主要介绍在大型数据库中发现知识（Knowledge Discovery in Large Databases, KDD）的各种技术，是专门针对决策支持中的各类问题进行讨论的高端课程。面向对象为软件工程专业硕士研究生。 本课程讲授的主要内容包括：数据预处理、数据仓库及OLAP、概念描述型数据挖掘、关联规则挖掘、分类挖掘和预测以及聚类挖掘，涉及的领域包括数理统计、概率论、机器学习、信息论、集合论等等。-Introduces knowledge discovery in large dat

Particle filters are often used for tracking objects within a scene. As the prediction model of a particle filter is often implemented using basic movement predictions such as ran- domwalk,constantvelocityoracceleration,thesemodelswill us

针对目前大多数形状特征描述的全局性以及对旋转 缩放等变化的敏感性， 采用一种基于目标近似多边形的形状特征描述， 这种描述方式具有局部性和紧凑性， 同时结合运动参数预测及递归估计的方法实现二维目标的检测和定位-Most shape for the global characterization of and sensitivity to changes in the rotation scaling, using a polygon shape based on characteristics o

研究了海天线的提取和小目标检测。根据海天线区域的 灰度过渡特性，给出了一种基于背景行均值曲线突降区间的海天线定 位算法，并通过与另外三种海天线提取算法的比较和分析，得出本文 算法具有在海天线模糊、海面跌宕起伏的环境下准确快速定位海天线 的优势。 -A correlation-based tracking algorithm based on kalman prediction and adaptive reference template is discussed. Th