高等职业院校物联网应用技术专业课程生态研究--以兰州职业技术学院“传感网应用开发”课程为例

通过对物联网应用技术专业课程体系现状的分析,提出了物联网应用技术专业“1+X+CDIO”课程生态。以“传感网应用开发”课程为例,建立符合行业发展的、多维度融合的基础模块,集合五大项目集群,将基础模块、项目集群和生态链紧密联系,实现教学、科研和岗位环环相扣、相辅相成的物联网应用技术专业课程生态。实践证明,“传感网应用开发”课程生态强化了传感网应用开发的核心专业能力,提升了学生的职业素养和综合竞争力。

综合模糊评价法在大学生职业核心素养评判中的应用研究——以兰州职业技术学院为例

在产教融合视域下应用综合模糊评价方法,评判高职院校学生核心素养的培养现状,保证了定性指标向定量指标的科学转化,解决了在评价中存在的不确定性问题,探究了核心素养定量性评价方法,以期为其他研究提供借鉴。

大数据赋能精准农业研究——以兰州白凤桃种植为例

采用大数据平台收集兰州某桃园的实时土壤和产量数据并进行综合分析,探索关键土壤参数(温度、湿度和pH值)对兰州白凤桃产量的影响。研究结果表明,土壤温度、湿度和pH值与桃树果量之间存在显著相关性,其中土壤pH值的影响最为突出。这些发现为通过优化土壤条件提高桃树产量和果实质量提供了重要指导。本文强调了大数据在农业研究中的应用价值,尤其是在精准农业领域,对于理解作物生长的环境因素和提高作物产量和质量具有重要意义。

物联网技术优化的中药材产品追溯系统

基于物联网的中药材产品追溯系统展现了其在提高中药材质量和安全性方面的优势,完成了中药材产业和人工智能的完美对接,在中药材产业中的应用前景广阔,解决了基本数据采集和溯源问题,建立了完整的拓扑结构。未来仍可以根据技术的进步,不断完善系统的数据采集与处理能力、加强信息共享与安全保护,以促进中药材产业的可持续发展。

大数据可视化分析技术运用探析

该文主要探讨大数据可视化分析技术的概念、特点、分类、应用领域和优化等方面,并且通过金融领域的股票市场分析案例进行实验验证。研究发现,大数据可视化分析技术已经成为数据分析和决策的重要工具和手段。通过大数据可视化分析技术,可以将大量的数据转化为人类易于理解和分析的形式,帮助人们更加深入地了解数据的规律和意义,从而实现更加科学、准确和有效的决策。但是,在大数据可视化分析技术的应用过程中,还存在一些问题和挑战,需要进一步深入研究和优化。因此,未来需要继续加强对大数据可视化分析技术的研究和应用,以更好地满足各个领域的数据分析和决策需求。

基于区块链的水下无线传感器网络恶意节点检测机制

水下无线传感器网络具有开放共享和自组织的特点,导致其面临各种各样的威胁和攻击。针对现有检测方法存在的不公平性和不可溯源等问题,提出一种基于区块链的恶意节点检测方法。该方法利用区块链存储网络的节点数据,使用智能合约检测网络中的恶意节点,通过共识算法保证数据的一致性。实验结果表明,该方法不仅可以检测网络中的恶意节点,还能保证检测过程的公平性和可溯源性。

基于迁移学习的EfficientNet陇绣图像识别研究

陇绣是甘肃重要的非物质文化遗产,对其进行数字化保护和存储具有重要意义。目前,已有多种深度学习网络模型可以对各类图像进行有效识别,但针对陇绣图像识别的相关研究相对较少,基于此,笔者在EfficientNet预训练模型的基础上,利用自采集陇绣图像进行迁移学习,经具体量化实验证明,该方法能够以较短的时间完成EfficientNet对陇绣图像数据样本的知识迁移,训练后模型性能优良,且训练方法能够应用于其他场合,更新后的生成模型容易部署在博物馆智能展示系统等算力受限的终端设备上。

基于迁移学习与后训练剪枝的水母图像分类方法研究

水母是海洋重要的生物种群之一,其繁衍变化状态会对局部海洋甚至整个海洋生态造成重要影响。使用机器视觉方法快速识别不同种类的水母,能为相关海洋生态研究提供统计分析的有力数据。在ResNet18预训练网络模型的基础上,使用水母小规模数据集进行Fine-Tuning训练,以实现知识迁移的目的;然后,采用后训练剪枝的方法对更新后模型进行有效轻量化。实验证明,该网络模型具有轻量化、在精度相当的前提下计算量较少的特点,更容易部署于资源受限的场合。

基于AlexNet网络的枸杞分级识别模型研究

枸杞是一味传统中药材,具有很高的营养价值,被广泛应用于保健领域。基于AlexNet网络的枸杞分级模型采用深度学习技术,利用AlexNet网络模型实现对枸杞的分类识别,从而快速、准确地检测枸杞的外在质量。通过实验验证,该模型能够有效提高枸杞分级的准确性,可为提高中药材的质量监测效率提供有力的技术支持。

