湖南大学智能科学与技术本科专业实验室建设

根据湖南大学本科教育和人才培养的特点,在分析其他院校实验室建设经验的基础上,介绍了湖南大学"智能科学与技术"本科专业实验室建设实践的思路和方案,描述了教师队伍培养和实验教学方式改进办法,分别就数字化管理和虚拟化运行提出了具体实施方法,以期通过总结和探讨使湖南大学"智能科学与技术"本科专业实验室的建设更上一个台阶,为本专业的人才培养作出积极贡献。

湖南大学“智能科学与技术”本科专业建设探讨

"智能科学与技术"是近年发展起来的新兴学科,广泛涉及到机械、电子、人工智能等多方面技术。"智能科学与技术"本科专业建设对其自身发展、培养该方面高技术人才起着重要作用。本文从专业建设和目标、培养模式、教学方案、课程设置、教学改革与实践等方面进行探讨,探索适应于社会发展需要的"智能科学与技术"专业的人才培养模式。

软件工程创新性人才培养的实践教学探索——以湖南大学为例

软件工程创新性人才培养的实践教学改革,主要从完善实践教学体系、锻炼学生动手能力和搭建创新平台、培养学生自主创新能力等方面着手,取得了显著的效果。

湖南大学软件学院微软精品课程建设纪实

项目背景：2005年微软亚洲研究院和教育部高教司共同发起了“教育部微软精品课程”计划，成为教育部和企业在精品课程建设领域的第一个合作项目。该项目以推进优质教学资源的共享为目标，支持计算机类相关课程的课件资源、课程网站的建设，鼓励同类课程任课教师的沟通与交流。从“教育部微软精品课程”立项开始至今，该计划已支持近30余所高校的63门课程。其中操作系统、嵌入式系统、C语言程序设计、编译原理以及计算机系统结构5门课程成为国家精品课程。出版教材近20余本，同济大学张晨曦老师的《Windows CE嵌入式系统》是国内第一本基于Windows CE的嵌入式系统教材。在《计算机教育》、《高校计算机教学与研究》等期刊上发表十余篇教学论文。微软亚洲研究院将持续通过该项目支持精品教学资源共享、教学理念的创新。

湖南大学信息安全专业本科培养计划修订调查分析及改进思路

基于面向湖南大学信息安全专业本科培养计划的调研情况,从国内外高校、校外专家、本系授课教师和本系学生4个方向进行分析。针对发现的问题,基于已有的大量校企合作经验和成果,以校企联合培养为特色来改进现有的信息安全专业本科培养计划。

高校数字化转型实践模型研究及应用--以湖南大学网络安全工作为例

随着信息技术快速发展,数字经济迅猛崛起,数字化转型已经成为众多国家和地区的战略布局。同时,数字化转型概念众多,定义不清,使得数字化转型变得愈发艰难,成功率较低。基于对数字化转型概念的研究,提出一种数字化转型实践模型,帮助建设者推进该项工作。该模型指出数字化转型要以组织目标为转型目标,做到技术服务于组织战略;认为数字化转型的内容要素是构成组织的人、物、事等,做到技术实现与业务的统一。该模型将数字化转型规划为两阶段推进路线:第一阶段为数字化阶段,包括要素数字化、流程数字化,该阶段核心价值为实现数字孪生,基于现有组织架构提升工作效益;第二阶段为能力转型阶段,即按照数字化思维优化组织架构、重构业务流程,该阶段的核心价值在于实现数字原生,实现能力创新突破。该模型定义了六级成熟度,用于在数字化转型过程中,评估相关工作的推进效果。通过该模型指导湖南大学网络安全工作的数字化转型,较好地指导工作过程、评估建设成效,验证了该模型的合理性。

基于数据挖掘的国内大学生就业信息双向推荐系统

针对目前国内无法及时、准确地获取高质量的就业招聘信息,企业无法便捷获取符合岗位需求的人才信息等问题,提出一种基于数据挖掘的大学生就业信息双向推荐系统方案,实现毕业生信息与企业招聘信息双向推荐的目的.该系统通过分析某城市若干高校历年毕业生就业管理工作中积累的大量就业数据信息,分别对毕业生信息和企业招聘信息进行聚类分析,同时对各毕业生与其成功就职的企业和岗位信息进行关联分析.根据聚类规则对当前求职的毕业生和招聘企业分别进行分类,向各毕业生自动推荐其同类学生所关联的企业及岗位信息,同时向各企业自动推荐符合其岗位需求的毕业生信息.实验证明,该系统能够有效利用高校之间的就业信息资源共享机制,对各个高校的毕业生及企业岗位招聘信息进行准确聚类,实现毕业生和企业之间的双向推荐.

