,131-139 (SCI)11.Huaqiang Du, Ruirui Cui, Guomo Zhou et al. The responses of Moso Bamboo(Phyllostachys heterocycla var. pubescens) forest aboveground biomass to Landsat TM spectral reflectance and NDVI. 2010, Acta Ecologica Sinica(International Journal), 2010,30(5):257-26312.范渭亮，杜华强*，周国模等.模拟真实场景的混合像元分解.遥感学报，2010,14(6):1250-1265 (通讯作者)13.范渭亮，杜华强，周国模等.大气校正对毛竹林生物量遥感估算的影响. 应用生态学报，2010，21(1): 1-814.杜华强，葛宏立，范文义等. 马尾松针叶光谱特征与其叶绿素含量间关系研究. 光谱学与光谱分析，2009，29 (11): 3033-3037（SCI，EI）15.杜华强，金伟，葛宏立等. 用高光谱曲线分形维数分析植被健康状况.光谱学与光谱分析，2009，29(8): 2136-2140（SCI，EI）16.杜华强，葛宏立，范文义等. 分形在马尾松松材线虫病发病早期高光谱探测中的应用.林业科学，2009，45 (6): 68-7617.范渭亮，周国模，杜华强等. 安吉县毛竹林叶面积指数空间分布研究. 竹林生态和经营学术论坛论文集，浙江临安，2009，60-6818.金伟葛宏立杜华强等. 无人机遥感发展与应用概况. 遥感信息，2009，1:88-9219.徐文兵，高飞，杜华强. 几种测量方法在森林资源调查中的应用与精度分析. 浙江林学院学报，2009，26(1):132-13620.Huaqiang Du, Hongli Ge, Wenyi Fan et al. A new Classifier for Remote Sensing DataClassification：Partial Least-Squares. 2008International Workshop on Earth Observation and Remote Sensing Applications, Beijing. June 30 2008-July, 2, 2008, ISBN: 978-1-4244-2393-4, Digital Object Identifier: 10.1109/EORSA.2008.462029821.杜华强，周国模，葛宏立等.基于TM数据竹林遥感信息提取方法研究.东北林业大学学报，2008，36(3)：35~3822.杜华强，刘恩斌，周宇峰.森林资源遥感监测空间尺度问题与解决方法探讨.第八届中国林业青年学术年会论文集(优秀论文)，哈尔滨，2008：1081~108423.徐小军，杜华强，周国模等.基于遥感植被生物量估算模型自变量相关性分析综述.遥感技术与应用，2008，23(2)：239~24724.施拥军，徐小军，杜华强等.基于BP神经网络的竹林遥感监测研究.浙江林学院学报，2008，25（4）：417~421(该文入选Frontiers of Forestry in China)25.Dengsheng Lu, Hongli Ge, Shizhen He, Aijun Xu, Guomo Zhou, and Huaqiang Du.Pixel-based Minnaert Correction Method for Reducing Topographic Effects on a Landsat-7 ETM+ Image. PE&R,2008, 74(11): 1343-135026.Du Huaqiang, Tang Mengping, Zhou Guomo et al. Spatial scale dependence of the speciesdiversity in Tianmu Mountain and its relationship with spatial patterns by using multifractal analysis. Acta Ecologica Sinica (International Journal), 2007,27(12) ,5038-5049 (该文入选2008年第二届梁希青年论文获奖论文选集，中国林学会编，2008：122-135)近五年专利、软件著作权1.基于模拟真实场景的遥感影像像元分解方法，发明专利，授权号：ZL 2010 1 0039795.32.松材线虫病的高光谱综合分析早期探测方法，发明专利，授权号：ZL 2010 1 0039797.83.马尾松高光谱分析及健康状况探测软件V1.0（软件著作权登记号：0178799），2009，排名1，中华人民共和国国家版权局4.ForTest研究用数字图像处理调试软件V1.0（软件著作权登记号：0178800），2009，排名2，中华人民共和国国家版权局5.FDMT航空图像松材线虫病病害木提前软件V1.0（软件著作权登记号：0178798），2009，排名2，中华人民共和国国家版权局6.基于回归参数变换的遥感图像分类及动态监测软件V1.0（软件著作权登记号：0178801），2009，排名3，中华人民共和国国家版权局7.森林资源遥感图像模式分类系统FRSCS1.0（软件著作权登记号：2007SR02193），2007，排名2，中华人民共和国国家版权局近五年获奖1.天目山常绿阔叶林空间结构特征研究. 2011浙江省高校优秀科研成果奖2等奖. 排名3，浙江省教育厅、浙江省高等教育学会2.Spatial Heterogeneity and Carbon Contribution of Aboveground Biomass of Moso Bambooby Using Geostatistical Theory. 2010年第三届梁希青年论文奖2等奖，排名1，中国林学会3.天目山物种多样性尺度依靠及其与空间格局关系多重分形，2008年第二届梁希青年论文奖1等奖，排名1，中国林学会4.森林资源遥感监测空间尺度问题与解决方法探讨，2008第八届中国林业青年学术年会论优秀论文奖，排名1，中国林学会5.森林资源监测与经营决策空间信息技术的研究，2008年黑龙江科技进步2等奖，排名7，黑龙江省人民政府联系方式：。

