面向计算机系统能力培养的操作系统课程教学改革

从分析培养计算机系统能力的必要性入手,针对目前操作系统课程教学过程中的不足,提出面向计算机系统能力培养的操作系统课程改革建设方案,从课程目标、课程群建设、实践体系、前沿引入和评价体系几方面,阐述操作系统课程改革实施过程,最后说明教学改革效果。

虚拟仿真技术引导汽车构造拆装实验系统开发

针对传统的汽车拆装训练在时间和空间上的学习限制,设计并开发了汽车构造拆装训练及展示系统,该系统包括基于虚拟现实的汽车构造拆装实验和基于增强现实的汽车构造拆装展示,通过丰富多样的学习方式,加强学生对汽车内部结构的认识和了解。汽车构造拆装训练及展示采用3Ds MAX制作了零部件拆装动画,以汽车的发动机、车轮、悬挂系统、制动系统、转向系统五大零部件为学习对象,基于Unity 3D软件、Holo Lens1代设计开发,实现了汽车部件拆装的理论学习、拆装逻辑实操、考核一体化的虚拟拆装训练与展示系统。该系统的全新体验方式激发了学生的学习兴趣、规范学生拆装过程中的操作步骤,进一步强化和巩固理论教学知识学习,并有效降低了教学成本和时间成本。

室内机器人动态SLAM技术

随着计算机视觉、深度学习的发展,基于视觉的静态SLAM研究不断改进,然而大多数SLAM算法存在静态假定不成立和累计漂移。针对上述问题,设计动态BN-SLAM算法,利用深度图像的几何信息对原始掩模进行修正,修正掩膜用于移除运动物体及其影响。设计加权RANSAC方法,求解摄像机局部位姿。在TUM数据集上的实验结果表明,BN-SLAM的ATE、平移RPE和旋转RPE的平均RMSE值分别为95.46%、92.45%和90.88%,平均S.D.值分别为94.88%、94.76%和92.80%,跟踪轨迹点结果的平均率为98.80%。在真实环境的实验结果表明,BN-SLAM能够剔除运动的人造成的地图污染。

大语言模型辅助大学物理教学实践

为了进一步响应工科高校复合型人才培养的新需求,针对现阶段大学物理教学过程中存在的问题,研究大语言模型在现代大学物理教育中的应用潜力。通过介绍大语言模型辅助大学物理教学的必要性与优势,从多个角度详细阐述大语言模型如何辅助大学物理教学实施,提出大语言模型辅助大学物理教学的实施方案,为培养新时代人才提供有力保障。

结合通道剪枝和通道注意力的轻量型车辆点云补全网络

针对现有的点云补全网络多关注于补全的精度而忽视补全效率问题,提出了一种轻量型点云补全网络来准确、高效地修复自动驾驶中的不完整车辆点云。为了提高网络推理效率,采用一种高效的一次性通道剪枝技术提高网络的补全效率;在特征提取阶段,网络加入通道注意力模块,将加权特征与全局特征拼接,通过两层多维特征信息提取,得到最终的特征向量;将特征向量传入双解码器结构中,分别通过全连接层和多层感知机生成稠密的粗糙点云和输入点云偏差值;将粗糙点云与输入点云偏差值相加得到最终的精细化完整点云。在PCN数据集和KITTI数据集上进行实验,实验结果表明在补全缺失车辆信息的实时性上有着显著的提升,并且在补全精度上也有不错的表现。

多障碍环境下巡检机器人路径规划优化研究

针对大规模、密集的障碍物分布,高效地搜索最佳路径是一个挑战,为规划出更短的巡检路线,并实现多障碍环境下的灵活避障,文中提出一种多障碍环境下巡检机器人路径规划优化方法。使用二维矩阵构建巡检环境模型,应用D*算法在巡检环境模型中进行巡检机器人路径规划,并将传统D*算法中的扩展步长方式改变为自适应扩展步长,使机器人在面积较大的巡检场地能够更快地完成巡检;将代价函数由欧氏距离替换为切比雪夫诺距离和曼哈顿距离融合的代价函数,并引入了平滑度函数优化线路规划结果,使规划的路径更为平滑,在遇到由于多种原因产生的新障碍物时可以重新规划路径。通过实验结果可知,无论是静态地图还是动态地图,该方法均可以快速准确地规划出一条最佳路线,并且在多种环境中应用该方法能够高效获取路径规划结果。

