PR模型论文

PR模型论文（精选6篇）

PR模型论文 篇1

摘要：提出一种新的基于PR (Probability Ratio, 简称PR) 模型的教育信息化数据矩阵加权正负关联模式挖掘算法。算法从教育信息化数据中挖掘矩阵加权频繁项集和负项集, 采用PR模型作为正负关联模式评价标准, 对频繁项集和负项集挖掘教育数据矩阵加权正负关联模式, 发现有趣的教育信息矩阵加权正负关联模式。通过模式分析, 发现教育领域信息化数据中潜在的、有用的教育信息、教学规律和教育发展趋势。以真实的教育信息化数据作为实验数据, 实验结果表明, 该算法更有效、合理。

关键词：教育信息化,关联模式,PR模型,矩阵加权模式

0 引言

信息技术对教育领域产生巨大的影响, 加速了教育信息化的进程, 由此产生大量的、复杂的教育信息化数据。如何更充分、更有效地利用如此巨大的教育信息化资源, 一直是很多学者研究的热点。将数据挖掘技术应用于教育信息化数据处理是解决上述问题的有效途径, 教育数据挖掘应运而生, 指的是从大量的教育信息数据中发现事先不知道的、有用的教育模式和知识, 利用这些模式和知识指导教育、发展教育和改善教学效果, 从而提高教学质量和水平。在教育信息挖掘过程中, 频繁项集、负项集以及正负关联规则等模式统称为教育信息化数据正负关联模式。近年来, 不同的学者从不同的角度和方法对教育信息数据挖掘进行研究, 取得了丰硕的成果, 归纳起来主要表现在如下两个方面:

一是基于传统关联模式挖掘的教育数据关联模式挖掘。该方法主要是将传统的无加权关联模式挖掘技术 (例如Apriori挖掘算法[1]) 应用到教育数据关联模式挖掘。采用Apriori算法及其改进算法对考试成绩数据进行挖掘, 得出课程设置体系的数据相关性和考试科目成绩之间的内在联系[2,3,4], 以帮助教师在指导学生时做出正确的决策, 并为课程体系设置提供有效的决策支持。采用关联规则挖掘技术对教学环境数据挖掘学生行为模式和教师教学模式, 能够预测和评价学生学业成绩[5,6], 对于成绩差的学生给予专门的指导和帮助, 有助于减少学生的辍学率[7], 通过教师教学模式分析, 可以发现优秀教师的教学素养能力[8]。数据挖掘技术在教育信息化数据中的应用可以有助于提高教育信息化数据的数学分析能力[9]。这些研究成果为教务管理和教学模式的改革提供了强有力的科学依据, 取得了良好的效果。基于传统关联模式挖掘的教育数据关联模式挖掘存在的缺陷是:只考虑课程项目频度, 没有考虑课程项目之间存在不同重要性的情况。

二是基于加权关联规则挖掘的教育数据关联模式挖掘[10,11]。该方法克服了传统关联模式挖掘方法的缺陷, 考虑了课程项目在其专业中具有不同的重要性, 赋予不同的权值。文献[10]提出了一种新的基于加权关联规则算法的学生成绩数据挖掘, 文献[11]将加权关联规则挖掘技术应用高试卷评估中, 提出了基于加权关联规则算法的学生成绩数据挖掘算法, 都取得了良好的效果。该方法还存在如下的缺陷:只考虑项目在各个项目中具有不同的权值, 并没有考虑项目在各个学生学习中具有不同的教学效果。

针对现有的教育数据关联模式挖掘的不足, 本文将PR (Probability Ratio, 简称PR) 模型引入教育信息化数据矩阵加权正负关联模式发现与分析, 提出一种新颖的基于PR模型的教育信息化数据矩阵加权正负关联模式挖掘算法。

1 基本概念

教育信息化数据中课程成绩随着学生记录不同而变化, 因而课程成绩数据属于矩阵加权数据。把课程当作项目, 课程成绩当作项目的权值。设SD={s1, s2, …, sn}是学生记录数据库 (SD:Students Database) , si (1≤i≤n) 表示SD中的第i个学生 (student) 记录, course={c1, c2, …, cm}表示SD中学生所选修的课程 (course) 集合, cj (1≤j≤m) 表示SD中第j门课程, r[si][cj] (1≤i≤n, 1≤j≤m) ) 表示SD中第j门课程cj在学生记录si中的考试成绩, 如果cj没有被选修, 即cjsi, 则r[si][cj]=0。

对于学生记录数据库 (SD) , 设I1, I2是其课程集合course的两个子项集, I1course, I2course, 且I1∩I2=Ø, 给出如下基本定义。