中国物理学家简介

古代物理学家墨翟早在二千多年前墨家便已有对光学（光沿直线前进，并讨论了平面镜、凹面镜、球面镜成像的一些情况，尤以说明光线通过针孔能形成倒像的理论为著）、数学（已科学地论述了圆的定义）、力学（提出了力和重量的关系）等自然科学的探讨，可惜的是，这一科学传统也因此书在古代未得到重视而没能结出硕果。

但这一发现，震动了当今学术界，使近代人对墨家乃至诸子百家更为刮目相看。

沈括沈括的科学成就是多方面的。

他精研天文，所提倡的新历法，与今天的阳历相似。

在物理学方面，他记录了指南针原理及多种制作法；发现地磁偏角的存在，比欧洲早了四百多年；又曾阐述凹面镜成像的原理；还对共振等规律加以研究。

在数学方面，他创立「隙积术」（二阶等差级数的求和法）、「会圆术」（已知圆的直径和弓形的高，求弓形的弦和弧长的方法）。

在地质学方面，他对冲积平原形成、水的侵蚀作用等，都有研究，并首先提出石油的命名。

医学方面，对于有效的药方，多有记录，并有多部医学著作。

此外，他对当时科学发展和生产技术的情况，如毕升发明活字印刷术、金属冶炼的方法等，皆详为记录。

郭守敬郭守敬和王恂、许衡等人，共同编制出我国古代最先进、施行最久的历法《授时历》。

为了编历，他创制和改进了简仪、高表、候极仪、浑天象、仰仪、立运仪、景符、窥几等十几件天文仪器仪表；还在全国各地设立二十七个观测站，进行了大规模的“四海测量”，测出的北极出地高度平均误差只有0.35；新测二十八宿距度，平均误差还不到5'；测定了黄赤交角新值，误差仅1'多；取回归年长度为365.2425日，与现今通行的公历值完全一致。

郭守敬编撰的天文历法著作有《推步》、《立成》、《历议拟稿》、《仪象法式》、《上中下三历注式》和《修历源流》等十四种，共105卷。

为纪念郭守敬的功绩，人们将月球背面的一环形山命名为“郭守敬环形山”，将小行星2012命名为“郭守敬小行星”。

郭守敬为修历而设计和监制的新仪器有：简仪、高表、候极仪、浑天象、玲珑仪、仰仪、立运仪、证理仪、景符、窥几、日月食仪以及星晷定时仪12种（史书记载称13种，有的研究者认为末一种或为星晷与定时仪两种）。

