一种基于双网络模型的图像识别新方法

针对基于复杂网络图像识别方法建模复杂度过高问题,提出一种基于双网络模型的灰度图像识别新方法。首先将像素点作为复杂网络节点,基于灰度乘积构建图像的结构平衡网络模型以及基于欧氏距离构建复杂网络模型,然后分别计算两种网络模型的拓扑特征参量,形成最终的图像特征识别参量。相比现有基于复杂网络的图像识别方法,该方法在理论上能够降低图像建模复杂度,提高图像识别速度。使用 YALE 人脸数据库进行仿真对比实验,结果表明,该方法的图像识别速度为传统复杂网络方法的 35%,正确率提高了 4%。     

WINDOWS数据共享特性与应用

Ｗｉｎｄｏｗｓ应用程序之间可以共享数据,它们可以通过剪切板、对象链接和嵌入技术实现不同层次的数据交换,本文利用了ＷＩＮＤＯＷＳ数据共享特性处理了不同应用程序中的数据。     

论间接故意犯罪的犯罪未遂形态

我国刑法理论通说认为,犯罪的未完成形态中的犯罪未遂只存在于直接故意的犯罪中,间接故意犯罪不存在犯罪的未遂形态。外国刑法理论与实务界对于间接故意犯罪未遂则大多持肯定态度。间接故意犯罪不存在未遂形态只是一种逻辑推断,并没有法律上的明文依据。涉及生命等重大法益的间接故意犯罪的未遂具有科处刑罚的必要性,否认间接故意犯罪有未遂,可能会导致把性质严重的犯罪作为性质较轻的犯罪处理,或者将有罪作无罪处理。     

基于结构平衡网络的图像识别新方法

针对机器视觉中的图像识别问题,提出一种新的基于结构平衡网络的图像识别方法。从一种新的结构平衡网络（特殊的复杂网络）视角重新审视平面灰度图像,将图像灰度矩阵视为结构平衡网络的连接关系（权值）矩阵（像素点可不作为节点）,通过Hadamard乘积变换得到像结构平衡矩阵,再利用像结构平衡矩阵的拓扑结构,产生新的图像识别特征参量对图像进行描述。该方法具有高速率、高识别率、尺度不变性及旋转不变性等特点。最后的实验仿真验证了该方法的有效性。     

基于模型参考自适应的一类二维系统形状渐近跟踪控制

针对二维线性系统,探究可实现其状态轨迹形状与参考系统状态轨迹间形状渐近跟踪的控制方法。首 先,利用刚体运动描述系统状态轨迹的形状渐近跟踪概念,然后对传统模型匹配条件进行扩展。在该条件下,采用 Lyapunov 稳定性与模型参考自适应相结合的方法,设计形状渐近跟踪控制器。实验表明,该控制器可保证被控系统与参考系统状态轨迹达到形状渐近跟踪。与传统方法相比,所给出的模型匹配条件及形状渐近跟踪控制器适用范围更广。最后,对模型进行仿真实验,证明了该控制方法的有效性。