一种基于特征的二维工程图信息隐藏算法

针对数字工程图的版权保护问题,基于二维工程图的特征提出了一种信息隐藏算法。该算法先获得工程图中的有序线段集并进行乱序处理,然后将待嵌入的信息转化为伪随机序列,并以此为依据并结合人体视觉系统特征对乱序线段集中线段的线型按序进行修改,从而实现信息的隐藏。试验结果表明,该信息隐藏算法对旋转、平移以及均匀缩放等攻击具有较好的鲁棒性。

流程行业CIMS工程信息集成方法研究

从某厂ＣＩＭＳ工程实际出发，分析了流程行业信息集成的特点，制定了总体设计思路和实施方案；在给出该厂ＣＩＭＳ的体系框架和支撑结构环境下。

基于HVS与实体调色板的二维工程图信息隐藏算法

基于HVS与实体调色板的特性,提出一种二维工程图的信息隐藏算法。该算法先获得工程图中的有序实体集,然后根据所产生的二值化混沌序列,选择其中部分实体,结合HVS和隐秘信息依次对选中实体的颜色进行微小修改,从而实现信息的隐藏。仿真结果表明,该信息隐藏算法对旋转、平移与均匀缩放等攻击具有较好的鲁棒性。

面向信息安全的二维CAD工程图复杂度研究

针对二维CAD工程图的特点,研究了二维CAD工程图复杂度的度量方法。提出了实体复杂度、约束复杂度以及特征复杂度的定义,并分别给出了3种复杂度的计算方法。分析与讨论表明,上述3种复杂度能有效地对二维CAD工程图的复杂度进行度量。最后对二维CAD工程图复杂度在工程图内容加密以及数字水印中的应用进行了探讨。

基于混沌分组的二维工程图信息隐藏算法

基于混沌分组的思想,提出一种二维工程图的信息隐藏算法.该算法先获得工程图中的实体集,对实体的句柄进行处理后得到混沌系统的初值和迭代次数,根据迭代后得到的值进行分组,对同一分组的实体重复嵌入相同隐秘信息,从而实现信息的冗余隐藏.试验结果表明,该信息隐藏算法对图形修改攻击、旋转、平移以及均匀缩放等攻击具有较好的鲁棒性.

一种利用HVS与标注特征的2维工程图信息隐藏算法

针对2维工程图的版权保护问题,基于HVS与标注特征,提出了一种2维工程图的信息隐藏算法。该算法先获得工程图中的标注实体集,然后根据Logistic混沌系统所产生的二值化混沌序列对待隐藏信息进行加密,结合HVS和加密后信息对标注实体的颜色与线宽特征进行微小修改,从而实现信息的隐藏。仿真结果表明,该信息隐藏算法对旋转、平移、均匀缩放、非均匀缩放、噪声等攻击具有较好的鲁棒性。

面向信息隐藏的二维工程图相似度方法

基于粗糙集理论,对面向信息隐藏的二维工程图相似度度量方法进行了研究.该方法首先将二维工程图实体属性分为三种类型:数值型、枚举型和依赖型,分别计算出各属性的局部相似度,再利用粗糙集理论计算各个属性在二维工程图中的比重权值,最后得到整体相似度的度量方法.分析与讨论的结果表明,该方法能较好地度量二维工程图在嵌入水印前后的相似度,可用于评测信息隐藏算法的性能.

