基于CNN-SVM的地下目标形状识别

针对传统地下目标识别算法中特征提取方法的缺陷,鉴于深度学习中的卷积神经网络（CNN）能自动从数据中提取特征,但CNN自带的分类器不能很好的解决非线性分类问题,由于SVM具有良好的泛化分类能力,为此提出基于CNN-SVM的地下目标形状识别方法。本文首先在地表面光滑场景下,利用该方法对地下圆形和矩形目标识别,然后加大场景难度,在地表面粗糙场景下进行地下目标形状识别。实验结果表明,相比传统人工设计的特征分类方法,该算法利用CNN自动提取的特征联合SVM提高了CNN的分类准确率,并且在两种场景下都具有更高的地下目标识别精度。     

中空介孔SiO2纳米球的制备、改性及其对Al3+荧光识别研究

中空介孔SiO2由于中空多孔的结构而常用作功能材料的基底.将中空介孔SiO2进行官能团修饰,并应用为荧光传感材料是中空介孔SiO2一个重要的研究领域.本论文采用聚丙烯酸(PAA)为中空模板,聚醚F127为造孔剂,正硅酸乙酯(TEOS)为硅源,氨水为催化剂在乙醇体系中制备了中空介孔SiO2纳米球.系统研究了搅拌速度和聚醚F127引入量对中空介孔SiO2纳米球形貌及比表面积的影响.通过透射电镜、N2-等温吸附脱附曲线等表征说明该合成方法具有很好的普适性,通过调节F127的引入可以实现对比表面积的有效控制.通过氨基化、席夫碱反应进行荧光修饰,进一步研究表明荧光修饰后的中空介孔SiO2纳米球在水溶液中能够实现对Al3+的有效检测,检测限为1.19×10 -7M.     

整体观视角下高中数学教学的建构与思考——兼谈“双曲线的标准方程”的教学北大核心

1引言《现代汉语词典》(第7版)中关于“整体”的解释为:“整个集体或整个事物的全部(对各个成员或各个部分而言)”[1].在哲学范畴,联系是唯物辩证法的起点,生活中所有事物都是紧密联系的.数学是研究数量关系和空间形式的一门科学,对现实世界的抽象是数学的来源.关于数学的整体性,有不少经典的表述,如著名数学家约瑟夫·傅里叶曾说:“Mathematics compares the most diverse phenomena,and discovers the most secret analogies which unite them.”(数学能从事物的个性之中寻求事物的共性特征.)普遍联系的原理走向具体化与深层次的体现之一就是系统观的形成,而系统论最本质的特征就是整体性.     

一类三角形存在性的进一步结论

特别约定：满足1/a^2＋1/b^2=1的椭圆x^2/a^2＋y^2/b^2=1称为标准椭圆．以标准椭圆的中心为圆心的圆x^2＋y^2=r^2称为标准椭圆的同心圆．     

课本习题改造是"数学探究"的重要渠道

普通高中数学课程标准明确指出:“倡导积极主动、勇于探索的学习方式”,设立“数学探究”“数学建模”等学习活动,为学生形成积极主动的、多样的学习方式进一步创造有利的条件……高中数学课程应力求通过各种不同形式的自主学习、探究活动,让学生体验数学发现和创造的历程,发展     

数学课堂教学设计的艺术

《普通高中数学课程标准（实验）》的第四部分《实施建议》指出：“数学教学要体现课程改革的基本理念，在教学设计中充分考虑数学的学科特点，高中学生的心理特点，不同水平、不同兴趣学生的学习需要，运用多种教学方法和手段，引导学生积极主动地学习，掌握数学的基础知识和基本技能以及它们所体现的数学思想方法，发展应用意识和创新意识，对数学有较为全面的认识，提高数学素养，形成积极的情感态度，为未来发展和进一步学习打好基础。”由此可见,     

何为优——兼议珠算法的评价标准

珠算是中华民族的瑰宝，珠算化是祖国传统的优秀化。在中国珠算协合成立的２０多年间，珠算正以其强大的生命力逐步长青在祖国大地和世界广阔的海天！令华夏儿女为之振备和欣慰。运用算盘作为工具进行数字的计算的千百年历史也让世人深刻地认识到了珠算对于计算这一应用上的功能和作用。随着社会的不断发展和进步以及人的认识过程的不断提高，珠算的教育和开发智力的功能不断地被世人所认识和了解，这一切，正是珠算传统的优秀而先进的化的实质内涵。     

Speech emotion recognition based on statistical pitch model

A modified Parzen-window method, which keep high resolution in low frequencies and keep smoothness in high frequencies, is proposed to obtain statistical model. Then, a gender classification method utilizing the statistical model is proposed, which have a 98% accuracy of gender classification while long sentence is dealt with. By separation the male voice and female voice, the mean and standard deviation of speech training samples with different emotion are used to create the corresponding emotion models. Then the Bhattacharyya distance between the test sample and statistical models of pitch, are utilized for emotion recognition in speech. The normalization of pitch for the male voice and female voice are also considered, in order to illustrate them into a uniform space. Finally, the speech emotion recognition experiment based on K Nearest Neighbor shows that, the correct rate of 81% is achieved, where it is only 73.85% if the traditional parameters are utilized.