本文以马尔可夫主题随机场(Markov topic random fields,MTRF)分析图像中视觉词汇的主题分配,结合区域特征的结构特点,并利用结构学习,实现图像中对象的识别。与主流的主题模型——隐狄利克雷分配(latent Dirichlet allocation,LDA)相比,MTRF通过建立视觉词汇的空间位置关系,在视觉词汇的主题分配方面更准确,更有效地体现出区域内主题间的结构特征,有利于结合结构学习,从而检测和识别图像中的对象。实验表明,主题模型和结构学习的结合可以更准确地发现图像区域内的对象结构,有效提高主题模型在对象识别方面的准确率。 束语本文提出了一种基于马尔可夫主题随机场和高效搜索子窗口算法的对象识别方法。该方法利用马尔可夫主题随机场主题分配的准确性和高效搜索子窗口算法的特点，研究搜索并识别对象。马尔可夫主题随机场在主题采样分配过程中融合了相邻视觉词汇的空间关系，在局部区域内主题分配和图像表达趋于精准本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com，主题表现为更具意义的对象组成部件导流策略研究-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机，在相当程度上尤其利于表达对象的结构特征。高效滑动窗搜索算法通过学习区域内主题表达的对象结构特征，在对象检测和识别的实现上高度突显其优良性能。因此，对于对象识别问题，本文提出的方法，有效地提高了主题模型在对象识别问题上的准确率。轨道交通已进入大规模网络化运营阶段,但存在着客流分布在时间和空间上严重不均衡、高峰拥挤、安全隐患大等诸多问题,制约着其健康发展。本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com为解决这些问题,本文提出了票价导流策略(包括分时段定价、分路径定价2种策略),根据上海市城市轨道交通的实际情况,进行了乘客意向调查和行为试验的初步研究,最后从合理优惠时间、合理优惠范围、合理优惠幅度3个方面,进一步提出票价导流策略的实施方案建议缓解高峰时段客流的巨大压力，上海地铁近几年也在持续加开列车数。尽管早晚高峰列车配属数远大于非高峰，但在高峰时段全网多个区间的列车满载率超过100%，而非高峰时段各线路断面最大满载率均低于50图1上海地铁工作日网络分时客流情况()进一步研究工作日高峰时段及相关客流比例，并随机抽取某工作日客流数据分析可知，各线路的早晚高峰时段(占全日运营时间的27%)的客流超过全日客流的53．5%，高峰时段与低峰时段的平均客流比例为4:1左右，高峰时段的客流远高于低峰时段的客流。1．1．2客流的空间不均衡性在上海市城市轨道交通网络中，市区线路客流比较饱和，其它线路客流相对较小，各线路之间的高峰断面客流绝对值相差很大。例如，2号线的车站数是5号线的2．7倍，但2号线的日客流量是5号线的10．8倍。在高峰时间、高客流断面的满载率上，不同线路之间也有较大差距，有些线路的满载率超过130%(9号线甚至超过160%)，而有些线路的满载率却不足90%。1．2票价导流策略目前上海地铁是计程票制，起步6km票价3元，之后每10km加价1元。要解决上海轨道交通路网客流在时间和空间上的严重不均衡性，可以?导流策略研究-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机。本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com