码得到相应的逻辑端口的值，通过查询Traffic Memory相关的逻辑端口接收设置后将MVBC自动设置为接收状态将，在收到发送方发出的从帧后更新相应逻辑端口在Traffic Memory的数据并发出中断信号从而完成硬件的接收过程。接收方的软件可以用中断或定时查询的方式通过过程数据处理模块得到更新后的逻辑端口的过程数据 五、系统的测试
在本系统中，系统的测试即包括了软件的测试，也包括了硬件，FGPA的测试，在本文中不再赘述。
第四篇沪剧与海派文化发展
主讲人：王威仪
讲座时间：2015.11.23 18:00-19:30 讲座地点：2B403 讲座内容：
沪剧是上海开埠以后随着上海都市化而迅速发展起来的一个名剧种。在此以前，只是一种乡村田头山歌。流行川沙、南汇一带的称东乡调，流行松江、青浦等地的称西乡调。沪剧的前身在19世纪八十年代进入上海城区，民国初年称花鼓戏，后来称本地滩黄和申滩，在20世纪20年代更名为申曲，1941年有个大剧团称名“ 上海沪剧社”，到1946年上海申曲正式定名为沪剧。
沪剧的前身，“只有一把胡琴、一副鼓板，演员只分上下手，没有‘行当’，是一种说唱歌舞形式。后来登上用木板搭成的小台，采用文明戏变成舞台演出的小戏。”1沪剧后来的迅速发展繁荣完全是进入了文化金融中心的大上海后，在海派文化的宽容、自由、竞争的大氛围里打造出来的。
沪剧来自民间。沪剧与上海方言的深层契合。早期的沪剧直接表现农村的现实生活，用的都是经提炼的生动活泼的民间口语。如《女看灯》中的“若要天花粉，采起杜瓜根。”《卖红菱》中的“天上呒没跌杀鸟，地上呒没饿杀人。”都是活跃在民间的闾巷谚语。又如《庵堂相会?盘夫》中的“上无兄下无弟，像枯庙旗杆独一根。”“我头上帽子开花顶，青衣布衫碎纷纷，有个地方千层布，呒没地方肉棱棱。”都是对贫民生活切实生动的描绘。唱富贫对比的，如：“前十年陈家铜钿有，迭个亲眷朋友好像出龙灯。”“舅妈个听见外甥到，伊厨房办酒立砧墩，排起仔十六碗菜一桌酒，叫吃拉吃拉请啊请。”到家道贫落时，“伲娘舅听见外甥到，伊是平平彭彭关大门，撑头要撑十几根，连个贼偷强盗也打勿进。”沪剧唱词
中集中了许多老派上海话生活用语和民间俗言俚语，为民俗学家了解上海旧民俗和社会生活面貌留下了丰富资料。
上海的文化被称为“海派文化”。
海派文化是在中国江南传统文化（吴越文化）的基础上，融合开埠后传入的对上海影响深远的源于欧美的近现代工业文明而逐步形成的上海特有的文化现象。
海派文化既有江南文化（吴越文化）的古典与雅致，又有国际大都市的现代与时尚。区别于中国其他文化，具有开放而又自成一体的独特风格。
沪剧从田头山歌来，在上海都市文化的推进和涤荡下，走的就是一条五四先贤指出的来自民间又重视旧剧改造的路。沪剧在其高潮的三四十年代，剧目至多，更换至快，对上海人娱乐生活的影响十分大，以至有一长段时期有《申曲日报》的发行。沪剧、越剧、滑稽剧、评弹这些民间戏剧曲艺为什么在金融文化中心的上海都得到了脱胎换骨后的大发展？其原因就是它们接受了近代现代思潮和生活的洗礼，它们加入了中西融合、宽容创新的海派文化，它们融入到民间如鱼得水，社会和人民需要它们在上海存在且发展。在发展变化中，这些戏对上海海派文化的生态建设也作出了积极贡献。
沪剧对海派文化生态建设的贡献，首先表现在它使上海这个大城市有了代表自己独特形象的戏剧。这个戏剧不同于其他许多地方戏的地方，就在于它表现了上海这个城市的特点和上海精神。它是个重现代轻古代、重兼容不封闭、重创新勇放弃、重民俗轻高雅、重民间轻贵族、重方言轻规范、重借鉴轻固守、重融和不孤芳、重经济轻繁琐、重现实少修饰的戏剧。沪剧的前辈开始实践了如前胡适、傅斯年所说的改造，迅速度过了周作人所说的旧剧的幼稚期，跨过了中西文化原来的鸿沟，向先进文化迈步。沪剧的特点是海派文化海纳百川、有容乃大的特点，是可以不断创造先进文化的特点，它为城市文艺的繁荣提供了样本。
第五篇人脸识别简介
讲座时间：11月18日（周三） 13：10－14：30 讲座地点：3A101
主讲人：殷俊博士/讲师（上海海事大学计算机系） 讲座内容：
在信息化飞速发展的今天，计算机的应用领域越来越广，大大减轻了人类的体力劳动和脑力劳动。在对人的计算机自动身份鉴别系统中，指纹、基因、虹膜等方法都为接触式鉴别手段，需要人为的采样，属侵犯式的识别。因人脸识别的非接触式特性现以成为计算机领域的一个研究热点，在国内外引起很高的重视，取得了一系列的成果。在公安、银行、海关等重要部门可以应用人脸识别技术提供方便、高效的检测手段。
虽然人可以毫不费力地识别出人脸及其表情，但要计算机自动准确地识别却困难得多。