融合人群移动轨迹和时空-类别的下一个兴趣点推荐

下一个兴趣点推荐(next POI recommendation)作为基于位置社交网络的主要应用之一,为用户和服务提供商带来了显著的实用价值。现有的POI推荐模型主要依赖于目标用户的历史签到数据进行推荐,没有充分利用其他用户移动轨迹数据的潜在价值,也未有效提取和融合时空-类别信息的特征。为了解决上述问题,提出了一种融合人群移动轨迹和时空-类别的下一个兴趣点推荐模型(GGCN-STC)。依据用户的移动轨迹构建区域轨迹图,提出了门控图卷积神经网络对共同移动轨迹进行建模;将签到序列中的时空-类别信息进行多维度的特征融合;利用自注意力机制捕获用户偏好,为用户提供更准确的POI推荐。在两个真实数据集上进行实验比较与分析,结果表明该模型优于其他模型。

AWTV和高斯注意力引导的LDCT图像去噪网络

低剂量CT(low-dose CT,LDCT)图像的去噪任务是一个高度复杂且不确定的逆问题。现有的基于CNN的方法虽然有效,但提升空间有限且计算成本高。相比之下,将图像先验知识与模型相结合来辅助图像去噪是一种更有效的方法。提出了一种名为AWTV_GANet的LDCT图像去噪框架。该框架利用自适应加权总变分(adaptive weighted total variation,AWTV)展开和高斯注意力引导的方法,通过端到端的CNN模型,将噪声优化模型、边缘检测模型和图像重建模型集成在一起。实验证明,AWTV_GANet能够准确地去除伪影噪声,并恢复出更精细的结构细节,与其他方法相比具有优异的性能。

基于信息补偿的红外弱小目标检测方法

针对红外弱小目标容易在网络迭代过程中损失纹理细节信息,从而导致目标定位和轮廓分割的准确性下降的问题,提出一种基于信息补偿的红外弱小目标检测方法。首先,利用图像特征提取(IFE)模块编码红外源图像的浅层细节及深层语义特征;其次,构建多级信息补偿(MIC)模块通过聚合相邻级别的特征对编码阶段下采样后的特征进行信息补偿;随后,引入全局目标响应(GTR)模块联合特征图的全局上下文信息对卷积局部性的限制进行补偿;最后,构建非对称交叉融合(ACF)模块对浅层和深层特征进行融合,以实现目标解码时纹理信息与位置信息的保留,进而完成对红外弱小目标的检测。在公开的NUAA-SIRST(Nanjing University of Aeronautics and Astronautics-Singleframe InfraRed Small Target)和NUDT-SIRST(National University of Defense Technology-Single-frame InfraRed Small Target)混合数据集上训练和测试的实验结果表明,与UIUNet(U-Net in U-Net Network)、LSPM(Local Similarity Pyramid Modules)和DNANet(Dense Nested Attention Network)等方法相比,所提方法在交并比(IoU)上分别提高了9.2、8.9和5.5个百分点,在F1分数(F1-Score)上分别提高了6.0、5.4和3.1个百分点。以上表明所提方法对红外复杂背景图像中的弱小目标可以实现准确检测和有效分割。

基于跨结构特征选择和图循环自适应学习的多视图聚类

现有的大多数图自适应学习方法依赖于高维原始数据,且数据中不可避免地会出现噪声或信息缺失等现象,导致无法精准地选择出高维数据中的重要特征信息。此外,还忽视了在特征选择过程中多视图表示结构上的关联性。针对以上问题,提出了一种基于跨结构特征选择和图循环自适应学习的多视图聚类方法(MLFS-GCA)。首先,设计了一个跨结构特征选择框架。通过联合学习多视图表示的空间结构特点和聚类结构的一致性,将高维数据投影到低维线性子空间中,并在视图特定的基矩阵和一致性聚类结构的辅助下学习低维特征表示。其次,提出图循环自适应学习模块。通过k最邻近法(k-NN)选取投影空间中k个最近邻点,并协同矩阵低秩学习来循环地优化相似结构。最后,学习得到用于聚类任务的共享稀疏相似矩阵。通过在各种真实的多视图数据集上进行大量实验,验证了在多视图聚类中图循环自适应学习的优越性。