改进SIFT的图像匹配算法

第40卷　第4期吉林大学学报(信息科学版)Vol.40　No.42022年7月Journal of Jilin University (Information Science Edition)July 2022文章编号:1671⁃5896(2022)04⁃0672⁃05改进SIFT 的图像匹配算法收稿日期:2021⁃09⁃07作者简介:陈雪松(1972 ),女,黑龙江大庆人,东北石油大学教授,硕士生导师,博士,主要从事信息隐藏㊁信息处理研究,(Tel)86⁃139****0816(E⁃mail)cxsnepu@;通讯作者:武小凯(1996 ),男,河南安阳人,东北石油大学硕士研究生,主要从事三维重建研究,(Tel)86⁃151****7801(E⁃mail)wxk7801@㊂陈雪松,武小凯(东北石油大学电气信息工程学院,黑龙江大庆163318)摘要:针对SIFT(Scale⁃Invarivant Feature Transform)算法存在的不足,提出Harris 算法与SIFT 算法相结合的方法㊂选用Harris 算法检测出的角点邻域范围内的SIFT 特征点作为特征点,利用高斯圆形窗口对特征点建立64维描述向量㊂实验证明,该算法在保证匹配精度的同时,有效提高了匹配速度㊂关键词:图像匹配;SIFT 算法;特征描述子;Harris 算法中图分类号:TP391.4文献标识码:A Improved SIFT Algorithm for Image MatchingCHEN Xuesong,WU Xiaokai(School of Electrical and Information Engineering,Northeast Petroleum University,Daqing 163318,China)Abstract :In order to overcome the shortcomings of SIFT (Scale⁃Invarivant Feature Transform)algorithm,a method which combines Harris algorithm with SIFT algorithm is put forward.SIFT feature points within the corner neighborhood range detected by Harris algorithm are used as feature points.Goss circular window is used to establish a 64⁃dimension description vector for feature points.The experiment result shows that this algorithmcan improve the matching accuracy and the matching speed.Key words :image matching;scale⁃invarivant feature transform(SIFT);feature descriptor;Harris 0　引　言图像匹配是计算机视觉和图像处理的重要基础之一[1]㊂图像匹配是指在图像与图像之间,经过特定的算法,识别出图像之间同名点的过程[2]㊂图像匹配技术在遥感㊁医疗㊁全景影像㊁三维重建和图像拼接等领域具有较为广泛的应用[3⁃6]㊂然而一般情况下,图像经常会受到旋转㊁光照㊁模糊等因素影响图像之间的匹配效果[7]㊂因此,如何快速且稳定地对图像进行匹配,逐渐成为图像匹配的一个重要发展趋势㊂目前,较为常用的算法有Harris㊁SIFT(Scale⁃Invarivant Feature Transform)㊁SURF(Speeded⁃Up RobustFeatures)㊁FAST(Features from Accelerated Segment Test)㊁ORB (Oriented FAST and Rotated BRIEF)等,这几种算法在使用中各有优势和特点[8]㊂其中SIFT 算法是由David [9]于2004年提出,该算法在不同尺度下或图像发生旋转的情况下,匹配效果依然十分出色,而且对光线㊁视角以及噪声变化均有很好的匹配效果㊂在某些场景中,由于纹理信息过于丰富,会在局部产生大量的无用特征点,影响运行速度;SIFT 特征描述符具有128维向量,导致计算过于复杂,使匹配效率降低㊂针对上述情况,Mikolajczyk 等[10]提出了GLOH 描述子,使用对数极坐标代替坐标象限;Bay 等[11]提出的SURF 算法Hessian 矩阵行列式近似值图像代替DOG(Difference of Gaussian)图像,降低了运算量;冯政寿等[12]提出利用Harris算法提取的角点作为特征点,对特征点使用同心圆描述符,提高了匹配效率;李为民等[13]提出了对Harris 改进的角点指示器,可根据需求检测不同数量角点;赵小强等[14]提出了基于Harris 角点与SIFT 的快速图像匹配算法,提高了图像匹配的实时性;胡育诚等[15]提出了消除冗余性能的策略,并对SIFT 算子进行改进,提升特征点检测的时间效率㊂笔者针对SIFT 算法计算量大,实时性差的问题,分别对特征点与特征描述符进行改进,提出了一种Harris 算法与SIFT 算法相结合的方法㊂在一定程度上降低了SIFT 算法的计算量,提升了匹配效率㊂1　SIFT 算法流程1.1　尺度空间和极值点定位为使从图像中提取的特征点具备尺度不变性,进行特征点检测时应在不同的尺度中进行㊂将图像I (x ,y ,σ)与不同尺度的高斯核函数G (x ,y ,σ)卷积得到高斯金字塔L (x ,y ,σ),如下L (x ,y ,σ)=G (x ,y ,σ)*I (x ,y ,σ)(1)G (x ,y ,σ)=12πσ2e -(x 2+y 2)/2σ2(2) 将高斯金字塔中相邻尺度的高斯图像作差得到高斯差分金字塔(DOG)㊂如下D (x ,y ,σ)=(G (x ,y ,kσ)-D (x ,y ,σ))*I (x ,y ,σ)=L (x ,y ,kσ)-L (x ,y ,σ)(3) 将差分金字塔中的每个像素与其相邻的26个点(8+9×2=26)比较,判断其是否为极值点㊂1.2　特征点主方向特征点确定主方向,是为减小描述符由于图像旋转等所带来的负面影响㊂采用m (x ,y )=(L (x +1,y )-L (x -1,y ))2+(L (x ,y +1)-L (x ,y -1))2(4)θ(x ,y )=tan -1L (x ,y +1)-L (x ,y -1)L (x +1,y )-L (x -1,y )(5)可计算出像素点的梯度和方向㊂在每个特征点的邻域范围内统计0~360°之间的36个方向(每10°为一个方向)的梯度直方图,取梯度直方图峰值的方向作为特征点的主方向㊂1.3　生成描述向量将坐标轴旋转至上述特征点的主方向上㊂以特征点为中心点,取16×16的窗口区域㊂平均分为4×4=16个子块区域(种子点)㊂根据式(4)和式(5)统计出每个种子点在8个方向(每45°为一个方向)的梯度直方图,并对每个梯度直方图进行高斯加权,以减弱远离特征点的地方对特征点的影响㊂每个特征点的描述向量为4×4×8=128维㊂2　Harris⁃SIFT 算法由于Harris 算法提取的角点具有高稳定性,为此笔者将Harris 算法与SIFT 算法相结合,流程如图1所示㊂图1　笔者算法流程图Fig.1　Algorithm flowchart 2.1　特征点定位首先对输入的图像使用Harris 算法检测出角点,再对图像进行SIFT 特征点检测,若SIFT 特征点与Harris 算法检测的特征点之间小于阈值,则该SIFT 特征点作为笔者的特征点[14]㊂虽然会增加特征点提取的时间,但筛选得到的SIFT 特征点将会同时具有Harris 特征点的高稳定性,且减少了后续算法的时376第4期陈雪松,等:改进SIFT 的图像匹配算法间㊂阈值如下r =152σoct 2(6)其中σoct 为Harris 角点所在尺度㊂2.2　改进的描述符笔者采用圆形描述符,由于圆形具有旋转不变性,故无需确定特征点主方向㊂以关键点为圆心,取半径为11的圆形窗口为特征点邻域范围,将该领域分别以半径为1㊁2㊁3㊁4㊁5㊁7㊁9㊁11个像素划分为8个图2　改进的描述符Fig.2　Improved descriptor 同心圆,即8个种子点㊂统计每个同心圆上8个方向(每45°为一个方向)的像素梯度与方向㊂每个特征向量具有8×8=64个特征向量,并对特征向量进行排序,描述符如图2所示㊂为防止距离特征点较远的像素对描述符的影响过大,采用高斯窗口进行加权㊂为减小由于光照变化对匹配效果产生负面影响,采用归一化对特征向量进行处理㊂2.3　特征匹配笔者采用最近邻距离(min)与次近邻距离(secmin)的比值(min /secmin)作为匹配依据[16]㊂阈值一般设置为0.6~0.8之间,数值越小,误匹配率越低,匹配点对也将变少㊂笔者将阈值设置为0.6㊂由于在匹配中经常发生误匹配的情况,笔者采用RANSAC (RANdom SAmple Consensus)算法对特征点进行提纯[17]㊂3　实验结果与分析对笔者所提出的算法与SIFT 算法进行图像匹配实验,并对结果进行对比与分析㊂图3a 和图3b 分别为SIFT 算法和笔者算法提取的特征点㊂笔者算法相较于SIFT 算法,特征点的数量有所减少,但特征点大部分为角点,提高了特征点的稳定性㊂图3　提取的特征点Fig.3　Extracted feature points 表1为两种匹配算法的统计结果㊂图4和图5分别为SIFT 算法和改进SIFT 算法的的匹配效果㊂使用两种算法分别进行20组以上的图像匹配,求出每次平均所使用时间㊂可以看出,笔者算法与原SIFT 算法相比节约大约1/3的时间,误匹配率比SIFT 算法有所降低㊂表1　实验结果Tab.1　Experimental results图像特征点个数SIFT 笔者算法总耗时/s SIFT 笔者算法误匹配率/%SIFT 笔者算法图像1图像23506202129911403122.896381.7527 3.57 1.35476吉林大学学报(信息科学版)第40卷图4　SIFT 算法匹配结果图5　改进SIFT 算法匹配结果 Fig.4　SIFT algorithm matching result Fig.5　Improved SIFT algorithm matching result 从该实验中,可得出以下两点结论㊂1)笔者算法相较于SIFT 算法减少了特征点的数量㊂且笔者算法提取的特征点大部分为图像角点,增加了特征点的稳定性,保障了算法的精确度㊂2)笔者采用的64维描述符相比于SIFT 算法的128维描述符,降低了描述符维度,减少了算法的复杂度㊂误匹配率有所下降㊂整体所用时间减少了大约1/3,提高了特征匹配的实时性㊂4　结　语针对SIFT 算法复杂的情况,笔者使用Harris 算法与SIFT 算法相结合的方式提取特征点,筛选出在Harris 特征点附近的SIFT 特征点作为笔者特征点,使用64维圆形描述符代替SIFT 算法的128维高维向量,有效的降低了算法复杂度㊂经实验证明,笔者算法相比于SIFT 算法在一定程度上提高了运行速度,降低了算法的复杂度,且误匹配率有所降低㊂参考文献:[1]杨济瑞,张晓燕,罗攀.基于图像匹配的特征点检测方法综述[J].电子测试,2021,28(6):53⁃54.YANG Jirui,ZHANG Xiaoyan,LUO Pan.Review of Feature Point Detection Methods Based on Image Matching [J].Electronic Measurement,2021,28(6):53⁃54.[2]贾迪,朱宁丹,杨宁华,等.图像匹配方法研究综述[J].中国图象图形学报,2019,24(5):677⁃699.JIA Di,ZHU Ningdan,YANG Ninghua,et al.A Review of Image Matching Methods [J].Journal of Image and Graphics,2019,24(5):677⁃699.[3]郑庆河,杨明强,蒋楠,等.无人机航空遥感图像的多分辨率拼接方法[J].西安邮电大学学报,2017,22(2):53⁃59.ZHENG Qinghe,YANG Mingqiang,JIANG Nan,et al.Multi⁃Resolution Mosaics Method for Aerial Remote Sensing Images ofUnmanned Aerial Vehicles [J].Journal of Xi’an University of Posts and Telecommunications,2017,22(2):53⁃59.