因为人脸具有相似的结构，在纹理上也比较接近，人脸识别系统只能利用不同人脸之间的细微差别来实现正确识别的任务。同时，同一个人在光照、姿态、表情、人脸大小等不同采样条件下所获得的图像有很大的不同，更不用说发型、年龄、化妆以及饰物的变化了，得到的图像可能是正面的也可能是侧面的，此外噪声和掩遮都使问题变得复杂。可见，人脸识别涉及到图像处理、模式识别、人工智能及生理学等多个学科[1]，使得人脸识别成为一项极富挑战性的课题。
人脸自动识别系统包括三个主要技术环节[2]：首先是图像预处理，由于实际成像系统多少存在不完善的地方以及外界光照条件等因素的影响，在一定程度上增加了图像的噪声，使图像变得模糊、对比度低、区域灰度不平衡等。为了提高图像的质量，保证提取特征的有有效性，进而提高识别系统的识别率，在提取特征之前，有必要对图像进行预处理操作；人脸的检测和定位，即从输入图像中找出人脸及人脸所在的位置，并将人脸从背景中分割出来，对库中所有的人脸图像大小和各器官的位置归一化；最后是对归一化的人脸图像应用人脸识别技术进行特征提取与识别。
输入图像 图像预处理 准图像 人脸检测与定位 标准人脸图像 特征提取与识别 识别结果
人脸识别技术研究的方法
人脸识别的方法大致可以分为基于几何特征、基于代数特征[3]、基于神经网络模型以及基于三维模型等的几大类。 基于几何特征
是在抽取人脸图像上显著特征的相对位置及其参数的基础上进行识别。最早的人脸识别是用手工的方法确定人脸特征点的位置并将其输入计算机中。识别工作的流程大体如下：首先检测出面部特征点，通过测量这些关键点之间的相对距离（欧式距离），得到描述每个脸的特征矢量，比如眼睛、鼻子和嘴的位置和宽度，眉毛的厚度和弯曲程度等，以及这些特征之间的关系，用这些特征来表示人脸。比较未知脸和库中已知脸中的这些特征矢量，来决定最佳匹配[4]。基于小模板匹配的方法属于几何特征识别，是已知一个小模板，在人脸的大图像中进行匹配，如果匹配成功，就可以确定其坐标位置[5]。
基于几何特征的缺点显而易见，对获得的图像要求很高，特征点的定位非常重要，如果人脸有一定的侧向或有装饰物都会很大程度上影响识别的准确性。 基于代数特征
基于代数特征的人脸识别方法有代表性的是PCA（主元分析法）[6]、K-L（卡胡南－列夫）变换[7]和SVD（奇异值分解）[8]等方法。其主要思想：对于一副由N个象素组成的图像，可以看作是一个N维矢量空间，采用不同的变换方法，能够有效的提取主分量，通过对人脸样本集的自相关矩阵的特征矢量的选取，构成一个正交的低维人脸空间，从而达到降低冗余、提高识别率的目的。
利用主元分析法（Principle Component Analysis简称PCA）进行识别是由Anderson和Kohonen提出的。最早将其用于人脸识别中的是Pentland，并因为它的有效很快流行起来。简单地说，它的原理就是将一高维的向量，通过一个特殊的特征向量矩阵，投影到一个低维的向量空间中，表征为一个低维向量，并不会损失任何有用信息。也就是说，通过低维表征的向量和这个特征向量矩阵，可以完全重构出所对应的原来的高维向量。
基于神经网络模型
神经网络由许多并行运算的功能简单的单元组成，是一个非线性动力学系统，其特色在于信息的分布式存储的并行协同处理，具有良好的容错能力。神经网络主要的应用是对已经提取主特征的特征值进行分类。比较成熟的是PCA+ANN(主元分析+人工神经网络)，用K-L+ANN(K-L变换+人工神经网络)[9]、SVD+ANN(奇异值分解+人工神经网络)，也有直接用NN+NN(神经网络+神经网络)进行人脸识别的，不过这样所要计算的分量太大了，训练与工作的时间要长很多。
有代表性的神经网络模型有：BP网络、RBF网络、Hopfield模型等。如图所示的是PCA＋BP神经网络的例子，其中输入层结点的个数与主元分析后低维向量的个数相等输入到BP
低维分量作为输入向量输入层 隐层 BP神经网络 输出层 神经网络的输入层结点中，隐层结点的个数在构造BP网络时就已经定义好了，输出层结点的个数与样本的数量有关，要能达到分类的目的。 基于三维模型
三维人脸识别[10]最初是从几何方法发展来的，出发点是希望利用三维的人脸识别处理技术，解决传统二维照片识别中因为人脸的姿态、光照等对识别造成的干扰问题，在三维的基础上进行特征的提取和识别将有更为丰富灵活详尽的信息可以利用。三维数据获取已经成为可能(如三维激光扫描技术、CT成像技术、结构光方法等)，使得图形技术得到了应用的可能，可以完成人头三维面貌数据获取。