面向创新能力培养的数字图像处理教学改革

数字图像处理课程具有理论难度大、实践性强、碎片化程度高、考核不充分的特点。为适应新工科建设要求,深化培养学生的创新能力,该文设计了理论与实践一体化教学改革方案,重构了教学内容,构建了理论融入式探索性作业和综合项目设计,通过全过程、多维度的方式来考核学生的综合能力。实践表明,该教学改革能显著激发学生兴趣,有效地培养了学生的综合创新能力,为学生从事数字图像处理领域的高阶研究和研发奠定了基础。

基于粗集与聚类投票机制的光谱双星特征分析

光谱双星通常是指光谱中呈现双主导成分特征,由于该双成分复杂多样,其成因也多种多样,同时光谱信噪比相对比较低,现有许多分析方法将双成分系统光谱分离成两条光谱进行分析,而分离方法无法保证光谱的准确性,现有聚类方法的单次聚类可靠性比较低。提出一种基于粗集与聚类投票机制的光谱双星分析与评估方法,采用多次聚类和投票思想,给出每条光谱属于相应类别的梯度可靠性。该方法包含两个部分:(1)采用不同思想的聚类算法,将光谱双星数据集进行重构,将每种聚类算法标签采用匈牙利算法将聚类标签对齐作为光谱属性,从而重构数据集。(2)利用投票机制,得票数反映聚类结果的一致程度,获得每条光谱的类别,定义粗集示踪每类光谱特征,采用上/下近似集给出每条光谱所归类别的可靠性。选择郭守敬望远镜(LAMOST)DR10发布光谱双星集作为分析对象,采用基于划分的K-means、基于模型的GMM(Gaussian mixture model)、谱聚类(spectral clustering)和层次聚类(agglomerative clustering)四种聚类算法重构光谱数据集,选择得票数下界μ为2,通过投票得到1、0.75、0.5为可靠性梯度的聚类结果。其中大约1/3的样本可靠性为1,说明这批样本的四种聚类结果完全一致;对每类光谱和投票数的信噪比进行统计分析,投票数低的样本的信噪比相对较低,是它们被不同的聚类算法划分到不同类别的原因之一;对可靠性为1的6类光谱样本进行了物理成因的分析,其中以双星、河内星云+目标恒星两种为主,聚类标签的差异可能由于两种成分流量差异或拼接、定标等数据处理所导致。也有可能由于光谱质量较低导致pipeline误判的因素,其天区位置分布与低质量数据分布特征的研究基本一致。

氧化铝单晶超声温度传感技术研究

针对航空、航天发动机温度测试过程中存在的传感器耐氧化性差、使用寿命短、测温精度低等迫切需要解决的问题。首先,采用超声导波测温原理,使用氧化铝(α-Al_(2)O_(3))单晶纤维作为超声波导,构建了超声温度测量系统。其次,对传感器的敏感元参数进行了设计,利用激光加热基座法生长的氧化铝单晶超声波导,制作了超声温度传感器。最后,对所制作的超声温度传感器进行了标定,在20~1800℃,传感器的灵敏度为0.44 m/(s·℃),重复性为95.27%。在模拟航空发动机测试平台上进行了测温实验,经分析该次测量合成不确定度为7.99℃。该方法为解决航空、航天发动机等恶劣环境下的温度测量,提供了新的途径。

融合CNN-BiGRU和注意力机制的网络入侵检测模型

为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注意力机制对不同类型流量数据通过加权的方式进行重要程度的区分,从而整体提高该模型特征提取与分类的性能.实验结果表明:其整体精确率比双向长短期记忆网络(BiLSTM)模型提升了2.25%.K折交叉验证结果表明:该模型泛化性能良好,避免了过拟合现象的发生,印证了该模型的有效性与合理性.

