培养电子信息类创新人才的探索与实践——以南昌工程学院为例

适应电子信息产业快速发展需求,南昌工程学院通过资源整合、跨界协同等方式进行了人才培养方案改革,构建了电子信息类创新人才培养大平台,在创新人才培养方面进行了有益的探索和实践,提高了人才培养质量。

高校网络教学平台的应用现状与发展对策——以南昌工程学院为例

以南昌工程学院为例,从大学生上网现状、网络教学平台的使用及其对大学生的影响三个方面进行问卷调查。获知网络已成为大学生日常生活的重要组成部分,但大学生对网络教学平台的了解和使用程度低;学生更多的是迫于老师要求或获取教学资源的需要才登录网络教学平台;学生渴望在平台上增加课程互动功能,让师生线上线下交流无缝连接。为此从充实教学资源、设计多样的互动方式和完善平台教师使用评价机制及激励措施等方面,提出强化网络教学平台建设和使用的对策。

高校新园区体育场馆社会化实践与探索——以南昌工程学院新校区体育场馆社会化实践为个案

以南昌工程学院新校区体育场馆社会化改革的实践为个案,通过对场馆社会化管理发展变化过程进行调查与分析.结果发现:目标定位内容逐渐丰富,管理模式逐渐专业化,服务项目逐渐多元化,定价策略走向科学化.并试图在对影响上述变化的原因进行深入分析的基础上,寻找高校新园区体育场馆社会化发展的方向.

依托行业背景与卓越计划引领的人才培养模式探讨——以南昌工程学院计算机科学与技术专业为例

南昌工程学院计算机科学与技术专业卓越工程师教育培养计划依托水利行业背景,发挥学校自身的办学特色和优势,制定水利信息化方向的培养目标,设置具有水利行业特色的课程体系,强化创新能力、工程能力的培养。取得了较好的教学效果,为地方院校计算机科学与技术专业卓越计划人才培养提供指导参考作用。

基于工程教育认证的通信工程专业课程教学研究

文中基于工程教育认证理念,结合“立德树人”课程教育方针,针对通信工程专业特色对专业课程教育进行了改革研究。其中,主要从专业人才培养方案、教学大纲中的“立德树人”思想元素挖掘、专业课程评价等方面进行了研究。以培养学生爱国情操,工匠精神和创新精神,进而实现贯彻面向产出的工程教育认证教学模式,提高学生解决复杂工程问题能力。

精英引导和信息交互的多目标狼群算法

鉴于狼群算法在单目标优化问题上的优越表现,结合狼群的生物习性将其运用到多目标优化问题上,提出一种精英引导和信息交互的多目标狼群算法(MOWPA-EGII)。首先,提出精英引导策略,利用外部档案中的精英狼和当前子种群的头狼共同引导种群移动,让人工狼均匀地分布在整个搜索空间,增强算法的全局搜索能力;其次,设计信息交互机制,模拟狼群捕猎过程中的信息传递,具有不同优势的个体可以相互传递信息,保证狼群的捕猎效率,提高算法勘探Pareto最优解的能力;最后,加入变异算子,扰动人工狼的移动方向,让算法跳出局部最优,增强算法的局部搜索能力。为了验证MOWPA-EGII的有效性,将其与5种经典算法和10种新近算法进行比较,结果表明MOWPA-EGII拥有良好的收敛性和多样性,证明了所提算法具有较好的优化性能。

应用混沌粒子群算法求解工程优化问题

针对工程优化设计问题,提出了基于混沌粒子群算法的工程约束优化问题求解方法。CPSO算法利用混沌搜索的全局遍历性、随机性和规律性等特点,引导粒子在全局范围内搜索,从而克服了传统粒子群算法早熟收敛的缺点。该算法以种群适应度方差作为粒子群优化算法早熟收敛的判据,并用惩罚函数法处理违法约束的粒子,当基本粒子群算法陷入早熟时,随机选择粒子群中的部分粒子实施混沌搜索,直至满足迭代收敛条件为止。CPSO算法能提高种群的多样性和粒子搜索的遍历性,从而有效提高了PSO算法的收敛速度和精度。两个工程约束优化实例的求解结果表明,该算法的优化结果最好,收敛速度也比较快。