在合成特定人的头部模型时，需要一个基本头部模型，该模型是一个通用的模型，特定人的模型都可以通过对该模型的修改得到。人类面部特征的位置、分布基本上是一样的，因而特定人脸的模型可以通过对一个原始模型中的特征和其它一些网络点位置进行自动或交互调整而得到。系统的内部有一个原始的人头模型，以后所有特定模型的建立都是基于这个原始模型。
基于三维模型的识别方法是未来的对人进行识别的方向，因为在三维模型中，可以对人的头部从任意角度获得信息，具有良好的抗干扰能力，基于三维的人脸识别还需要做很多的工作。
其他方法
HMM（隐马尔可夫模型）方法[11]，利用隐马尔可夫模型对人脸进行描述和识别，不是利用各个器官的数值特征，而是把这些特征和一个状态转移模型联系起来，这种模型既考虑了人脸的各个器官的不同表象，又考虑了他们的相互关联，比起孤立地利用各个器官的数值特征有概念上的进步。
小波变换[12]是空间(时间)和频率的局部变换，因而能有效的从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，解决了Fourier变换不能解决的许多困难问题。克服了Fourier变换没有任何时域局部化，用于分解信号的基函数是持续时间
很短的高频函数和持续时间较长的低频函数。 上述方法的不足之处
1) 基于几何特征的提取方法，由于时间、光照、摄影机角度等不同，人的面部模式也
是千变万化的，这给特征提取造成了困难。
2) 基于代数特征的识别法在实际应用中取得了一定的成功。由于该方法有一定的稳定
性、鲁棒性，这使得对表情的描述不够充分，难以用于表情分析。
3) 基于神经网络的方法，结构上类似于人脑，但由于原始灰度图像数据量十分庞大，
神经元数目通常很多，训练时间很长，而基于冯诺伊曼结构也受到了限制。 4) 三维人脸识别技术当前还重点停留在理论方法上，研究的效果不很理想。
第六篇航运大数据浅析
报告人: 徐凯
时间: 2015年6月10日下午:14:45-15:45 地点: 1C323 讲座内容：
大数据的驱动力
毫无疑问，当下世界是一个被数据包围的世界。航运经营自然也会产生很多数据，所有的数据都是相关的，如何处理、利用这些数据成为挑战。 DNV GL执行副总裁、海事咨询总监Albrecht Grell表示：“我们要问的一个问题就是航运数据从哪里来，怎样对这些数据进行认知，看到数据背后真正的含义。”一艘营运中的船舶，24小时内通常会生成高达20GB的数据信息，这些信息内容繁多，涉及天气、发动机、航行位置、速度到燃油消耗等，数据量大、散乱、周期短。确保数据的获得是进行精确分析的第一步，将 这些数据进行整合是第二步，这些数据与外部数据如AIS、天气等的结合分析，就可能得出有意义的结论。 DNV GL副总裁、DNV GL大中国区主席、DNV GL 海事公司大中国区总经理Torgeir Sterri表示，数字化是航运发展的驱动力之一，这个驱动力本身就是一项技术。大数据驱动的数字化将使遥感器可实时接受各式各样的结构化和非结构化的数据，且这些数据的来源确定性越来越强。他进一步指出，更智能的数字网络，除了促进科技的应用，在航运业，可以模拟所有船舶周期的现状。DNV GL利用大数据，开发船队绩效监测系统，在增进营运透明度的同时提高了营运效率。
英国劳氏船级社北亚地区船舶业务总裁Jim Smith表示，英国劳氏船级社将把大数据和有效数据应用于未来业务和技术的战略计划中。“1760年开始，我们的工作中就充满了数据，包括入级的每艘船舶的全寿命周期内的所有相关信息。若能获得一艘船舶的核心数据，通过集中分析设计、表现、天气、路线、货物和法规数据相关信息，则可以寻找到最佳航线，便于船舶更高效经济地行驶到指定港口。智能船舶将从根本上改变海运业的业务模式。” 究竟什么是智能船舶呢？中国船级社副总工兼规范与技术中心总经理陈实表示，智能船舶体现在六个方面：一是智能航行。主要是自动航行优化，通过对海况、物流等相关参数的优化，在满足航运周期和安全的情况下，使航运成本降到最低。目前这一技术已较成熟，进一步发展会形成自主航行。二是智能船体。主要指对船体进行全生命周期的管理，包括建立船体数据库，以及结构强度和性能的数据库，为船舶的维修提供决策，如通过数据库预先制定维修计划。应急服务可以提供辅助决策，确保安全。三是智能机舱。基于设备和系统监测为机舱提供辅助决策，高级发展阶段是对机舱设备提供视情维修，大幅度节省维修成本和周期。四是智能能效管理。通过能耗检测、分析与报告，为能效优化辅助决策。五是智能货物