定义1 (教育信息化数据矩阵加权支持度:Matrix-weighted education patterns support, 简称mwepsup) :参考文献[12], 给出教育信息化数据矩阵加权正负项集和关联模式的支持度计算公式如式 (1) -式 (6) :

其中, k为项集I的项目个数, n是SD的事务记录总数, 是项集I在SD中各个学生成绩权值总和。

定义2 (教育信息化数据矩阵加权PR值:Matrix-weighted probability ratio, 简称mw PR) :PR模型[13] (probability ratio) 是用条件概率和先验概率的比值来表达p (I2|I1) 相对p (I2) 的递增程度, 即:

根据公式 (7) , 给出教育信息化数据矩阵加权正负关联模式的mw PR的计算公式如下:

定义3 (教育信息化数据矩阵加权强正负关联模式) :教育信息化矩阵加权数据强正负关联模式 (I1→I2, I1→﹁I2, ﹁I1→I2, ﹁I1→﹁I2) 是指I1和I2的支持度不小于最小支持度阈值minmwepsup, I1→I2, I1→﹁I2, ﹁I1→I2, ﹁I1→﹁I2的支持度和PR值都不小于minmwepsup和最小PR阈值minmwPR。

2 基于PR模型的教育数据矩阵加权模式挖掘算法

2.1 基本思想

基于PR模型的矩阵加权关联模式挖掘算法分为三个阶段, ①预处理和挖掘频繁1_项集和负1_项集阶段:预处理教育信息化数据, 构建教育信息化矩阵加权学生记录数据库和课程项目库, 并从中挖掘教育信息化数据矩阵加权课程频繁1_项集和负1_项集。②产生矩阵加权频繁i-项集和负i-项集 (i≥2) 阶段:从2-项集起, 课程项目候选i-项集 (i≥2) 通过候选 (i-1) -项集通过Apriori连接[1]得到, 通过候选i-项集的i-支持期望[12]进行剪枝, 计算候选i-项集的矩阵加权支持度, 通过逐层搜索的方法产生矩阵加权频繁i-项集和负i-项集。③产生教育信息化矩阵加权数据强正负关联模式阶段:计算矩阵加权频繁i-项集和负i-项集的mw PR值, 根据PR值从频繁项集和负项集中挖掘教育信息化矩阵加权数据强正负关联模式。

2.2 算法描述

输入:SD学生记录数据库, minmwepsup最小支持度阈值, minmw PR最小PR阈值,

输出:教育信息化矩阵加权正负关联模式。

算法:

Begin

①预处理和挖掘频繁1_项集和负1_项集:将课程成绩除以100, 以保证项目权值在0至1之间, 建立教育信息化矩阵加权学生记录数据库和课程项目库, 并从中挖掘矩阵加权课程频繁1_项集和负1_项集, 计算2_项集的2-支持期望。

②产生教育信息化数据矩阵加权频繁i-项集和负i-项集 (i≥2) :

一是生成矩阵加权候选i-项集

候选 (i-1) -项集通过Apriori连接得到矩阵加权候选i-项集 (i≥2) ;然后, 将矩阵加权候选i-项集中含有i-支持期望的 (i-1) -项集的并且其支持度不为0的候选i-项集作为矩阵加权负i-项集。

二是剪枝

删除矩阵加权候选i-项集中含有i-支持期望的 (i-1) -项集的所有候选i-项集, 得到新的矩阵加权候选i-项集, 如果新的矩阵加权候选i-项集不空, 计算其支持度及其候选i-项集的i-支持期望, 同时删除其支持数为0的候选i-项集, 得到最新的矩阵加权候选i-项集。

三是生成矩阵加权频繁i-项集和负i-项集

剪枝后如果最新的矩阵加权候选i-项集为空集, 则直接转入第③步, 否则, 计算剪枝后的候选i-项集中每个候选i-项集支持度和矩阵加权 (i+1) -项集的 (i+1) -支持期望, 比较候选i-项集的支持度和minmwepsup, 得到矩阵加权频繁i-项集和负i-项集。

四是i=i+1后循环步骤一到步骤三。

③从矩阵加权课程频繁i-项集挖掘强正负关联模式。

任何一个频繁i-项集中课程项集 (I1, I2) , 计算I1→I2, I1→﹁I2, ﹁I1→I2, ﹁I1→﹁I2的PR值。将其支持度和PR值分别与minmwepsup和minmwPR比较, 得出教育信息化矩阵加权课程强正负关联模式。

④从矩阵加权课程负i-项集挖掘强负关联模式。

任何一个负i-项集中课程项集 (I1, I2) , 计算I1→﹁I2, ﹁I1→I2, ﹁I1→﹁I2的PR值。将其支持度和PR值分别与minmwepsup和minmw PR比较, 得出教育信息化矩阵加权课程强负关联模式。

⑤输出强正负关联模式。

End.

