新时代“00后”大学生就业力分析及对策研究——基于中国地质大学(北京)的调查研究

综合国力竞争说到底是人才竞争,在我国进入了全面建设社会主义现代化国家、向第二个百年奋斗目标进军的新征程的时代背景下,更需要强大的人才支撑。“00后”大学生已成为当代大学生的主要群体,作为高等教育人才,不可避免地成为实现下一个百年奋斗目标的中坚力量。本文结合国内外就业力结构的研究和新时代人才需求,以中国地质大学(北京)为研究载体,面向用人单位、校友、“00后”大学生三个群体开展访谈、问卷调查,分析“00后”大学生的就业力现状,提出新时代“00后”大学生就业力提升的对策。

本科计算机公共课无纸化考试改革实践——以中国地质大学(北京)为例

考试是衡量教师教学能力的指标之一,也是检验学生学习效果的重要工具。计算机课程注重实际操作能力,但传统的纸质考试更注重理论知识的考察,无法真正检验学生的计算机实际操作水平。中国地质大学(北京)于2018年9月正式实行本科计算机公共课无纸化考试改革,经过前期试运行,现已进入常规化、正式化运行状态,形成了"考前联合筹备、考中监控、考后分析与总结"完善的一体化考试流程。

将数字艺术设计融入高校美育教育的探索与实践——以中国地质大学(北京)为例

为了深入推进“德智体美劳”中的美育实践,适应美育发展新趋势和新需要,并通过学科联动,激发学生创造美的潜能,进一步弘扬地质报国传统,发挥美育在校园文化的引导作用。本文针对以上美育教育需求,结合近三年中国地质大学(北京)广泛开展的数字艺术设计类学科竞赛实践,探索了“扎根北地、与美同行”的实践途径,即以“北地”文化为美育底蕴,以学科特点为美育资源,以创新实践为美育平台,用数字艺术设计之美引导学生提高审美和人文素养。实践表明,将数字艺术设计融入高校美育教育的探索与实践契合新时代人才培养和社会发展需求,为丰富美育实践体系,打通公共课程、专业课程、创新创业实践相结合的美育体系提供了一个新思路,对实施高校美育教育、提高育人质量具有参考意义。

多源数据三维地质结构模型约束的属性建模方法:以北京市通州城市副中心为例

支持多源异构数据的三维地质建模方法一直是三维地质建模研究的重点和难点之一。本文以北京市通州城市副中心工程地质勘察为例,设计了一种多源数据三维地质模型自动建模方法。该方法首先在数据预处理阶段,利用剖面、地震剖面解译及等值面(线)等数据生成虚拟钻孔,从而将异构的多源数据统一转换成同构的虚拟钻孔数据,然后利用钻孔和虚拟钻孔实现三维地质结构的自动化建模;根据已构建的三维地质结构创建属性模型结构约束,采用六面体网格或四面体的单元结构构建属性模型网格;属性模型网格中的每个属性块通过三维空间插值方法进行属性赋值,然后将属性变化映射为颜色变化,建立了相应的三维地质属性模型,实现了多源数据三维地质结构模型约束的属性建模。该方法已经应用在工程地质勘察和城市地下空间开发等领域,通过使用多源异构的建模数据,使构建的三维地质模型更加完善,有助于三维地质模型的推广和应用。

融入思政元素的“大学计算机”课程构建:实践与挑战

本文深入探讨了“大学计算机”课程建设的思路,提出了重新定义教学目标、设计教学内容、优化教学环节等一系列构建措施,并将思政元素融入教学资源建设的各个环节。在提升教学效果的同时,潜移默化地帮助学生树立正确的价值观念,提升他们的综合素养。

北京市非中心城区土地利用-人口-经济协同预测

非首都功能的疏解政策涉及城市化建设、经济、人口等多个方面,当前的预测研究多针对单一的空间要素进行模拟和预测,而未关注到城市发展中多个空间要素相互交织的影响。本文将北京市非中心城区作为研究区,以多年度土地利用数据、GDP格网数据和人口格网数据为基础,通过PLUS模型和SCS方法,以多要素协同模拟的方式模拟了规划情景下2030年的土地利用格局,以及2030年GDP-人口公里格网数据,并计算了时空与总量变化特征。结果显示:①在生态优先的政策情景下,北京市非中心城区的林草地及水体将会扩张但整体扩张趋势不明显;②政策指导下,2020—2030年研究区人口与GDP承载了中心区的外溢,经济与人口都实现了高质量发展。本文的研究为城市化建设、人口监控管理和资源优化配置提供了科学参考。

以学生为中心的软件工程课程“双语+思政”教学模式实践

针对软件工程课程传统教学中教与学融合度低的问题,提出以学生为中心、运用“双语+思政”的教学模式,阐述如何进行教学框架设计、教学方法研究以及教学过程展开,以达到更高效和高质量的教学目的。

