计算机科学与技术专业实践教学体系改革与创新研究

该文以培养高素质创新型应用人才为目标,结合计算机科学与技术专业,对实践教学体系的改革进行了深入的研究与探索,构建了新的实践教学体系。阐述了实验教学模式的改革、实践项目的建立、实验室建设等环节,加强了学生的专业技能、培养学生的创新精神和应用能力。

谈谈高校计算机专业课程如何利用多媒体课件

文章以微型计算机原理课程为例,阐述了高等学校计算机专业课程教学中应如何更好的发挥多媒体课件的作用,在实际制作过程中,采用了Authorware7.0作为制作工具,在对教学内容、课件制作原理进行了整体分析之后,确定了本课件的主要模块:章节模块、控制模块和习题模块。

计算机专业英语课程教学改革的研究与实践

随着科技发展,具备计算机和英语两种专业知识和技能的复合型人才的需求量越来越大。因此,计算机专业英语的教与学显得尤为重要。该文介绍了计算机专业英语课程目前的教学现状,提出了计算机专业英语课程的理论体系,并依据此理论体系,制定了全新的课程体系,构建了交互的网络平台系统,提出了具体的课程改革实施方案,并将此方案应用于实际的教学中,取得了较好的成效。

基于VISUAL BASIC平台开发的计算机信息加密保护软件——Glove安全门

Glove安全门是一种对计算机中的重要信息进行加密保护的新型软件,详细地介绍了Glove安全门的基本概念和开发的关键技术以及基于Visual Basic语言开发Glove安全门软件的过程。

课程思政融入计算机实践教学——以Python语言课程设计为例

立德树人是高校教学的根本任务,本文针对计算机实践课程Python语言课程设计的教学特点和教学内容,设计了融入课程思政的教学方法和教学手段,将职业操守和数据伦理紧密地融入实践教学活动。围绕学生文化修养、道德修养、意识形态认同感、民族自豪感与爱国主义情怀、法治意识等五个重点教育内容,深挖课程思政的切入点和教学案例,不断优化Python语言课程设计的思政教育内容,建立了一个全过程、全方位、有案例的计算机实践教学中的“课程思政”方法。

面向学生生活需求的计算机文化基础实验教学模式初探

本文针对当前计算机文化基础实验教学的特点,提出了面向学生生活需求的实验教学方式,采用该方法,极大地提高了学生自主学习的积极性和创造性,并且取得了明显的效果,是一种值得推行的好的实验教学方法。

基于大数据技术的Cochran-Armitage算法的分布式研究与实现

Cochran-Armitage趋势检验是在基因组分析中非常重要的算法,其主要被用来完成基因型频率差异的统计检验。针对传统串行Cochran-Armitage趋势检验算法的计算耗时高和资源占用率高的问题,本文提出了基于大数据技术的分布式并行化Cochran-Armitage算法。首先将数据存储至分布式文件系统HDFS。然后逐条读取数据记录并提交至集群执行并行化的Map阶段和Reduce阶段。实验结果表明,分布式并行化的Cochran-Armitage算法相比于传统串行Cochran-Armitage算法,具有更快的计算速度和更少的资源占用等优点。

课程思政融入数据科学与大数据技术专业实践教学探索

文章针对数据科学与大数据技术专业的实践教学特点和教学内容,设计和改进了课程思政的教学方法与手段,将职业操守和数据伦理紧密地嵌入实践教学活动。围绕学生政治认同、中国精神、道德修养、法治意识、综合素养等五个重点教育内容,深入挖掘课程思政的切入点和教育资源,不断优化大数据实践教学中的思政教育内容,从而建立全过程、全方位、有案例的数据科学与大数据技术专业实践教学课程思政体系。

基于改进KSFA的非线性动态化工过程安全性研究

将核慢特征分析(Kernel slow feature analysis,KSFA)与Wasserstein距离相融合,实现基于改进KSFA算法非线性动态过程故障检测,可以有效提高对非线性动态化工过程的监控效率,从而提高生产过程的安全性。采用KSFA方法提取过程中具有缓慢变化的核慢特征矩阵,利用滑动窗口技术获取慢特征空间系数矩阵Wasserstein距离,通过已获取的Wasserstein距离值作为统计值并进行过程检测,最后,将所提出的方法通过一个非线性动态数值例子进行验证,通过与SFA和KSFA进行对比分析,验证本方法在非线性动态过程中的可行性。