3 实验设计及结果分析

3.1 数据来源

为了验证本文算法的有效性, 将某校教务部门真实课程考试成绩数据作为本文实验数据, 选择历届毕业生在校学习成绩为实验数据测试集。对实验数据测试集进行预处理, 构建学生信息数据库和课程项目库。数据测试集参数如下:课程项目总个数是121, 学生总数为500人, 即事务记录数为500。

3.2 实验结果及分析

将本文算法与现有无加权正负关联规则挖掘算法[14]进行性能比较, 在测试集上, 分PR阈值或者置信度阈值变化和支持度阈值变化2种情况对两种算法进行挖掘性能实验和分析 (以正关联模式I1→I2和负关联模式﹁I1→﹁I2结果为例) 。

①PR阈值或者置信度阈值变化的情况下, 本文算法和对比算法在数据测试集上运行后得到的教育数据正负关联规则模式 (I1→I2和﹁I1→﹁I2) 数量比较如图1和图2所示。

(minmwepsup=0.3)

(minmwepsup=0.3)

图1和图2表明, 当支持度和兴趣度不变时, 在不同的PR值阈值或者置信度阈值下, 本文算法得到的正关联规则模式I1→I2数量和对比算法的差别不大, 仅仅减少7.86%, 而负关联模式﹁I1→﹁I2数量比对比算法的减少幅度较大, 达到66.72%。

②支持度阈值变化情况下, 两种算法在数据测试集上运行得到的教育信息化数据正负关联模式 (I1→I2和﹁I1→﹁I2) 数量比较结果如图3和图4所示。

图3和图4表明, 当PR值和兴趣度不变时, 随着支持度阈值的增大, 两种算法在数据测试集上运行得到的教育数据正负关联模式数量大幅度下降, 而本文算法的正关联规则模式I1→I2数量比对比算法的下降49.09%, 负关联规则模式﹁I1→﹁I2数量比对比算法的下降幅度更大, 达到74.44%。

(minmw PR=0.5或者minconf=0.5)

(minmw PR=0.5或者minconf=0.5)

实验结果表明, 本文算法是有效的, 与对比算法比较, 本文算法挖掘得到的正负关联规则模式数量少得多, 表明其无效的和虚假的关联模式更少, 说明本文算法的挖掘效果更有效、更合理。其主要原因分析如下:本文算法采用PR模型衡量教育信息化矩阵加权数据正负关联规则模式, 不仅考虑模式之间存在的重要性, 重点考虑了各种模式在不同的学生信息记录中具有不同的学习效果, 即具有不同的成绩权值, 挖掘出来的教育数据正负关联模式更能反映课程学习效果的课程关联, 避免了那些无效的、无趣的关联模式出现, 模式数量减少了;而对比算法是无加权正负关联模式挖掘算法, 只考虑课程项目被学生选修的频度, 并不考虑课程项目之间存在不同的重要性, 更没有重视课程项目在学生选修学习中具有不同的学习效果。由于学生选修的课程频度都比较高, 而且分布比较均匀, 挖掘出来的正负关联模式数量就比较多。

3.3 关联模式实例分析

本文算法挖掘出来的教育信息化数据矩阵加权正负关联模式实例及其对应的支持度和PR阈值如表1所示。

对表1的实例分析可以知道, 本文算法发现的各个课程之间反映各种学习效果的正负关联模式与现实是接近的, 通过这些模式分析可以获得各种潜在有用的教育信息。例如, 选修《英汉翻译》课程的同时也选修《英文报刊阅读》课程的概率有68.54%, 学好《英汉翻译》课程就能学好《英文报刊阅读》课程的PR阈值是很高的, 达到1.1644, 说明这条模式的可信度是很高的。学不好《旅游英语》就不会学好《商务英语听力》的概率有63.79%, 其PR值高达1.0192, 这是一条可信度较高的负关联模式。

4 结束语

教育信息化进程的加快和普及, 对教育系统的变革和发展产生了深远的影响, 其中其产生的海量教育信息化数据资源会产生不可估量的价值。针对现有教育信息化数据关联模式挖掘的缺陷, 提出了一种新颖的基于PR模型的教育信息化数据矩阵加权正负关联模式挖掘算法, 利用PR模型评价教育信息化数据矩阵加权正负关联模式, 充分考虑课程项目在各个学生数据库中具有不同的重要性。在真实的教育信息化数据实验环境中, 与现有的关联模式发现算法进行挖掘性能实验比较和分析。实验结果表明, 本文算法更有效、更合理。