[4]罗群明,施霖.图像拼接方法综述[J].传感器与微系统,2017,36(12):4⁃6,12.LUO Qunming,SHI Lin.A Survey of Image Mosaics [J].Sensors and Microsystems,2017,36(12):4⁃6,12.[5]张彦雯,胡凯,王鹏盛.三维重建算法研究综述[J].南京信息工程大学学报(自然科学版),2020,12(5):591⁃602.ZHANG Yanwen,HU Kai,WANG Pengsheng.A Survey of Three⁃Dimensional Reconstruction Algorithms [J].Journal ofNanjing University of Information (Science and Technology),2020,12(5):591⁃602.[6]杨家俊,丁祝顺,陈昕.图像配准关键技术综述[J].导航与控制,2020,19(1):77⁃84.YANG Jiajun,DING Zhushun,CHEN Xin.A Survey of Key Techniques of Image Registration [J].Navigation and Control,2020,19(1):77⁃84.[7]戴涛,朱长仁,胡树平.图像匹配技术综述[J].数字技术与应用,2012,30(3):174⁃175.DAI Tao,ZHU Changren,HU Shuping.A Review of Image Matching Techniques [J].Digital Technology and Application,2012,30(3):174⁃175.[8]索春宝,杨东清,刘云鹏.多种角度比较SIFT㊁SURF㊁BRISK㊁ORB㊁FREAK 算法[J].北京测绘,2014,28(4):23⁃26.SUO Chunbao,YANG Dongqing,LIU Yunpeng.A Comparison of SIFT,SURF,BRISK,ORB and FREAK Algorithms from576第4期陈雪松,等:改进SIFT 的图像匹配算法676吉林大学学报(信息科学版)第40卷Many Perspectives[J].Beijing Surveying and Mapping,2014,28(4):23⁃26.[9]DAVID G LOWE.Distinctive Image Features from Scale⁃Invariant Keypoints[J].International Journal of Computer Vision, 2004,60(2):91⁃110.[10]MIKOLAJCZYK K,SCHMID C.A Performance Evaluation of Local Descriptors[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2005,27(10):1615⁃1630.[11]BAY H,ESSA,TUYTELAARS T,et al.Speeded up Robust Features[J].Computer Vision and Image Understanding, 2008,110(3):346⁃359.[12]冯政寿,王美清.基于Harris与改进SIFT算法的图像匹配算法[J].福州大学学报(自然科学版),2012,40 (2):176⁃180.FENG Zhengshou,WANG Meiqing.Image Matching Algorithm Based on Harris and Improved SIFT Algorithm[J].Journal of Fuzhou University(Natural Science Edition),2012,40(2):176⁃180.[13]李为民,李亮亮.一种改进的图像匹配算法[J].工业控制计算机,2021,34(6):27⁃29.LI Weiming,LI Liangliang.An Improved Image Matching Algorithm[J].Industrial Control Computer,2021,34(6):27⁃29.[14]赵小强,张源峰.基于Harris角点与SIFT的快速图像匹配算法[J].兰州理工大学学报,2019,45(1):101⁃106. ZHAO Xiaoqiang,ZHANG Yuanfeng.A Quick Image Matching Algorithm Based on Harris Angular Point and SIFT[J]. Journal of Lanzhou University of Technology,2019,45(1):101⁃106.[15]胡育诚,芮挺,杨成松,等.基于改进SIFT的无人机航拍图像快速配准研究[J].计算机科学,2021,48 (8):134⁃138.HU Yucheng,RUI Ting,YANG Chengsong,et al.Research on Fast Rectification of UAV Aerial Photos Based on Improved SIFT[J].Computer Science,2021,48(8):134⁃138.[16]张春美,龚志辉,孙雷.改进SIFT特征在图像匹配中的应用[J].计算机工程与应用,2008,44(2):95⁃97. ZHANG Chunmei,GONG Zhihui,SUN Lei.Application of Improved SIFT Feature in Image Matching[J].Computer Engineering and Applications,2008,44(2):95⁃97.[17]韩宇,宗群,邢娜.基于改进SIFT的无人机航拍图像快速匹配[J].南开大学学报(自然科学版),2019,52(1):5⁃9. HAN Yu,ZONG Qun,XING Na.Fast Matching of UAV Aerial Image Based on Improved SIFT[J].Journal of Nankai University(Natural Science),2019,52(1):5⁃9.(责任编辑:刘东亮)。