基于深度学习的巡检机器人避障轨迹自动控制系统设计

为了提高巡检机器人在复杂环境下的避障能力,使机器人能够安全地完成巡检任务,设计基于深度学习的巡检机器人避障轨迹自动控制系统;设计由CCD传感器、信号处理芯片等设备组成的工业智能视觉CCD相机,基于FPGA和USB2.0的视频采集卡传输采集数据,完成硬件部分的设计;在软件设计中,对采集的图像实施目标分割、双目目标匹配等预处理,通过对摄像头实施双目视觉标定获取障碍物空间位置三维信息,基于深度学习中的CRNN设计机器人自主避障规划网络模型,并设计模糊轨迹控制器,实现避障中的轨迹自动控制;系统测试结果表明,设计系统最终成功避开了3个动态障碍物,最大轨迹控制误差的最大值为1.45°,最小轨迹控制误差的最大值为0.62°,动态避障巡检速度始终在3.5 m/s左右,表现出了精准而稳定的轨迹控制效果。

面向系统能力培养的操作系统课程教学改革实践探究

在新工科背景下,文章针对操作系统教学过程中系统能力培养方面存在的不足,探讨了操作系统教学实践改革。首先分析了操作系统教学存在的问题,并指出实验教学改革的必要性;接着提出了多模式融合的教学模式,以页面置换算法为实验案例,详细阐述了实验项目案例的开发过程,培养学生分析问题、解决问题的能力,引导学生深入掌握操作系统的原理及实现方法,锻炼了学生的工程实践能力,有效地提高了学生的实验积极性和自主性,促进了学生系统能力的提升。

“双一流”背景下非全日制专业学位硕士研究生培养质量提升改革与实践

在非全日制研究生招生考试改革的背景下,针对非全日制研究生面临的培养过程管理松散、社会认可度不高和课题完成困难等问题,围绕“双一流”建设对提高人才培养质量的要求,从培养目标、培养方案、教学方法、导师指导和考核体系等方面构建非全日制研究生培养体系。结果表明,该措施切实提升了非全日制研究生整体培养质量,推动了研究生教育发展。

基于共形几何的面部模型插值构建算法

针对传统三维模型构建方法难以获取连续维度的高质量面部模型问题,提出一种以不同表情的多面部模型为数据源基于共形几何的面部模型插值构建技术。利用准共形映射算法将面部模型降维到二维平面;提出一种插值算法对多模型形状特征进行线性插值,为构建过渡模型定义几何约束,同时提出一种自适应模型选择算法在数据源中自适应选择基础模型;通过几何约束引导准共形迭代改变基础模型形状;将变化后的二维模型转化到三维空间,构建具有过渡表情的三维面部模型。实验结果表明,该算法的有效性和运行效率都得到大幅提高。

面向“做中学”的程序设计课程体系改革

针对目前程序设计体系改革存在的弊端以及当前“做中学”教学模式只限定在单门课程所造成的不能综合提升学生程序设计能力和素养的问题,提出面向“做中学”的程序设计课程体系,介绍“做中学”程序设计课程体系项目方案选型、知识点脉络和项目教学流程,并说明教学改革成效。

基于二部图的联合谱嵌入多视图聚类算法

多视图聚类在图像处理、数据挖掘和机器学习等领域引起了越来越多的关注.现有的多视图聚类算法存在两个不足,一是在图构造过程中只考虑每个视图数据之间的成对关系生成亲和矩阵,而缺乏邻域关系的刻画;二是现有的方法将多视图信息融合和聚类的过程相分离,从而降低了算法的聚类性能.为此,提出一种更为准确和鲁棒的基于二部图的联合谱嵌入多视图聚类算法.首先,基于多视图子空间聚类的思想构造二部图进而产生相似图,接着利用相似图的谱嵌入矩阵进行图融合,其次,在融合过程中考虑每个视图的重要性进行权重约束,进而引入聚类指示矩阵得到最终的聚类结果.提出的模型将二部图、嵌入矩阵与聚类指示矩阵约束在一个框架下进行优化.此外,提供一种求解该模型的快速优化策略,该策略将优化问题分解成小规模子问题,并通过迭代步骤高效解决.提出算法和已有的多视图聚类算法在真实数据集上进行实验分析.实验结果表明,相比已有方法,提出算法在处理多视图聚类问题上是更加有效和鲁棒的.