PR模型论文 篇2

1) BRDF

不同的物体在同样的光照条件下, 从不同的方向观看会有不同的亮度和颜色, 以此建立模型的相关理论技术, 便是双向反射分布, 即BRDF[1] (Bidirectional Reflectance Distribution Function, BRDF) 。BRDF已被广泛应用在目标光散射特性、计算机图像处理、地物遥感等领域[2,3]。

2) Phong模型

Phong模型是由Bui Tuong Phong于1975年提出的BRDF经验模型[4]。基于Phong模型原理简单、易于计算, 对塑料类物品具有良好的复现能力[5], 将使用该模型作为建模的参考模型。

1 物体BRDF模型的建立

BRDF可视为各方向上材料表面的反射辐亮度与入射辐照度的比值, 其数学模型[6]如下所示:

Phong模型提出, 物体上一点反射到视点的光强I为环境光的反射光强Ie、理想漫反射光强Id、镜面反射光Is的总和:I=Ie+Id+Is (2)

Ka为物体表面对环境光的反射系数;Ip为入射光的强度;Kd为漫反射系数, 且有Kd∈[0, 1];θ为光线的入射角;Ip为点光源的强度;Ks为镜面反射系数;α为视点方向V与镜面反射方向R之间的夹角;n是与物体表面光滑度有关的一个常数。

由于要求实验在暗室中进行, 故Ia=0。即:

进一步可得Phong模型的BRDF形式:

其中, 系数K为出射光强到反射辐亮度的转换系数, 已采取测量完全漫反射板相关数据逆推的方式, 间接获得系数K为0.134。

为了方便测量与计算, 将φi、φr分别锁定为0°、180°。

可得, 理论上通过改变PR-715、光源相对于物品的位置, 测量适当的数据以获得物体的BRDF模型详细信息在理论上是可行的。

2 实验测量

使用美国Photo Research公司PR-715辐射分光光度计 (后简称为PR-715) , 通过多角度测量, 求解式 (7) 获得其对应的BRDF模型 (基于Phong模型) 。

取当θr为0°、15°、30°时, 在固定θr的情况下逐渐改变θi的值 (以15°为间隔) , 获得一系列数据, 其中取θr=15°时多组数据取平均值整理为数据表1:

取α>60°、θi<30°的情况多次测量, 获得数据, 代入公式取平均得归一化的Kd值为0.086。

锁定光源位置, 将其固定在θi=15°的方向, 仅微调PR-715以获得连续的BRDF镜面反射数据, 如表2:

带入式 (7) , 取K=0.134, Kd=0.086解得:归一化后的K值为0.161, n为74, 经查阅相关表格[7]可得, 符合PVC材料特性。

通过PR-715可分别测量被测物体PVC材料的镜面反射光谱特性Ks、漫反射光谱特性Kd。其中镜面反射特性Ks (λ) 近乎为一条直线, 漫反射Kd (λ) 光谱特性则为在400nm处突起的曲线。依据光谱与实际颜色的转换矩阵[8]推算可得, 该物体在肉眼观察下漫反射部分大致应为绿色, 镜面反射颜色则与光源本身的颜色一致, 与实际情况相符。

至此最终整理得:

不考虑光谱特性时, Kd (λ) 取0.086。

3 实验结果分析

已知PR-715为公认的标准仪器, 将不再对通过PR-715测得的Kd与Ks进行验证。数据验证主要集中于f (θi, θr, φi, φr) 数值准确性的验证。多次测量值与实验所得理论BRDF数据相比较, 整理结果如表3所示:

由表3可得, 随着α的增大, 模型预测数值与实际测量数值之间的误差逐渐增大, 这是由于实验精度不足, 未能准确把握Phong模型参数n, 镜面反射重建不理想导致。漫反射部分基本与Phong模型本身预测的数值相同。

由结果得, 实验方法在物体漫反射部分的建模是成功的。此外, 若能得到新的解决办法进一步提高实验精度 (主要是提高仪器、光源摆放角度的精度) , 即设计一套专用的采集系统, 以获得精准数据, 实现被测物体镜面反射部分的精确建模也是可行的。

5 结论

在实验精度足够的情况下, 利用PR-715辐射分光光度计, 自行搭建实验环境测量数据, 建立PVC材料的BRDF模型 (基于Phong模型) 是可行的。

参考文献

[1]Nicodemus, Fred.Directional reflectance and emissivity of an opaque surface[J].Applied Optics, 1965, 4 (7) :767-775.

