人们常用C&C(computer and communication)来描述计算 机网络,但从系统的观点看,这还很不够。固然计算机和通 信系统是计算机网络中非常重要的基本要素,但计算机网络 并不是计算机和通信系统的简单结合,也不是计算机或通信 系统的简单扩展或延伸,而是融合了信息采集、存储、传输、 处理和利用等一切先进信息技术,是具有新功能的新系统

选用在生理位置上具有一定关联性的人耳和人脸作为研究对象,针对剧烈的姿态变化会造成融合信息大量缺损的问题,提出了一种基于核典型相关分析的多模态识别方法,利用标准化和中心化两种方法对原始数据集进行预处理,并用最近邻方法进行分类识别.实验结果表明,核典型相关分析方法可以有效地克服剧烈的姿态变化对人耳和人脸识别的影响,且与单生物特征相比,识别率显著提高

介绍了杨炳儒教授独立提出的知识发现系统内在机理中的3个机制——双库协同机制、双基融合机制、信息扩张机制,及在其上构建的KDD*,KDK*,KD(D&K),ESKD结构模型,并介绍了在知识表示方法、发现算法与自动评价方法等方面的创新性成果

“一个具有信息素养的人,他能够认 识到精确的和完整的信息是做出合理决策 的基础,确定对信息的需求,形成基于信 息需求的问题,确定潜在的信息源,制定 成功的检索方案,从包括基于计算机和其 他信息源获取信息、评价信息、组织信息 于实际的应用,将新信息与原有的知识体 系进行融合以及在批判性思考和问题解决 的过程中使用信息

基于面部动态表情序列，针对静态表情缺少时间信息等问题，将空间特征与时间特征融合，利用神经网络在图像分类领域良好的特征，对需要进行细节分析的表情序列进行处理，提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks, S-LRCN)的微表情识别方法。首先选取微表情数据集提取面部图像序列，引入迁移学习的方法，通过预训练的卷积神经网络模型提取表情帧的空间特征，降低网络训练中过拟合的危险，并将视频序列的提取特征输入长短期记忆网络(Long short-team memory, LSTM)处理时域特征。最后建立学习者表情序列小型数据库，将该方法用于辅助教学评价

ATM是一种信息复用和交换技术，由于它 只涉及OSI/RM的下两层，对每个数据包的处 理过程大大简化，处理时间大大缩短，并采用 定长单元（信元）进行发送，具有带宽宽 （622Mbit/s甚至到10Gbit/s）、吞吐容量大和 伸缩性强等特点，可为不同等级的业务提供相 应的服务质量（QoS）

• 发展历史 – 电话网络 – 有线电视网络 – Internet – 三网融合 • 交换技术 • 网络体系结构 • OSI体系结构 – 基于OSI参考模型，又称为OSI七层模型 • Internet体系结构 – 基于TCP/IP参考模型 • 新的网络技术和体系结构 – Delay/Disruption Tolerant Networking (DTN) – Software Defined Networking (SDN) – Future Internet Architecture (FIA)

一、图像增强（去噪） 二、图像分割（边缘检测） 三、目标表达、识别、跟踪 四、图像匹配（数据融合） 五、压缩与编码（JPEG2000） 六、图像数据库 七、基于内容检索（手写体识别，人脸识别） 八、信息隐藏与数字水印

(1)媒体 媒体是指承载信息的载体，它包括信息的表现和传播载体，如文本、声音、图形、图像、动画等。 (2)多媒体 “多种媒体的集合”。是指在计算机控制下将多种媒体融合在一起所形成的信息媒体

第一节 空间数据的坐标变换 第二节 空间数据结构的转换 第三节 多源空间数据的融合 第四节 空间数据的压缩与综合 第五节 空间数据的内插方法 第六节 图幅数据边沿匹配处理