基于二分法和控制信息素量的改进蚁群算法

为弥补蚁群算法易陷入局部最优、收敛速度较慢等不足,提出一种基于二分法和控制信息素量的改进蚁群算法。在每次迭代结束时,利用二分法放弃行走路程较远的半数蚁群的信息素,使收敛速度得到提高;利用3-opt局部优化方法提高解的精度;通过控制信息素量动态调整蚁群选择路径的概率,避免算法早熟;将改进的算法应用于旅行商问题。实验结果表明,该算法在寻优能力、可靠性、收敛速度以及稳定性方面均表现出明显的优越性。

工程驱动下的GIS实验教学模式研究

分析了目前GIS实验教学存在的弊端,探讨了工程驱动下的GIS实验教学模式设计与实践。根据南昌工程学院的“水利特色”,将基础性实验、启发性实验、设计性实验、工程性实验紧密联系,以为我校水文与水资源工程专业《地理信息系统》实验课为例,设计了其实验课。

试析工程教育专业认证毕业要求达成度评价机制——基于教育大数据背景下

毕业要求达成度评价是工程教育专业认证的重要过程。随着教育教学模式的变革,教育数据日益丰富,深入挖掘其中的有效信息,可为毕业要求达成度评价提供理论支持和技术支撑。它覆盖了教学全过程的一级指标对标十二个毕业要求,细化了相应的二级指标面向各门课程的达成度评价,采用数据挖掘技术对各项指标的重要性排序构成支撑权重,实现了毕业要求达成过程性评价及其评价结果的可计算,为工程教育专业认证毕业要求达成度评价提供了新思路和新的解决方案。

不一致邻域决策信息系统的增量式属性约简研究

属性约简是数据挖掘、机器学习等研究领域中的一个非常重要的预处理步骤,其效率的高低会直接影响到数据挖掘、机器学习等相关任务的性能。针对目前已有的非增量式属性约简方法在处理不一致邻域信息系统动态变化时无法高效更新属性约简的问题,提出一种在不一致邻域决策信息系统中对象集发生变化时的增量式属性约简方法。首先,该文以不一致邻域决策信息系统为研究对象,结合不一致邻域的特点给出了一种新的不一致度的表示方法。在此基础上用不一致度来表征属性重要度,以属性重要度为启发式信息研究不一致邻域信息系统对象集发生变化条件下邻域类以及不一致度的更新机理。随后,以不一致度为启发信息构建了增量式属性约简算法。进一步,在UCI上选取6个数据集,通过分类精度测试实验精选出各个数据集的最佳邻域半径δ,最后,利用最佳邻域半径δ在各个数据集上执行增量式属性约简算法实验,实验结果表明该文提出的增量式属性约简算法在保持分类精度不变的前提下较其他算法更加快速和有效。

一种序决策信息系统中的快速属性约简算法

为了提高无核或少核序决策信息系统中现有属性约简算法的执行效率,本文以知识粒度表征的属性重要度为启发信息并结合前向属性约简方法提出了一种新的属性约简算法。首先,介绍优势粗糙集方法的相关基础知识,并将经典粗糙集中基于知识粒度的属性约简算法引入优势粗糙集方法中,得到可处理序决策信息系统的属性约简算法;然后,通过分析序决策信息系统中知识粒在属性数目变化条件下的粗化与细化过程,得出相对冗余属性的判断定理,由此结合前向属性约简方法设计了快速属性约简算法;最后分析比较了2种算法的时间复杂度并选取了6个不同的UCI数据集进行算法性能的测试,测试结果表明,本文提出的算法比现有的属性约简算法高效。