东北电力大学硕士研究生导师名单

东北电力大学硕士研究生导师名单(截止2008年06月)
乐
群
学济、动力经济、电力市场
3李
凡
生
教授1946.12?
东北电力学
院
信息资源管理、管理信息系统/决策
支持系统、电力市场、数据仓库与数
据挖掘
1994.05.10东北电力大学191
4 李伟副教授1962.12 硕士西北工业大学电力企业技术经济评价2008.03.26 东北电力大学192
5王
欣
教授1964.05
博士
生
东北电力学
院
管理信息系统、信息经济2001.04.19东北电力大学193
6 吴翔副教授1968.11 博士生哈尔滨商业大学产业组织与产业经济管理2008.03.26 东北电力大学194
7郗
伟
东
副教授1964.01
博士
生
东北电力学
院
产业组织理论、资本市场2000.07.05东北电力大学195
8邢
跃
群
教授1948.06?
东北电力学
院
技术经济、财务会计2001.04.19东北电力大学196
9姚
洁
副教授1972.06
博士
生
吉林工业大
学
技术创新与知识经济2005.08.29东北电力大学197
10 赵
晓
彤
副教授1965.07博士
华北电力大
学
技术经济分析、发电交易管理2002.04.11中国电力科学院198。

教师教育专业导师情况介绍【模板】

教师教育专业导师情况介绍（不分先后）肖正德简介肖正德男，1968年2月出生，浙江永嘉人。

杭州师范大学教师发展研究中心常务副主任、副教授、教育学博士。

主要从事教学论、教师教育研究。

已出版学术专著1部，在《教育研究》、《高等教育研究》、《比较教育研究》、《华东师范大学学报》（教科版）等学术刊物上发表学术论文60余篇。

主持全国社会科学基金教育学重点招标课题子课题1项、教育部人文社科基金规划项目1项、浙江省哲学社会科学规划课题1项、其他课题3项。

获得全国教育科学研究成果奖、浙江省高校人文社科优秀成果奖等奖项4项。

付淑琼简介付淑琼，杭州师范大学教科院副教授，硕士生导师，浙江省“之江青年社科学者”。

2009年毕业于浙江大学，获教育学博士学位，是中国比较教育学泰斗王承绪先生的关门弟子。

研究兴趣在于高等教育政策、高等教育的国际比较、教育政策的国际比较等领域。

2005年以来，已出版专著1部，参与专著和译著6部；在《教育研究》、《比较教育研究》、《高等教育研究》、《教育发展研究》等高水平杂志上共发表学术论文20余篇；主持省部级课题3项，其他课题2项。

容中逵简介容中逵男，教育学博士。

现为杭州师范大学教师发展研究中心副教授,硕士生导师,主要从事教育文化学、比较教育学、课程与教学论研究。

多年来先后担任《教育学》、《教育科学研究方法》等学科的本科和研究生教学与研究工作；先后完成《从两极到中庸、化理想为现实——关于新基础教育课程改革若干问题理性审视》、《全球化时代中国教育之传统文化传承研究》、《颐村教育：中国乡村教育变迁的实践表达》3项专题研究。

先后在《教育学报》、《比较教育研究》等期刊上发学术论文49篇，其中1篇被《新华文摘》观点转载，14篇被人大复印资料《教育学》、《中小学教育》、《中小学学校管理》全文转载。

先后主持完成《大教育视野下之中国传统文化传承研究》（中国博士后科学基金课题）、《中国乡村教育变迁的传统与现代——基于我国东南西北中部五村教育变迁的历史人类学分析》（国家社会科学基金青年课题）、《教师身份认同研究：基于教师集群与个体生活构造的文化社会学考察》3项，承担国家社会科学基金重点课题《农村教师发展状况和保障机制研究》子课题1项；先后出版专著《传统与现代的交锋：百年中国乡村教育变迁的实践表达》、《传统文化传承论：全球化时代中国教育的文化责任》2部。

苏州医工所研究生导师简介【模板】

苏州医工所研究生导师简介导师介绍杨晓冬，男，35岁，博士，中科院百人计划入选者，中科院苏州医工所副研究员，硕士研究生导师。

于2005年在中科院武汉物理与数学所获无线电物理学博士学位。

2005-2 007年赴澳大利亚怀特医学国家研究中心Walter and Eliza Hall Institute of medical researc h任访问学者。

2008-2010年赴德国慕尼黑工业大学Technische Universitaet Muenchen 任高级访问学者。

主要从事磁共振脉冲技术和射频线圈等关键部件的国产化研发，主持多项国家自然科学基金、中科院百人计划项目、江苏省和苏州市科技项目、中科院外国专家特聘研究员计划、中德科学基金研究交流中心项目等的研究，发表学术论文30余篇，拥有专利15项。

[1]X. Yang, X. Du, Z. Zhu, Y. Xu, H. Tian, D. Wei, Optimized pulse sequence improves contrast in magnetic resonance. 2011, IEEE International Symposium on Bioelectronics and Bioinformatics.[2]Z. Zhu, X. Gao, X Du, Y. Xu, H. Tian, F. Xu, D. Wei, and X. Yang. Inverse recovery pulse sequence in magnetic resonance with optimized contrast. 2011, Beijing Conference and Exhibition on Instrumental Analysis.[3]X. Yang, C. Adda, A. Low, W. Zeng, D. C. Jackson, R. F. Anders, and R. S. Norton. Identification of key residues involved in fibril formation by the conserved N-terminal region of Plasmodium falciparum merozoite surface protein 2 (MSP2). Biochimie, 92, 1287-1295 (2010).[4]一种应用于核磁共振波谱仪的样品宽带检测方法，专利授权号：********.0[5]一种用于核磁共振波谱仪的脉冲产生装置，专利授权号：********.4[6]一种核磁共振脉冲格式转换装置，专利授权号：********.9[7]一种磁共振图形化软件，软件著作权登记号：2011SR********。

2018-高高个人资料word版本 (11页)

本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！== 本文为word格式，下载后可方便编辑和修改！ ==高高个人资料篇一：个人资料个人资料姓名：龚良楷年龄：20血型：O型体重：85Kg身高：185性格：心狠手辣，做事沉稳。