[2]杨卫平.跨媒体颜色复制技术简化研究[D].北京理工大学, 2005:12.

[3]李遂贤, 廖宁放, 孙雨南.传世艺术画作的多光谱图像数字典藏技术[J].计算机应用与软件, 2007, 24 (12) :10-11.

[4]Phong BT.Illumination for computer generated pictures[J].Communications of the ACM, 1975, 18 (6) :311-316.

[5]张华.基于OpenGL的Phong明暗处理软件实现[J].计算机工程与设计, 2009, 30 (4) :1003.

[6]高郭鹏, 熊望娥, 等.R-C系统消杂散光设计与效果评估[J].光学仪器, 2009, 31 (5) :36-42.

[7]Francis S Hill, 等.计算机图形学 (OpenGL版) [M].北京:清华大学出版社, 2009:349.

PR模型论文 篇3

In recent years, the requirements of fresh products are increasing. So the inventory management of fresh products is more important. Meanwhile some scholars launched studies on the inventory and sales of fresh products. The preliminary research results are as follows: Wee[1]construct an inventory model under some conditions that product’s life is subjected to double parameter weibull distribution. Wee and yu[2]found out how quantity discount affected the inventory strategies of retailers. Monahan[3]studied quantity discount problem from the perspective of suppliers.Tersine[4]studied the temporary price discount and presented OTOS (one time only sale) , then Tersine[5]also proposed a generalized EOQ model which was given temporary price discounts;

Currently in the study of inventory model on price discount decision, the demand rate is mostly assumed to be price-related functions without considering the effects of freshness on demand. Therefore, this paper introduces the concept of freshness to portray the freshness of products and to research the impact of freshness inventory and sales strategies.

1 Problem description

The joint decision problem of fresh products on order and sale inventory and promotion can be viewed as a single -cycle inventory problem. Businesses arrange promotions (e.g., price, etc.) at an appropriate time so that they can make the maximum profit after selling out at the end of cycle.

2 Model assumption and symbolic meaning

(1) We only consider one sales cycle (T) .

(2) Inventory is zero when the cycle of sale is finished.

(3) Fresh products have refreshing time tf (0<tf<T) . when t∈[0, tf], the deteriorating rate is zero.

(4) The price of products is influenced by freshness; construct fresh degree function F (t) =f1, here 0 <f <1, when it starts to sell (t =0) , the freshness (F (t) ) is equivalent to 1.

(5) Products go bad at a freshness rate of θ (0<θ<1) after refreshing time, but deteriorating products have no value.

(6) Demand rate of fresh products is influenced by their price and freshness, so the demand rate of fresh products is assumed as D (t) = (abp) ft.

(7) In order to maximize profit, businesses carry out promotional activities in a period of time (t1 (0≤t1≤T) ) .

(8) The objective function of this paper is the maximum profit which businesses can make in a sales cycle, the decision variables are organized as follows: duration of promotion t1 (0≤t1≤T) , the coefficient of discount rate β (0≤β≤1) and the initial purchase quantity.

(9) (It) :The inventory level of fresh products at the time of.

(10) HR:The sales revenue in a sales cycle.

(11) HY: The inventory cost in a sales cycle.

(12) h: The inventory cost of per unit product in a cycle.

(13) HC:The variable costs that businesses cost in a sales cycle.

(14) p0:The purchasing price of per unit product.

(15) p:The selling price of per unit product.

(16) E:The gross profit which businesses obtain in a sale cycle.

(17) A:The fixed cost that businesses order once.

(18) C:The fixed cost that businesses promote once.

3 modeling

From the assumption, it can be seen that the function of demand rate is D1 (t) = (a-bp) f1when 0≤t≤t1. Businesses start to carry out promotional activities from the moment of t1and the coefficient of discount rate is β, so the function of demand rate is D2 (t) = (a-bpβ) f1when t1≤t≤T. Fresh products will not go bad during quality guarantee period. Based on the actual situation, businesses generally carry out promotion after quality guarantee period (tf) , so t1ranges from tfto T. The inventory function in this paper is a piecewise function and the change law of inventory is defined as follows;

According to boundary conditions of inventory function, we can get:I3 (T) =0, I3 (t1) =I2 (t1) , I2 (tf) =I1 (tf) .

We can get the expressions of I1 (t) , I2 (t) and I3 (t) as follows:

Where

The initial order amount is

The sales revenue that businesses can get is

The inventory cost is

The variable costs is

E=HR-HY-A-C.

The decision problem can be expressed as

4 solution of the model

By making, we can get the conditions that optimal solution should satisfy.