基于增量式等距映射同双重局部密度方法的工业过程故障检测

针对工业过程的非线性和动态性问题,提出一种基于流形学习下的增量式等距映射(IISOMAP)与双重局部密度(DLD)相结合的故障检测方法(IISOMAP-DLD).利用IISOMAP将原始数据映射到低维流形特征子空间和剩余子空间;然后,在两个子空间中分别引入双重局部密度方法构建统计量对过程进行监控;最后,将IISOMAP-DLD方法应用到田纳西-伊斯曼(TE)过程.实验结果表明,IISOMAP-DLD对比其他方法有更高的故障检测率.IISOMAP在保留数据内在特征的同时,解决了过程的非线性问题,而双重局部密度方法可消除过程的动态性.

基于蝙蝠算法优化ESN的氯乙烯质量分数软测量模型预测

为解决氯乙烯因其精馏过程具有较强的非线性,无法实现对氯乙烯质量分数实时测量的问题,提出一种基于蝙蝠算法(bat algorithm,BA)优化回声状态网络(echo state network,ESN)的软测量模型BA-ESN.首先,通过对氯乙烯精馏过程的分析,选取模型的辅助变量,并将归一化处理后的数据作为模型输入变量;其次,由于回声状态网络中的权值和阈值都是随机产生的,影响其泛化能力,故采用蝙蝠算法对回声状态网络的输出权值进行优化,从而提高ESN模型的收敛速度;最后,将BA-ESN模型预测氯乙烯质量分数的预测结果与ESN模型和BP模型的预测结果进行对比.仿真结果表明:BA-ESN模型的预测精度较高,泛化能力和鲁棒性都较好,能够满足氯乙烯精馏过程实时测量的要求.

一种改进Canny算子的图像边缘检测算法

在移动机器人自主作业时,环境中往往存在障碍物,路径规划避障时要进行动态目标检测.Canny边缘检测算法可以与众多动态目标检测算法相结合,提高目标检测的效果.但是传统Canny边缘检测存在着自适应性不强,边缘检测可能不连续,或者检测虚假边缘的现象.本文提出了一种优化Canny边缘检测算法,通过改进的自适应中值滤波来预处理图像,对算法效率及对噪声点的处理做出了优化,紧接着增加梯度计算方向,最后结合改进的大津阈值分割法,提出了三阈值分割法代替原始的阈值分割法使图像边缘信息更加完整准确.仿真结果表明,该算法在边缘检测准确率上对比传统Canny边缘检测,Sobel算子与较新改进算法均有20%左右的提升,该算法优化了传统算法检测的连续性和准确率.

基于改进PCA的复杂多阶段过程故障检测

为解决复杂多阶段过程难以进行有效监控的问题,提出了时空近邻标准化和主成分分析的故障检测方法。TSNS使用从时间到空间上嵌套近邻集的均值和标准差标准化各阶段样本,能够将多阶段数据高斯化为单一阶段的数据,分离故障样本,同时去除前后时刻样本间的时序相关性。TSNS能帮助PCA有效克服动态性、非线性和多阶段特征的影响,显著提高PCA的故障检测率。通过使用青霉素发酵过程设计故障检测实验,将TSNSPCA与一些经典方法进行比较,发现其具有更高的故障检测率。

基于上下文方面记忆网络的方面级情感分析

基于深度记忆网络在方面级情感分析中的优势及针对相关工作中忽略上下文词与方面之间位置信息的不足,提出一种基于上下文方面记忆网络的方面级情感分析方法。不同记忆网络层关注上下文记忆不同部分,获取丰富方面感知上下文信息。为充分利用方面间信息,设计方面记忆网络更新模块,为所需方面生成邻近方面的语义和关系信息,在多计算层中的多头注意力机制输入采用两种策略计算上下文和方面词的相关性。在3个基准数据集上的实验结果表明,所提模型在性能评价指标的准确率和Macro-F1-score上与相关工作比较有一定提升。

混合神经网络用于滚珠丝杠热误差预测

为了减小数控机床热致定位误差影响,提高机床加工精度,这里建立了径向基神经网络(RBFNN)和时间序列(ARIMA)混合模型的变权值热误差预测方法。综合两个单一模型对数控机床热误差进行预测,利用逆向辨识优化算法分别获取两个单一模型的优化权值,得到变权值混合模型,使得热误差预测精度得到提高。将这里混合模型与RBFNN模型和ARIMA模型分别进行对比分析,结果表明混合模型(RBFNN-ARIMA)的预测精度明显优于单一RBFNN和单一ARIMA模型,证明了此算法的有效性。