浅议信息化环境下的大学研究性学习——以大学计算机课程为例

本文分析了以教师为主的传统课堂教学方式在目前教学中所面临的一些困境以及研究性学习在目前教学中遇到的问题,提出了一种如何将研究性学习和课堂教学整合起来的新模式,并对这种模式各个环节的实现做了具体的阐述,通过对结果的分析,指出了采用研究性学习教学方式的优点以及在实施过程中应注意的问题。

基于工程图三维重建中的预处理与信息提取技术研究

提出了基于边界表示B-rep方法的工程图三维重建中对于二维工程图纸进行预处理和信息提取的一系列实用算法,涉及到工程图读入、实体过滤、视图分离、视图坐标规格化以及视图数据处理等流程。不但可以快速准确地获得二维工程视图中完备的几何信息和拓扑信息,而且处理对象并不局限于标准的工程三视图,对于工程一视图、二视图同样可以处理。这些算法已经应用于一个CAD原型系统并取得了较好的效果,为后续的三维重建工作提供了良好的基础。

公安信息“百城联网”工程研究

本文分析了公安系统内户籍管理百城联网所需的要求和条件，介绍了实 现百城联网的一些方法和相关技术。

培养解决复杂工程问题能力的信息论与编码课程教学探索

在分析复杂工程问题内涵与属性的基础上,以信息论与编码课程教学为例,解析课程特点与知识体系,提出结合小班讨论课的形式,紧扣发现、分析和解决复杂工程问题能力的培养开展课堂讨论教学,介绍实践过程,说明教学效果。

基于JPEG图像的模块化可逆信息隐藏方法

当前的可逆信息隐藏方法为了寻求更好的嵌入性能,通常会基于给定的图像内容对修改模式和嵌入参数作出自适应的调整。然而,通过细化自适应程度或扩大解空间来寻找更优解时,会造成计算复杂度高、时间成本难以承受等问题。为此,提出了一种适用于JPEG图像的模块化可逆嵌入方法来提高自适应寻优的效率。通过比较不同情况下最优解的嵌入性能,对原有的解空间进行优化、筛选,从而生成一个适用于不同图像的通用修改模式集合。每一个修改模式被定义为在多直方图修改框架下的最优嵌入点集合。在嵌入时,为给定的图像内容自适应地从预设的解集中选定合适的修改模式。实验在USC-SIPI数据集上与五个具有代表性的方法进行了比较。相比于同类算法,所提算法可将峰值信噪比提升0.03~1.81 dB。对于文件大小扩展,所提算法的性能结果可比两个经典方法分别减少12.4%和5.1%。实验结果表明,相比于主流经典方法,该方法在含密图像质量和文件大小扩展方面有更好的性能表现,并能以较低的计算复杂度取得与最近的高效方法相近的自适应嵌入效果。

基于CNN计算局部复杂度的可逆信息隐藏算法

在可逆信息隐藏领域,选择较小的预测误差有助于减少信息嵌入过程引起的失真.现有选择方法主要计算预测误差的局部复杂度,将信息嵌入到局部复杂度小的预测误差中.这些局部复杂度计算方法只使用部分相邻像素计算局部复杂度,且计算方法与预测部分使用的预测器无关,因此其选择性能有待提高.本文提出了一种基于CNN的局部复杂度计算方法LCCN,该方法与预测部分的预测器相关,可以使用更多的相邻像素计算局部复杂度,提高局部复杂度与预测误差的相似性.与现有的局部复杂度计算方法相比,所提LCCN利用了CNN的多感受野特性和深度学习的全局优化能力,能使用更多相邻像素计算局部复杂度,从而选择更多数值较小的预测误差,提高嵌入算法性能.此外,我们还提出了一种适用于LCCN的两阶段RDH方案,该方案可以将LCCN应用于多种嵌入方法.实验结果表明,与现有的几种局部复杂度计算方法相比,本文所提方法在标准测试图像和Kodak数据集上嵌入性能更好,在基于LPVO的嵌入技术中,本文所提LCCN模型嵌入10000bits后图像Lena的PSNR为62.09dB,分别高于LV、FV、EE和LAE算法1.05dB、1.02dB、0.78dB和0.90dB.与现有的先进RDH算法比较,本文所提LCCN模型在不同图像上均取得较好效果.