This is a nonlinear system of equations which is difficult to get analytical solution, so we obtain approximate solution by iterative method.

By definingwe can get

The original value of t1is given to t10, then we can obtain β0and E0;To make t11=t10+ε (ε is a sufficiently small) , it can obtain β1and E1. We do not stop doing iteration until t1or β is not in the domain of definition.Comparing the results (t1, β, E) , we can find out the optimal solution.

5 numerical simulation and analysis

Study the effect of parameters (θ, tf, f) on the decision

Case 1: study the influence of deterioration rate on decisions, therefore, in a given model parameter values are as follows:

a=120, b=10, T=10, tf=8, p=4, p0=2, h=0.05, f=0.95, A=20, C=10。

Experimental results are showed in the following form:

The results show that the smaller the deterioration rate is, the more late promotion began to and the smaller discounts will be. This is in line with the actual situation.

6 Conclusions

In this paper, the joint strategy of the single cycle fresh product about inventory and promotion is considered, and the order promotion joint decision model is established. The shortcomings of this paper are that it only considers the demand whose ty is certain, without considering the demand which is uncertain and random. The next step of research is to take these factors into consideration and study the stochastic inventory sales problems.

参考文献

[1]Wee H M.Deteriorating inventory model quality discount, pricing and partial backordering[J].International Journal of Production Economics, 1999, 59:511-518.

[2]Wee H M.Yu J.A deteriorating inventory model with a temporary price discount[J].International Journal of Production Economics, 1997, 53:81-87.

[3]Monahan P.A quality pricing model to increase vendor profits[J].Management Science, 1984, 30 (6) :1398-1400.

[4]Tersine R J, and Grasso E T.Forward Buying in Response to Announced Price increase[J].Journal of Purchasing and Materials Management, 1978, 14 (2) :20-22.

[5]Tersine Richard, Barman Samir.Economic Purchasing Strategies for Temporary Price Discount[J].European Journal of Operational Research.

浅析PR抠像合成 篇4

1 通常情况下的抠像

通常情况下的抠像, 拍摄的素材较好, 如背景色较干净、单纯、均匀。抠像时先将背景素材调入轨道video1 (图1) , 再将打算抠像的素材拖到轨道video2 (图2) 。选择抠像素材, 如图3所示, 选择Effects面板->Keying->颜色键 (color key) 命令。

进入Effect controls面板, 点击颜色键 (color key) , 并在颜色样本窗里选取要抠去的背景色绿色 (默认是蓝色) , 适当地调整3个参数如图4 (Color tolerance、Edge thin、Edge feather) 即可一次抠去背景色, 显露出打算合成的背景图像。

其中Color tolerance是指颜色的容差, 调整参数可以消融背景;Edge thin缩边, 是指轮廓边缘的收缩, 调整参数可以向内或向外收缩;Edge feather是指边缘的羽化, 可以修饰轮廓的虚化效果。

除了这个常用的color key颜色键以外, Keying下面其它几个常用键, 都是比较好用的, 比如特别针对蓝屏的抠键Blue screen key, 调整cuioff参数;选取色度键 (Chroma) , 并在颜色样本窗里选取要抠去的背景色, 适当地调整4个参数 (Similarity、Blend、Threshold、Cutoff) 即可一次抠去背景色, 显露出打算合成的背景图像。

2 在背景不干净的情况下抠像

由于种种原因, 有些素材在拍摄时留下一些遗憾, 如背景颜色不是纯色, 光线不匀, 人物与背景太近而留下较宽较重的阴影, 这在后期抠像时出现一些麻烦, 但只要仔细地选取色键颜色, 反复比较, 并用放大视频, 仔细观察, 一般也能抠干净。目前很多素材在摄影棚进行拍摄, 头顶难免会有吊灯设备悬置在头顶, 这种情况常常是很难避免, 在抠像处理时可以采取以下方法解决:

如图5所示, 抠像素材为蓝屏背景, 头顶有吊顶, 蓝色背景不纯净, 这样的抠像素材, 首先考虑去除吊顶障碍。进入Effect controls面板, 点击4点可调控蒙板键 (Four-point Garbage Matte) , 调整4个句柄点, 类似于钢笔工具遮罩, 把吊顶隐藏掉。

背景颜色并不是纯色, 运用了color key、Chroma键像时, 效果并不是太好。在这里使用一个新命令, 就是Ultra key (超级键控) 在设置透明时, 在颜色样本窗里选取要抠去的背景色, 调整参数如图7及抠像效果图8。