出生地：中国曾任：法国SAS攻击队少校现职：英国特工队队长专长：移动射击神枪手。

狙击手。

爆破。

轻重武器。

常用武器装备：95式来复，炮狙，定向雷。

等等战斗力：100理疗力：80防御力：95指挥力：100狼牙特种大队组建于1991年7月7日，首任大队长何志军上校。

何志军原任东南军区十二侦察大队大队长。

由于他在上世纪八十年代的重大军事行动中作战勇猛，被敌人敬畏地称之为“狼牙”。

于是何志军以此作为部队的代号。

狼牙特种部队最初称作“狼牙特种侦察大队”，部队成员多为原侦察大队的老兵。

特种部队组建之初一穷二白，何志军带领官兵发扬南泥湾精神，用双手为狼牙大队打好了基础。

不久，狼牙特种侦察大队改称为狼牙特种大队。

从总参B部调来的雷克明中校任狼牙特种大队副大队长。

雷克明毕业于某艺术学院，1986年调入侦察大队，战争结束时任狼牙侦察大队二中队中队长兼副参谋长。

不久，何志军晋升大校军衔，任东南军区司令部情报部副部长，大队长由雷克明接任。

这一时期，狼牙特种大队的班子陆续建立了起来。

一批士兵被提干。

提干士兵中，特战一连一排排长林锐表现优秀。

但副排长乌云在一次行动中不幸牺牲。

大队政委耿辉上校由于操劳过度，胃癌发作，壮烈牺牲。

1995年，狼牙特种大队被指派组建代表队参加本年度的“爱尔纳·突击”国际侦察兵比赛。

经过层层选拔，狼牙特种大队特战一营代理营长陈勇中尉、特战一排排长林锐少尉、特战一连一班战士田小牛、董强以及陆军学院的学员刘晓飞、张雷等人组成参赛队参加比赛。

他们在比赛中过关斩将，取得团体第四名的好成绩。

陈勇中尉获得了最高荣誉卡列夫勇士奖。

比赛结束后，刘晓飞等学员进入了狼牙特种大队。

陈小盼硕士研究生导师个人简介

陈小盼硕士研究生导师个人简介1.个人简介：陈小盼，女，43岁，主任医师，硕士，硕士生导师。

从事内分泌内科临床、教学及科研工作20年。

现任内分泌科科室副主任；同时兼任营养科主任8年。

主持国家自然科学基金项目1项，主持省自然科学基金项目1项、省厅局级和校级课题共2项，以第一作者发表学术论文10余篇，其中SCI论文2篇，主编专著1部，参编教材及著作2部。

先后获得校级和院级“优秀党员”、“优秀工作者”和“医德医风先进个人”等荣誉。

曾在美国、日本留学。

2.研究方向：内分泌疾病基础与临床3.发表的学术论文和专著：[1] 陈小盼, 宋钦华, 孙胜花, 等. Calpain-10基因多态性与黎族2型糖尿病胰岛素抵抗的关系[J]. 中国热带医学, 2012, 05:591-592+603.[2] 陈小盼, 郑海龙, 朱洪, 等. 吡格列酮对2型糖尿病肾病血清脂联素水平的影响[J]. 现代预防医学, 2012, 06: 1580-1581. [3] 陈小盼, 朱洪, 宋钦华, 等. 糖尿病肾病患者血清抵抗素水平与24h尿白蛋白定量的关系[J]. 山东医药, 2011, 37: 4-5.[4] 陈小盼, 朱洪, 宋钦华, 等. 贝那普利对2型糖尿病肾病血清抵抗素水平的影响[J]. 现代预防医学, 2011, 12: 2392-2393+2396.[5] 陈小盼, 朱洪, 宋钦华, 等. 2型糖尿病肾病患者血清抵抗素水平的变化[J]. 海南医学, 2011, 11: 12-13.[6] 陈小盼, 钟江华, 曾春芳, 等. 女性冠心病患者血清性激素水平与心率震荡的关系[J]. 中国现代医学杂志, 2008, 08:1087-1089.[7] 陈小盼, 宋钦华,陈志斌, 等. 57例海南黎族2型糖尿病患者代谢特征分析[J]. 中国热带医学,2007,05:725-726.[8] 陈小盼, 王朝迅, 权金星, 等. 原发性干燥综合征骨软化合并肾小管酸中毒1例[J]. 中国热带医学, 2006, 10: 1853+1856. [9] 陈小盼, 钟江华, 宋钦华, 等. 2型糖尿病与冠心病患者心率震荡分析[J]. 中国热带医学, 2006, 09: 1630-1631.[10] 陈小盼, 宋钦华, 陈志斌, 等. 海南黎族2型糖尿病患者Calpain-10基因多态性的实验研究[J]. 临床荟萃, 2006, 14:1000-1002.[11] 陈小盼, 云武. 头孢吡肟治疗下呼吸道感染32例疗效分析[J]. 华北煤炭医学院学报, 2001, 05: 580.[12] Chaoxun Wang, Xiaopan Chen, Xiaoying Ding, et al. Exendin-4 Promotes Beta Cell Proliferation via PI3k/Akt Signalling Pathway. Cellular Physiology and Biochemistry，2015，35（4）: 2223-2232[13] XiaoPan Chen , ShiJuan Lu , Kang Huang, et al. Effects of Ang Ⅱ perfusion on transmural heterogeneous of Cx43 inacute myocardial ischemia reperfusion. Asian Pacific Journal of Tropical Medicine, 2016, 9(1): 94-97.[14] 陈小盼, 陈竑, 陈韩, 等. 阿托伐他汀片对2型糖尿病肾病患者血清chemerin水平的影响[J]. 海南医学, 2017，16: 2596-2598.[15] 陈小盼, 陈竑, 陈韩. 2型糖尿病肾病患者血清chemerin和TNF-α水平的变化及意义[J]. 临床医药文献杂志, 2017，39(4): 7593-7594.4. 论著：陈小盼, 晏斌林, 张燕. 现代实用临床诊疗内科学[M]．北京: 科学技术文献出版社, 2013.5.获得的学术成果奖励：《心率震荡的临床应用》获得2010年海南省科学技术奖二等奖（第三完成人）。