属性集变化下序决策信息系统的增量属性约简算法

当序决策信息系统中的属性集不断变化时,基于优势关系的现有静态算法无法高效地更新其属性约简,为此,从属性增加和属性删除两个角度出发,以知识粒度表征的属性重要度为启发信息,提出两种新的增量属性约简算法.首先介绍优势粗糙集方法的相关基础知识,并将经典粗糙集中基于知识粒度的属性约简算法扩展到优势粗糙集方法,得到可处理序决策信息系统的属性约简算法;然后,给出劣势属性矩阵的定义,并基于知识粒度的矩阵计算方法分析属性增删时属性约简的增量式更新机制,进一步设计了两种增量属性约简算法.最后,分析比较三种算法的时间复杂度,选取了六个不同的UCI数据集进行算法性能的测试,结果表明,提出的算法比静态的属性约简算法更高效.

层级引导的增强型多目标萤火虫算法

针对多目标萤火虫算法在求解过程中易产生振荡和聚集现象,导致开发能力较弱、求解精度不佳的问题,提出一种层级引导的增强型多目标萤火虫算法(hierarchical guided enhanced multi-objective firefly algorithm,HGEMOFA)。构建层级引导模型,利用非支配排序获得不同层级个体,用优势层个体引导劣势层个体进化,明确引导方向,解决了进化过程中出现的振荡,减少了聚集现象的出现,增强了算法收敛性;引入莱维飞行扰动最优层个体,增强算法的全局搜索能力;每代进化完成后,对当前种群采用变异机制,增强算法的局部开发能力;把变异后的种群和前一代种群合并进行环境选择,筛选出和前一代种群规模相同的子代,避免优势解丢失。实验结果表明:HGEMOFA能有效增强解的收敛性和多样性。

人工智能课程群思政教学资源的挖掘、整合与融入

本文构建了“四层”人工智能课程群课程体系,对人工智能课程群的课程内容进行整合与重构;围绕课程群内各课程的教学目标和讲授内容,挖掘各课程思政元素,根据课程间的内容联系和逻辑关系,将思政元素整合为爱国主义和科技兴国、科学思维和工匠精神、创新开放和工程思维、科学伦理和职业道德等四类,并有机融入课程教学,形成界限分明、互为补充、各具特色的思政课程体系;通过课程考核评价机制验证人工智能课程群的思政教学成效。实践结果表明,该课程群思政教学有助于实现价值塑造、能力培养和知识传播的课程目标。

面向密度分布不均数据的加权逆近邻密度峰值聚类算法

针对密度分布不均数据,密度峰值聚类算法易忽略类簇间样本的疏密差异,导致误选类簇中心;分配策略易将稀疏区域的样本误分到密集区域,导致聚类效果不佳的问题,本文提出一种面向密度分布不均数据的加权逆近邻密度峰值聚类算法。该算法首先在局部密度公式中引入基于sigmoid函数的权重系数,增加稀疏区域样本的权重,结合逆近邻思想,重新定义了样本的局部密度,有效提升类簇中心的识别率;其次,引入改进的样本相似度策略,利用样本间的逆近邻及共享逆近邻信息,使得同一类簇样本间具有较高的相似度,可有效改善稀疏区域样本分配错误的问题。在密度分布不均、复杂形态和UCI数据集上的对比实验表明,本文算法的聚类效果优于IDPC-FA、FNDPC、FKNN-DPC、DPC和DPCSA算法。