基于深度强化学习的多路径调度模型

文章提出一种基于深度强化学习的多路径调度模型,在聚合场景中将深度学习技术应用于流量管理,以解决多路径环境下的数据包调度问题。文章使用了一个多路径快速UDP网络连接协议(MPQUIC)来实现多路径场景中的路径选择,并训练了一个代理人(Agent)来改进最优选择路径的算法,展示了将深度Q网络代理(DQN Agent)应用于数据流量管理问题的优势。实验证明了在实时环境中使用DQNAgent来提高包调度器性能的可行性,以及使用该技术对新的5G网络进行优化的潜力。实验结果表明:基于深度强化学习的多路径调度模型能够自适应地调整路径选择策略,从而提高网络的稳定性和可靠性。改进的模型不仅具有理论价值,还为实际应用提供了有益的参考和借鉴。

“双创”视域下高职院校学生就业能力提升研究

面对当前高校毕业生严峻的就业形势,本研究聚焦于 2018-2023年期间甘肃省高职院校毕业生的就业现状,特别考察了“双创”教育在提升学生就业能力方面的作用和挑战。通过对甘肃省高职院校的具体案例分析,揭示了在推进“双创”能力培养方面所面临的主要挑战,以及现有教育实践的不足,并提出了一系列改革措施,旨在帮助高职院校更好地培养符合市场需求的高质量人才,并实现毕业生的高质量充分就业,为高职院校在“双创”教育领域的改革提供了实践指导。

高职院校Python程序设计课程的“专创融合”开发与应用研究

新时期高职教育改革深入开展,“专创融合”理念也有效融入到实践课堂中,为了全面落实Python程序设计课程改革,促使学生能够提高综合能力。需要进一步开发“专创融合”课程体系,加强有效的实践应用,从而促使学生全面提高实践水平。通过进一步探索,本文对Python程序设计课程“专创融合”的理论基础进行了分析,探索了Python程序设计课程的“专创融合”开发途径,总结了提高课程实施水平的有效策略,希望分析能为高职院校开展Python程序设计课程建设提供有效参考,从而进一步培养新时期专业型人才,为学生全面发展尽有效助力。

炳灵寺石窟图像无检测特征匹配方法研究

炳灵寺石窟是历经北魏、北周、隋、唐、宋等朝代,具有一千六百多年历史的重要历史遗迹。对其进行数字化保护、实施逆向三维形态重建并作为原始修复之蓝本,是实现其客观空间形态永久保存的重要手段,而图像匹配作为三维重建技术中的重要环节,其匹配结果直接决定了三维重建的精度。针对传统匹配方法既需要特征点检测又存在弱纹理区域匹配效果较差的问题,在学习架构的基础上引入了Transformer特征范式,并剔除了较复杂的特征检测环节,提高了匹配效率。实验证明,与其他主流方法相比,该方法在处理弱纹理和图像模式重复等方面具有明显优势,在具体评价指标上也表现良好,能确保恢复的石窟文物三维立体形态具有更好的视觉效果。

面向社会性昆虫识别的知识迁移DenseNet后训练剪枝轻量化模型研究

在资源受限的设备上,如何快速有效地针对蜜蜂、蚂蚁等对生态系统产生重要影响的种群进行图像识别,具有重要的生态保护意义.本文采用DenseNet预训练模型,在蚂蚁蜜蜂小规模数据集上进行知识迁移,并利用非结构化后训练剪枝UPSCALE方法,构建了一个完整的架构.实验证明,该架构可以快速利用小规模数据集,以较高的识别精度实现目标图像识别,且模型参数不到基准方法的1/3,对于部署设备而言,具有更广泛的应用价值.

融合图神经网络和注意力机制的异质图嵌入研究

针对异质图只考虑元路径捕获信息而造成大量信息损失,以及聚合邻域节点信息时不能有效建模局域信息的问题,提出基于融合图神经网络和注意力机制的异质图嵌入模型。该模型从元路径和邻域信息分别挖掘异质图的深层潜在特征、获取节点嵌入。在AMiner和DBIS两个数据集上的大量实验表明,本文所提模型方法可以有效改善节点表示。

自动驾驶系统中局部路径规划算法研究

针对自动驾驶系统中局部路径规划和运动控制中容易出现局部最优解缺失和目标丢失的问题,提出了基于改进型人工势场路径规划算法。该算法以行车安全为目的构建结构化道路,以车道中心线为目标产生引力,以道路边线为目标产生斥力,同时将行进路径上的障碍物拓展为三维空间的椭圆形障碍物以平滑控制路径。最后搭建了基于Carsim的仿真实验平台,并在不同路况下对路径规划算法进行仿真验证。实验结果表明,该算法生成路径的平滑性更好、精度更高,可有效提高自动驾驶的安全性。