PR应用的操作技巧探讨 篇5

1 Premiere中的虚拟剪辑的操作技巧

1.1 虚拟剪辑的编辑技巧可以分为以下几个方面

首先是对虚拟剪辑编辑的方面,它和其他的剪辑操作上都是相同的,可以这样操作:先要去改动运动及透明的设置,以及要检查滤镜上的应用操作是否出现错误,在对滤镜进行特殊效果与虚拟剪辑的时候,要根据虚拟剪辑构成的图像来进行设置,不能受到其他操作的影响,还要注意在编辑电影剪辑的操作时,一定要认真查找在虚拟剪辑上的源区域,这可以通过以下的三种方法来快速的找到,第一种是在Time Line (时间轴)窗口菜单栏中选择虚拟剪辑,然后执行剪辑或者是打开主剪辑的命令操作;第二是用鼠标的右键单击然后再进行虚拟剪辑的编辑,也可以在弹出的菜单栏当中选择定位剪辑的操作命令;第三种是双击Time Line (时间轴)窗口中的虚拟剪辑。

1.2 还有这几个方面需要注意

(1)对源剪辑进行删除后,就不能够再使用虚拟剪辑操作,而要及时锁定源剪辑所在位置。

(2)在进行源剪辑的时候,一定要令虚拟剪辑在最后工作的位置,不能够在源剪辑的前面。

(3)时间轴的窗口要移动已经选择的通道时,要有效的保护好虚拟剪辑,并且要和其他的虚拟剪辑通道移动,这种方法叫做保险层方法。

(4)在默认的情况下,当虚拟剪辑存在于一个通道中时,要对虚拟剪辑做到有效保护与使用,也要保证虚拟剪辑在进行操作的时候是正确的,这将会完全改变通道工具的工作方法,还有,在通道当中存在虚拟剪辑的时候,一定要将所有选择生成的虚拟剪辑原来的材料进行有效保护。

1.3 对虚拟剪辑编译的操作

已经完成的虚拟剪辑不用去进行再次的更新操作,而是直接将其做成独立的虚拟剪辑,虚拟剪辑的编译方法及技巧有以下几点需要注意:要在Time Line窗口中选定虚拟剪辑编辑,然后使用Export菜单选项,在出现的Export Movie对话框菜单里,将文件名输入进去,还要对设置的选项进行再次编辑,最后得出参数,也要把握好压缩的方法,还有输出的范围,输出范围共分为两种:一是出、入点之间的输出,二是整段剪辑的输出,要根据情况对这种范围进行适当的选取。

2 Premiere中视频运动功能制作运动字幕的操作技巧

在Premiere中视频运动功能制作运动字幕的时候,会经常有字幕效果不明显的情况出现,这就要对其有一定的操作技巧,利用Premiere中视频运动功能,可以制作运动字幕,如运动字幕的扭曲及旋转效果,这些都是能够很快就做出来的,如果要将视频的片段和运动字幕叠加的特殊效果,还要将其应用到视频的片段里,这时就要将视频的片段和运动字幕的文件相互调和,再去调整视频的镜头,使得视频镜头的各种细节问题都解决好,再用鼠标单击右键,还有,要合理设置运动字幕的原点坐标,设置完好后,运动字幕则会在视频的中心画面上出现,同时,要对运动字幕的进行效果的处理,在窗口菜单中选择起始点,再进行参数的设置,将这些操作都执行完以后,就会出现运动字幕与视频的画面相结合,运动字幕还会出现旋转的效果,如果对运动字幕再进行缩放的处理,那会更加显示这种旋转效果,其步骤是选择运动字幕的窗口,并将缩放值合理设置,然后再进行最终效果的确定,最后将它们调和成一个画面里,这样就能够有效的运用Premiere中视频运动的功能。

3 Premiere中电影剪辑的操作技巧

在Premiere电影剪辑当中,经常会出现片子过硬的情况,这就需要在Premiere电影剪辑当中掌握更多的操作技巧,Premiere电影剪辑中,画面剪辑其实没有太多的限制,可以自由发挥,但要注意在操作上的方法,如果电影的画面动作是接连的,那电影的画面就不能是死的,而一定要有推拉、升降中的任意一个,若出现固定画面,要到PM或是AE等软件中推拉,这样能够减轻画面的过硬程度。

4 总结

本文通过对PR应用的操作技巧进行分析之后了解到,Premiere软件可被广泛应用到电视节目的视频剪辑中,但在应用过程中需要掌握一定的操作技巧,只有充分掌握其操作技巧才能够使Premiere软件得到更好的发展,也才能在更多的领域中得到应用。

摘要：PR是一种常用的视频编辑软件,也是一款编辑画面画质量比较好的软件,其具有良好的兼容性,能够与其他的软件相互协调,现在其被广泛的应用在电视节目的制作与广告制作当中,因此,PR在应用操作上就需要有一定的技巧,本文对PR应用的操作技巧进行了简要分析,并提出了以下的建议。

关键词：Premiere软件,应用,操作技巧,分析

参考文献

[1]韩振雷.PremierePro中的几个重要技巧[J].电视字幕(特技与动画),2007(06):46-47.