自适应双坐标系的差分进化算法求解混合变量优化问题

如何设计求解混合变量优化问题(Mixed-variable Optimization Problems,MVOPs)的相关算法,是计算机算法设计与分析领域中的一个重要研究方向.该问题的求解难点在于需同时优化连续型和离散型决策变量,目前进化算法(Evolutionary Algorithms,EAs)是求解该问题的一种有效手段.然而,现有的相关EAs忽略了问题变量之间的相关性,导致算法性能还存在一定不足.为此,本文从变量相关性角度出发,提出了一种自适应双坐标系的差分进化算法来求解MVOPs.首先,利用种群的协方差矩阵信息来构建特征坐标系,实现在特征坐标系下执行算法的相关操作,以松弛连续变量与离散变量之间的相关性;其次,为避免种群多样性丢失,仍保留了原坐标系,并设计了一种自适应策略来应用特征坐标系和原坐标系,以发挥双坐标系的优势;最后,为提高离散变量的优化效果,专门设计了一种基于离散变量相关性的局部搜索策略,以增强算法的整体性能.为验证本文方法性能,在一套包含28个测试函数的通用测试集上进行了大量实验,与5种求解MVOPs的知名EAs进行了对比,结果表明本文方法有更好性能.此外,在一个实际MVOP上,即焊接梁设计问题,本文方法能取得目前已知最好解.本文方法为计算机算法设计和分析领域的相关工作提供了新的思路.

面向流形数据的加权自然近邻密度峰值聚类算法

流形数据由一些弧线形类簇组成,其特点是同一类簇的样本间距离较大.密度峰值聚类(DPC)算法具有简单高效的特点,但应对流形数据时表现不佳. DPC算法的两种密度度量标准可能造成不同程度的信息缺失,其分配策略仅参考距离和密度,致使聚类精度不高.提出面向流形数据的加权自然近邻DPC(DPC-WNNN)算法,定义样本局部密度时,综合分析样本的局部和全局信息,引入加权的自然近邻以及逆近邻来应对高斯核或截断核的信息缺失问题.设计样本分配策略时通过引入共享近邻和共享逆近邻计算样本相似度,弥补DPC算法空间因素缺失的问题.将DPC-WNNN算法在流形数据集和真实数据集上与7种类似算法进行比较,结果表明该算法能更有效地找到类簇的中心点并准确分配样本,表现出良好的聚类性能.

基于改进DeeplabV3+的水面多类型漂浮物分割方法研究

【目的】为解决传统图像处理方法鲁棒性差、常用深度学习检测方法无法准确识别大片漂浮物的边界等问题,【方法】提出一种基于改进DeeplabV3+的水面多类型漂浮物识别的语义分割方法,提高水面漂浮的识别能力。对所收集实际水面漂浮物进行分类,采用自制数据集进行对比试验。算法选择xception网络作为主干网络以获得初步漂浮物特征,在加强特征提取网络部分引入注意力机制以强调有效特征信息,在后处理阶段加入全连接条件随机场模型,将单个像素点的局部信息与全局语义信息融合。【结果】对比图像分割性能指标,改进后的算法mPA(Mean Pixel Accuracy)提升了5.73%,mIOU(Mean Intersection Over Union)提升了4.37%。【结论】相比于其他算法模型,改进后的DeeplabV3+算法对漂浮物特征的获取能力更强,同时能获得丰富的细节信息以更精准地识别多类型水面漂浮物的边界与较难分类的漂浮物,在对多个水库场景测试后满足实际水域环境中漂浮物检测的需求。

局部阴影下光伏阵列功率转换效率提升进展

光伏发电以其安全可靠、无污染和资源无限性等优点在新型清洁能源领域具有广泛应用前景。对近五年局部遮荫下光伏发电系统功率转换效率提升技术的研究进行了综述。分别从阵列结构改进和最大功率点跟踪算法两个方面分析局部阴影下光伏阵列系统功率转换效率提升方法。从原理、性能提升等方面分析光伏阵列结构对其最大输出功率点的影响,详细分析了TCT结构的重构和补偿方法;从传统最大功率跟踪算法和基于智能计算最大功率点算法两个方面介绍了各种最大功率点跟踪控制方法及相关改进、融合算法。最后,展望了该领域未来的研究方向,以期进一步提升光伏发电系统的工作效率。