压电俘能器接口电路的仿真与实验研究

为了提高涡致振动压电俘能器的能量收集效率和更好地适应接口电路负载变化,提出了一种增强型串联同步开关电感接口电路(ES-SSHI)。通过理论分析得到了接口电路能量收集效率的计算公式,然后利用Multisim电路仿真软件对增强型串联同步接口电路进行仿真分析,得到了接口电路输出功率随负载的变化曲线。最后实际搭建了涡致振动压电俘能器风洞测试装置和接口电路,对俘能器接口电路的实际采集功率进行测试和分析。结果表明ES-SSHI电路的理论功率为220μW,仿真最高输出功率为265.1μW,实验最高输出功率为98.2μW,输出功率相比目前比较流行的电路明显较高,同时负载适应性更强。

基于Swin Transformer生成对抗网络的图像生成算法

针对图像生成算法中生成对抗网络训练效率低且不稳定的问题,本文提出了一种改进生成对抗网络的图像生成算法(STGAN),该算法首先在判别器中引入Swin Transformer机制,来增强网络的判别能力;其次改进了生成器,使用自注意力代替卷积神经并且加入谱范数规范化,来达到平衡生成器和判别器的效果;最后使用Wasserstein距离作为损失函数,以提高网络的训练稳定性.实验数据表明,在CelebA和LSUN两种不同数据集上STGAN比自注意力生成对抗网络所生成图像的FID值分别降低了2.5266和5.4476,IS值分别提高了0.0941和0.0343.从实验结果可以看出,STGAN模型生成的图片具有非常高的自然度和逼真度,有效地提升了生成图像的质量和真实性.

基于ZYNQ平台的图像分类加速器设计与实现

随着信息技术的不断发展,机器视觉技术已被广泛应用于智能产线.智能制造生产过程中工件种类多、外观相似性高,而传统分拣方式速度慢、准确率低,已无法满足智能化生产的要求.采用机器视觉技术来解决智能产线中的工件分类问题已成为当前智能制造领域的热点.为提高智能产线中工件分类的效率,本文设计并实现了一种基于ZYNQ平台的图像分类加速器.针对现有的卷积神经网络模型参数量大、难以部署到资源有限的嵌入式平台的问题,提出一种参数量较少、易于在嵌入式平台部署的图像分类网络SortNet;针对卷积神经网络在嵌入式平台速度慢的问题,设计了一种卷积与激活函数同构化的处理单元(CAFI-PE)以及一种基于流水线的数据调用方法(PDCM),提高了卷积计算的速度.实验结果表明,本文提出的图像分类加速器对224×224大小的灰度图像处理速度可达40.98fps,而功耗仅为2.305W,能够满足智能产线对工件分类速度和功耗的要求.

基于渐进式多光谱图像的行人检测算法

针对现有单光谱图像的行人检测算法在全天候环境下工作效率差的问题,提出一种基于渐进式多光谱图像的行人检测算法。设计一种差分位置注意增强模块,嵌入到不同层次的双流CSP-Darknet53特征主干提取网络中,渐进式增强不同光谱之间的全局互补信息;采用跨模态互补信息融合策略对现有融合方法进行改进,利用全局特征引导多尺度特征融合,进行更鲁棒性的行人检测。实验结果表明,该算法在LLVIP数据集上mAP50值为97.2%,在FLIR数据集上获得84.6%的mAP50值,具有良好的检测性能。

采用双流网络结构的虹膜卷缩轮检测方法

针对虹膜卷缩轮检测易受干扰而导致边界定位波动的问题,提出一种基于双流网络结构的虹膜卷缩轮检测方法。在归一化图像中,利用双流网络结构分别提取结构特征和纹理特征。融合模块融合来自不同流的特征,得到初定位区域。对该区域进行滤波操作,去除噪声干扰。利用边缘梯度算子检测、提取卷缩轮。实验结果表明,该方法正确检出率为91.2%,边缘定位AP值为0.706,平均检测速度为2.3秒/幅,相比其它算法,存在复杂干扰的情况下,保证检出率和检测速度的基础上,降低了边界波动。