面向工程教育专业认证的协同育人模式探索

为了培养工程教育专业认证背景下的创新型人才、具备解决复杂工程能力的技术型人才,测绘类专业人才培养模式亟待改革。针对工程教育专业认证对测绘类专业人才培养的应用型能力要求和当前测绘类专业人才培养现状,本文提出了产教融合的协同育人模式。该模式以测绘类专业的协同育人为目标,在理论基础、模式构建、应用效果等多方面对测绘类专业协同育人模式进行探讨。

面向大学生群体开展主题教育的理论意义与实践路径

大学生是青年群体的生力军,文章聚焦广大团员和青年中的大学生群体,从“为何学、学什么、怎么学”三个角度,深入讨论了面向大学生群体开展学习贯彻习近平新时代中国特色社会主义思想主题教育的理论意义和实践路径,旨在教育引导大学生群体深入学习习近平新时代中国特色社会主义思想的核心要义和重大成就、“两个确立”的决定性意义、中国式现代化的本质要求和新征程上中国共产党的中心任务、习近平总书记关于青年工作的重要思想等,确保主题教育的实效性。

基于地质信息元数据标准的多源空间数据管理系统

基于对空间数据特点的分析,结合当前的空间数据存储技术,通过对元数据标准的扩展解决多源空间元数据交换的问题;利用单机多空间数据库引擎(spatial database engire,SDE)数据存储技术解决多源空间数据定位及共享的问题;通过建立空间索引数据库,在单机多SDE的基础上,解决空间数据的快速检索定位的问题;从而实现多源空间数据的组织和管理,构建基于地质信息元数据标准的多源空间数据管理系统,为解决资源与环境遥感信息基础平台建设中的空间数据多源、空间数据共享及空间元数据交换打下基础。

中国土地信息学30年发展研究

研究目的:明确土地信息学核心研究内容和学科地位,系统总结1980—2017年中国土地信息学研究的重要进展,划分土地信息学发展的主要阶段及各个阶段重要成果,指出土地信息学未来研究的方向和重点。研究方法:理论归纳法和文献计量法。研究结果:土地信息学是以权籍为核心、土地信息为对象,研究土地信息获取、分析、处理、存储与表达的理论、方法与技术的一门学科,服务于土地调查、评价、规划、利用、整治和保护等信息共享与决策支持。中国土地信息学发展可划分为起步阶段(1980—1995年)、关键技术应用阶段(1996—2006年)与稳步加速发展阶段(2007—2017年)三个阶段。研究结论:未来土地信息学应树立大权籍观,围绕权籍信息采集、管理、分析、表达、安全、标准等问题,研究快速、高效、精准的多元土地信息获取技术;研究土地信息的标准化、安全组织、数据交换和共享管理机制和技术;开展土地信息数据的深度挖掘分析、综合表达、集成应用技术,以及大数据、云计算、人工智能在土地信息学中的应用技术等。

信息量模型、确定性系数模型与逻辑回归模型组合评价地质灾害敏感性的对比研究

为探索区域地质灾害敏感性评价方法,以宁夏盐池县为研究区域,选取坡度、坡向、坡高、高程、地层、距河流距离、距道路距离、植被覆盖度等8个影响地质灾害发生的评价因子,分别采用信息量模型+逻辑回归模型(I+LR)和确定性系数模型+逻辑回归模型(CF+LR)2种组合模型对盐池县地质灾害敏感性进行评价,将该区域地质灾害划分为极低、低、中和高敏感区4类,并完成结果检验。结果表明:(1)2种组合模型得到的低、中敏感区面积基本相当,而高敏感区面积相差较大,CF+LR模型较I+LR模型高敏感区面积增加约533.6 km2,而极低敏感区面积减少约6%;(2)2种组合模型的合理性均符合检验要求,且ROC精度检验AUC值分别为0.868和0.829,渐进Sig.b均小于0.05,表明2种组合评价模型都能较为客观准确地评价盐池县地质灾害敏感性;(3)ROC检验精度与盐池县地质灾害发育情况均表明I+LR模型精度更高。

基于证据信度模型的致矿地质异常信息提取与集成

地质异常信息是找矿靶区圈定的重要依据,适当的异常提取方法和决策模型能从多元地学数据中获得准确可靠的致矿地质异常信息。以祁连山玉石沟川刺沟铜铅锌矿区为研究区,应用证据信度模型评价岩性、断裂、遥感蚀变、化探元素的空间信息：首先由各致矿因子与矿点分布的关系计算证据层的可信度、怀疑度、不确定性3项指标,并采用分形、主成分分析等非线性提取方法剔除假异常；然后通过Dempster 法则集成得到成矿综合信度图。结果显示,96%的矿点位于信度异常值区域（0.17~0.60）,且异常分布与实地勘查信息一致。模型增大证据因子输入参数的可靠性,减弱了证据因子间独立性假设的影响,有效地提取了单一因子的致矿地质异常及综合异常。