[2]郭广献,郝阳,田学森.基于premierepro的高清视频编辑技巧[J].科技致富向导,2011(26):96+169.

[3]高海静,赵革委.基于PremiereProCS5的视频教学片制作技巧[J].电子世界,2 01 2,24:11 3.

施耐德:走进PR2.0 篇6

《国际公关》:什么是PR2.0, 这个概念与网络公关有什么关联?

施耐德:有人以为, PR2.0就是网络公关, 这样理解太狭隘了。从形式上看, PR2.0的确离不开网络, 但从本质上看, 网络只是PR2.0的一个整合传播的平台, 它把所有能够利用的传播方式统统整合到这个平台上, 结合线上不同群体活动和线下不同群体活动的传播, 强调双向推动, 注重建立关系。简单地说, PR2.0可以叫做“整合的策略性关系管理”。

过去, 人们谈及传播方式, 都会细分成广告、公关、赞助活动等不同方式。而今天, 这些传播方式之间的界限已被打破, 传播方式之间根据不同需求结合成各种组合。这种情况有点像我们走进图书馆, 把书架上分类摆放的书都拿下来混在一起, 而客户就要求我们从这么多书当中分拣信息, 把我们希望讲给消费者的故事整合编汇在一起, 通过传播方式的最佳组合进行传播。比如我们去年为客户棒约翰 (Papa Johns) 做过一个典型的案例。美国每年都有“超级杯”橄榄球赛, 备受全国人民瞩目, 我们利用网上互动媒体, 在每天预报赛事的时候插播一条带互动的球赛视频, 球赛中的橄榄球做成一个比萨饼, 网民可用在线游戏的方式参与比赛, 获胜队将获得比萨优惠卷。这个活动吸引了无数美国人参与, 对棒约翰的品牌推广和促销效果有目共睹。

《国际公关》:和传统公关相比, PR2.0有哪些特点?

施耐德:首先, PR2.0不再是单项传播, 而是多点的双向传播。传统公关的沟通方式是我在你背后贴个标签, 说你是我的目标对象, 我尽量把信息传播给你。PR2.0的沟通方式是在我自己背后贴个标签, 让你在众多不同的人群中来发现我。

第二, PR2.0并不注重买卖交易本身, 而是注重建立关系。在互联网时代, 我们再也不能像以前那样相信传播就是把一个信息传给一个人, 你必须注重个人信誉, 因为一旦被发现你在互联网上传播不真实的信息, 就会遭到所有人的漠视, 不再理你。

第三, PR2.0的做法是在不可控的环境里有效地管理和传播信息。在广告人的世界里, 他们总是想尽办法控制信息;在公关人的世界里, 我们不是控制信息, 而是给目标受众一点自由空间, 这样才能换回可信度。当然, 这要求你对互联网技术有一定的熟悉程度和驾驭能力。

《国际公关》:就目前市场环境而言, PR2.0面临哪些机遇和挑战?

施耐德:机遇是不言而喻的, 可以从一些数据上得到证实。今年一次传播行业调查显示, 广告行业增长不过是1%-2%, 而公关行业增长达到6%-8%。很多知名品牌如NIKE, 非常明确地把40%广告费转移到PR2.0和其他非广告传播上, 而我们公司的PR2.0业务在短短的几年之内就从0增长到40%。这一切都因为人们越来越清楚地意识到PR2.0的优势, 它是无所不包的传播方式, 传播很精准、效果很直接。

机遇总是和挑战并存。第一, 正因为PR2.0的优势, 客户对我们的期待和期望更高;第二, 在信息透明度要求非常高, 传播速度非常快的传播环境下, 我们必须时刻洞察纷杂的信息的“风向”;第三, 高层沟通的工作增加了很多。以前卖一个P R项目, 找客户的PR经理就可以, 但现在需要说服CMO、CCO、品牌经理、法律顾问, 甚至CEO;第四, 中国市场对PR2.0的了解程度不高, 我们需要做大量的教育工作。其实即便是在美国, 每个客户接受PR2.0的程度也都不一样。我们要不断地培养人才, 积累更多的成功案例, 因为客户需要知道你不是拿他做实验。

《国际公关》:福莱在PR2.0的团队建设方面有何心得?