北京大学信息科学技术学院

北京大学信息科学技术学院【字体：大中小】考研书店一．基本情况北京大学信息科学技术学院成立于2002 年9 月。

学院由12 个研究所和中心组成：基础实验教学研究所、电子工程研究所、量子电子学研究所、光子和通信技术研究所、物理电子学研究所、软件研究所、网络和信息系统研究所、计算语言学研究所、计算机系统结构研究所、数字媒体研究所、微电子学研究院、信息科学中心。

学院覆盖了4 个一级学科：（计算机科学和技术、电子科学和技术、信息和通信工程、物理学），11 个二级学科（计算机软件和理论、计算机系统结构、计算机使用技术；微电子学和固体电子学、物理电子学、电磁场和微波技术、电路和系统；通信和信息系统、信号和信息处理；无线电物理、声学）。

其中5 个二级学科在2002 年被评为国家重点学科（计算机软件和理论、计算机使用技术、微电子学和固体电子学、物理电子学、通信和信息系统）。

学院教学研究实力雄厚，拥有一支高水平的师资队伍，其中中国科学院院士3 人( 含双聘 1 人) 、中国工程院院士1 人，教授70 余人，博士生导师50 余名。

学院拥有3 个国家级重点实验室——视觉和听觉信息处理国家重点实验室、微米/ 纳米加工技术国家级重点实验室和区域光纤通信和新型光通信系统国家重点实验室（北京大学）， 5 个部委和市级重点实验室，以及和国际著名公司、科研机构组建的若干联合实验室。

近年来，学院承担了大量的国家级科研项目（年平均科研经费约一亿元），每年在国内外核心刊物和高水平会议上发表学术论文500 多篇。

北京大学的信息科学技术学科具有悠久的历史，最早可以追溯到上个世纪50 年代数学系的计算数学专业、物理系的无线电物理、电子物理和半导体物理专业。

几十年来，北京大学在信息科学技术学科取得了一系列具有全国领先水平的重大研究成果：20 世纪70 年代我国第一台百万次数字计算机150 的研制，80 年代卫星通信和光纤通信系统的研制和使用，90 年代纳米电子学、量子电子学研究的重要成果和微电子技术以及拥有自主知识产权的核心技术领先的指纹识别系统等等，都对国家的经济发展、国防建设以及人民生活水平提高乃至生活和工作方式的改变产生了重大影响。

开题报告导师介绍信

开题报告导师介绍信背景尊敬的导师：您好！我是您的博士研究生，非常荣幸能有机会向您汇报我的开题报告。

本报告旨在介绍我选择的研究课题、研究背景、分析方法、预期结果和建议等内容。

希望您能在细致阅读后，给予我宝贵的指导和意见。

课题选择原因作为一个计算机科学专业的研究生，我一直对深度学习和人工智能领域非常感兴趣。

在现代社会中，人工智能技术的应用越来越广泛，为各个行业带来了巨大的改变。

然而，在大规模数据的环境下，许多深度学习模型的训练时间过长，资源消耗过大，限制了其在实际应用中的效率。

因此，我希望通过本次研究，探索并解决深度学习模型训练过程中的效率问题，进一步提高模型训练的速度和资源利用率。

研究背景深度学习模型的训练是一个非常耗时和资源密集的过程，尤其是在大规模数据集上。

目前，研究者们已经提出了许多优化方法，比如分布式训练、模型剪枝等，来减少训练时间和资源消耗。

然而，这些方法在解决效率问题上还存在一些不足。

在本研究中，我将聚焦于模型剪枝算法。

模型剪枝是一种通过删除不重要的神经元或连接来减少模型参数数量和计算量的方法。

目前已经有一些剪枝算法被提出，但其效果不稳定，有时会导致模型性能的下降。

分析方法为了解决现有模型剪枝方法的问题，我计划采用以下研究方法：1.收集相关文献并了解当前模型剪枝算法的研究现状和存在的问题。

2.提出一种新的模型剪枝算法，考虑性能优化和稳定性。

3.实现所提出的算法，并在多个数据集上进行实验评估。

4.对比实验结果并分析其有效性和稳定性。

5.结合实验结果，提出改进和优化建议。

预期结果和建议预计通过本次研究，我将得到以下结果和建议：1.发现现有模型剪枝算法存在的问题，进一步理解深度学习模型训练过程中的效率限制因素。

2.提出一种新的模型剪枝算法，可以在保持模型性能的同时减少模型参数数量和计算量。

3.实验证明所提出算法的有效性和稳定性。

4.根据实验结果，提出改进和优化建议，进一步提高模型剪枝算法的性能和实用价值。