基于新工科工程教育认证的软件工程专业课程设置探讨

在新工科背景下,软件工程专业教学改革已刻不容缓。工程教育认证标准给工科专业知识体系及课程设置提供了依据和准则。文章以新工科为基础,提出了新目标、新中心、新能力、新素质、新知识体系的观点,同时,基于工程教育认证标准,在软件工程专业的知识体系及课程设置方面提出了一些建议。

基于知识图谱多跳推理的中文矿物知识问答方法与系统

已有相关矿物数据库用于存储和查询相关矿物知识,常用的搜索引擎也可以对矿物知识进行查询,但无法回答用自然语言进行提问的矿物问题,查询返回的答案需要进一步筛选。亦有基于知识图谱进行矿物知识问答的相关研究,但只能回答涉及知识图谱中一个三元组的简单问题,无法回答涉及多个三元组的多跳复杂问题。为此,本文提出基于知识图谱多跳推理的矿物复杂知识问答方法,采用ComplEx模型将矿物实体、关系和问句表示为复数向量,以更好地获取相互之间的语义及推理关系。输入矿物问句后,通过Bert-LSTM-CRF获取其中心词,采用基于编辑距离及分词的方法获得中心词的候选实体集合,然后采用全连接网络确定最相关的实体作为推理起点,与矿物问句拼接后通过全连接网络获得当前跳的最相关关系。根据当前跳的起始实体及最相关关系,在矿物知识图谱中获得另一实体作为下一跳的推理起点,并将下一跳的问句更新为原问句,与当前跳最相关关系拼接,以将当前跳的推理信息带入到下一跳推理中,直到获得的最相关推理关系为预定义的结束标识符,推理结束,返回最后一跳的实体为答案,并给出推理路径。采用Python语言,在Tensorflow框架下实现了本文提出的矿物复杂知识问答并与相关模型进行对比,证明了本文方法的有效性。采用前后端分离架构,使用RESTful API、React、Ajax、echarts和Flask等框架和技术,开发了基于知识图谱多跳推理的矿物复杂知识问答系统,为矿物知识获取及相关地质研究提供了平台和工具。

资源失配时低代价的数据与计算密集型服务重配

随着边缘计算的广泛应用,近年来在网络边缘侧激增了一些延迟敏感的用户请求,这些应用对边缘网络中物联网设备提供的资源提出了较高的服务质量(Quality of Service,QoS)需求,例如严格的地理空间约束、时延/能量及其他资源约束.物联网设备提供的功能通常被封装为运行在边缘节点上的服务,用户请求可以通过组合数据和/或计算密集型的物联网服务来实现.考虑到物联网设备的资源稀缺性以及用户请求的在线持续部署和潜在长期执行特征,边缘服务运行期间对物联网设备资源的占用和释放导致边缘网络中资源动态变化.由于物联网设备的资源通常难以得到有效补充,且消耗差异可能较大,有些设备可能会过载,导致在当前时间点适配的物联网服务,在随后时间点可能难以适配用户请求,并导致QoS降级.针对边缘网络高负载时新请求持续部署导致特定强约束难以满足的挑战,本文开展资源失配时低代价的服务重配研究,提出了一种资源高效的服务重配方法,旨在通过服务迁移技术重调度物联网设备所提供的服务,以满足更多具有一定QoS约束的用户请求.基于上海电信基站数据集进行了大量实验,实例验证本文方法的有效性.实验结果表明,本文所提方法在满足用户服务请求时延约束、降低物联网设备能量消耗、提高边缘网络资源利用效益等方面表现均优于对比技术.

利用向量叉积计算与二叉树追踪快速搜索封闭区域

目的自动填充等值线图的难点是自动搜索出值域相同的各个封闭区域,常用的扫描线填充和区域填充方式存在计算量大、效率不高等问题。方法针对此问题,提出利用多边形特征点的向量叉积计算结果与多边形的绘制顺逆方向之间的相关性,判定等值图中断层多边形的走向,基于构成封闭等值区域的等值线及其属性值具有的规律性性质,即等值线属性值是等值或等间距,追踪区域时利用填充边界或断层上的等值线端点创建追踪二叉树。追踪相邻的两个等值线端点所在的封闭区域时,将其中一个端点作为二叉树的根节点,沿边界查找左右相邻的下一条等值线端点,并将找到的端点作为左右子节点,从而实现封闭区域的快速追踪;通过封闭区域面积排序确定不同区域之间相互包含关系,据此构建拓扑相邻关系树,实现封闭区域的顺序覆盖填充,设计出更加简单、快速区分不同封闭区域的区域填充颜色选取方法。结果该方法简化了复杂的等值连通区域搜索算法,等值图的颜色变化趋势能保持一致,数据测试对比证明了所提算法的正确性。结论该算法通过一系列等值线能一次性得到组成封闭区域边界的点集合,因此,可以实现等值线和等值区域边界的完全吻合,当某些等值线发生变化时,只需更新相关的等值区域即可,提高了等值图件的编辑效率。

