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
- 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