基于渐进多粒度训练深度学习的矿物图像识别

近年来,随着深度学习在地学领域中的应用,矿物图像识别变得越来越重要。虽然已经有研究将深度学习应用于矿物图像识别,并取得了一定的成果,但在大规模矿物数据集上的识别准确率仍然有待进一步提高。不同矿物之间可能存在细微的形态、纹理和颜色差异,符合细粒度识别算法特征,但以往的研究中很少有人采用细粒度方法进行矿物识别。所以本文提出了一种基于Next-ViT模型的细粒度矿物识别方法,通过引入渐进式多粒度训练拼图技术,实现对矿物图像的精确分类。首先采用Next-ViT模型作为特征提取器,该模型结合了Transformer结构和卷积神经网络的优势,能够提取到丰富的图像特征;接下来利用随机拼图生成器创建不同粒度级别的矿物拼图,这些拼图包含从细节到整体的多种信息。训练过程中采用渐进式多粒度训练策略,在训练的早期阶段,模型主要关注细粒度的特征,通过学习拼图中的细节信息来区分不同的矿物,随着训练的深入,模型逐渐将注意力转移到更大粒度级别的特征上,学习更加抽象和全局的信息。通过这种方式,模型能够充分利用不同粒度级别的信息,提高矿物识别的准确性。实验结果表明,该模型在常见的36种矿物数据集上取得了86.5%的准确率,有效地提高了矿物识别的准确率。这表明,细粒度识别方法对于矿物识别是有效的。

基于数据增强和集成学习的矿物图像识别

矿物识别是地质学研究的一个重要部分,对于资源勘探、岩石分类和地质环境监测都有着重要的意义。然而,传统方法通常依赖人的经验进行主观判断,并且效率低下。近年来,已有许多研究将深度学习的图像分类技术应用于矿物识别,以客观快速地识别矿物,这些研究都取得了一定的成果,但可识别矿物种类有限且精度需要进一步提升。为此本文首先解决了矿物数据集图像数据样本分布不平衡问题,对数据集中矿物图像较少的11个矿物类别采用DCGAN生成矿物图像进行数据增强,对比选择效果更好的方案对数据集进行扩充。其次,为了得到更可靠、精确度更高的识别模型,将ImageNet上表现较好的ResNet、RegNet、EfficientNet和Vision Transformer模型迁移到本文使用的矿物数据集上。针对训练好的基模型排列组合得到11个子模型,分别使用平均软投票法和加权软投票法两种方法进行集成,得到22个集成模型并对其训练得到识别结果,对比22个集成模型的结果选择出精度最高的集成模型。实验结果表明:使用DCGAN进行数据增强,在不同的模型上平均提升了3.12%的准确率,充分证明了DCGAN数据增强的有效性;在所有集成模型中,使用加权软投票法的模型表现较好,其中精度最高的是利用4个基分类模型进行加权软投票得到的集成模型,在扩充后的36种常见矿物数据集上达到了87.47%的准确率。

轻量级深度神经网络模型适配边缘智能研究综述

随着物联网和人工智能的迅猛发展,边缘计算和人工智能的结合催生了边缘智能这一新的研究领域。边缘智能具备一定的计算能力,能够提供实时、高效和智能的响应。它在智能城市、工业物联网、智能医疗、自动驾驶以及智能家居等领域都具有重要的应用。为了提升模型的准确度,深度神经网络往往采用更深、更大的架构,导致了模型参数的显著增加、存储需求的上升和计算量的增大。受限于物联网边缘设备在计算能力、存储空间和能源资源方面的局限,深度神经网络难以被直接部署到这些设备上。因此,低内存、低计算资源、高准确度且能实时推理的轻量级深度神经网络成为了研究热点。文中首先回顾边缘智能的发展历程,并分析轻量级深度神经网络适应边缘智能的现实需求,提出了两种构建轻量级深度神经网络模型的方法:深度模型压缩技术和轻量化架构设计。接着详细讨论了参数剪枝、参数量化、低秩分解、知识蒸馏以及混合压缩5种主要的深度模型压缩技术,归纳它们各自的性能优势与局限,并评估它们在常用数据集上的压缩效果。之后深入分析轻量化架构设计中的调整卷积核大小、降低输入通道数、分解卷积操作和调整卷积宽度的策略,并比较了几种常用的轻量化网络模型。最后,展望轻量级深度神经网络在边缘智能领域的未来研究方向。