高等数学教学改革与应用型少数民族人才培养的研究——以贵州民族大学为例

在2014年贵州省高等学校教学内容和课程体系改革项目"高等数学教学改革与应用型少数民族人才培养的研究"的资助下,以应用型少数民族人才培养目标为指导,建立新的教学理念和样化的考核方式,制定分类教学大纲,结合数学建模思想方法和数学实验内容以提高学生的学习积极性。

《中华人民共和国公共图书馆法》实施五周年暨《贵州省公共图书馆条例》一席谈

文章主要根据2023年贵州省图书馆学会学术年会关于“《中华人民共和国公共图书馆法》实施五周年暨《贵州省公共图书馆条例》面面观”专题研讨会上八位嘉宾发言材料记录整理而成。

基于空间信息的鲁棒模糊C均值聚类的苗族服饰图像分割算法

针对苗族服饰图像中破损污渍、折叠痕迹、色彩差异大和噪声破坏等现象所导致的传统模糊C均值聚类(Fuzzy C-means,FCM)算法分割质量不佳问题,提出了基于空间信息鲁棒FCM算法,用于苗族服饰图像分割。通过均值滤波和中值滤波处理空间邻域信息,对应获得2种方法,并用一个加权参数调节模糊隶属度的稀疏性,旨在加强细节的提取和提高算法对噪声的鲁棒性。实验表明,对于被高斯噪声破坏的图像,基于均值滤波处理的改进算法,其划分系数提高约3.6%,划分熵降低约5.6%;对于被椒盐噪声破坏的图像,基于中值滤波处理的空间约束项的改进算法,划分系数提高约2.7%,划分熵降低约4.3%。该算法提高了对这类苗族服饰图像分割的质量,对于传统文化的传承具有非凡的意义。

互补空间信息和隶属度修正的直觉模糊聚类苗族服饰图案分割

苗族服饰图案分割对推动苗族服饰文化的数字化保护和传承具有重要意义。针对直觉模糊聚类算法鲁棒性差、对噪声敏感的问题,提出一种基于互补空间信息和隶属度修正的直觉模糊聚类苗族服饰图案分割算法。首先,该算法使用互补空间信息的加权平方欧式距离代替传统欧氏距离,用于提高算法的抗噪性能;其次,采用隶属度连接机制,减少算法的迭代次数,从而提升算法的运行速率;最后,利用图像的局部像素特征和空间关系,对邻域内的像素点赋予不同的权重来修正隶属度函数,以实现更为准确的分割。当混合噪声的密度为10%时,所提算法在合成图像数据集上的分割精度达到99.72%,在苗族服饰图案数据集上的划分系数和划分熵为97.23%和4.61%。结果表明,与相关算法相比,所提算法的分割精度更高、细节保留能力更强。

从贵州“村超”看传播如何助力乡村振兴——基于群众体育的新媒体营销思路

小县城搞出大动静,2023年的夏天对于榕江这座贵州小城来说注定不凡。一个足球踢出了680亿次网络大流量,全网直播在线观看人数超6亿。以传播为先手,将传播思维贯穿始终,成功打造的“村超”城市IP为榕江县带来了765.85万人次游客,同比增长52.2%;实现旅游综合收入83.98亿元,同比增长73.94%;其中过夜游客316.11万人次,带动夜间消费收入5.86亿元,同比增长253.2%。榕江探索出了一条IP赋能县域高质量发展的新路子。如此令人瞩目的数据,让笔者意识到,“村超”这个案例背后蕴含的方法论和思维方式或许能帮助和启发到全国县域的发展,能为文旅产业、品牌打造、社会治理、宣传营销、公共关系、民族文化等领域带来一些新的思考。

邻域信息加权的最小二乘投影双支持向量聚类

针对最小二乘投影双支持向量聚类(LSPTSVC)算法未充分利用样本邻域之间的潜在信息、实用性不强等问题,本文提出了一种高效的邻域信息加权的最小二乘投影双支持向量聚类算法。首先引入相对密度概念充分提取数据集中同类数据点之间的局部相似性信息,然后计算该点的相对权重,最后利用该权重获得数据点的加权平均值,来更好的反映同类样本的几何结构。实验结果验证了所提算法的有效性,结果表明本文算法在相似的计算复杂度下,相比现有方法取得了更好的聚类准确性,且在真实世界的医学数据集的实际应用中表现出良好的聚类性能。

损失函数下逐步二型删失数据广义Pareto分布参数的Bayes估计

基于逐步二型删失数据,在几种不同的损失函数下,选择广义Pareto分布,讨论其形状参数的Bayes估计。当尺度参数给定时,为θ参数引入Gamma分布作为先验分布,得到了几种不同损失函数下参数θ的Bayes估计的数学表达式,通过数值模拟方法,比较了几种损失函数下所得到的Bayes估计的效果。结果表明:在Linex损失函数下,广义Pareto分布参数的Bayes估计效果最优。

数据填补算法的参数优化问题

具体应用场景下,数据填补算法中参数的设定及优化是否合理将直接影响最终的填补效果,如K近邻中,k值选取过大将导致分类模糊,k值过小可能会导致分类错误;WKNN虽然在一定程度上缓解了该问题,但如何为不同缺失样本的k个近邻构造合理的权重组合又成为问题的核心。本文基于Bootstrap方法改进K折交叉验证法以优化k值;利用高斯函数进行加权,并使用动态调参法解决权重分配问题,基于R平台,在MAE、RMSE、MAPE准则下对3种算法进行评估,分别使用平台内置数据集Boston和UCI公开数据集ILPD,对不同缺失机制、不同缺失率、任意缺失列前提下的非完整数据集进行多次填补。实验结果显示:k=5时,K近邻及其改进算法的初期填补效果达到整体最优;本文使用的动态调参法具备一定的通用性;经过KFCVB、加权、动态调参改进而来的IWKNN填补法在不同应用场景下效果最优。

融入课程思政的数据结构教学改革探讨

高校是落实立德树人任务的主战场,课程思政是实现全方位育人的有效途径。数据结构是计算机类专业课程设置中的一门专业必修课,起着承上启下的作用。文章以该课程为例,介绍了课程思政的现状和面临的问题,提出对策和措施,并给出了一个具体的实施案例,最后总结了课程思政的成效。

结合非局部空间信息和KL信息的鲁棒FCM算法

针对传统模糊C均值(Fuzzy C-Means,FCM)聚类算法对噪声敏感的问题,提出一种结合非局部空间信息和KL信息的鲁棒FCM算法.首先,将灰度信息与非局部空间信息相融合,用于增强算法对噪声的鲁棒性;其次,在目标函数中引入KL信息,以便减少分割的模糊性.在密度为5%的混合噪声条件下,合成图像和自然图像的实验结果表明,该文算法的分割精度较高、鲁棒性较强,能较好地分割噪声图像.

论大数据视域下大学生自主学习能力的提升

信息时代促进了许多新的教学思想和教学方法的形成,同时也对传统的教学方法提出了严峻挑战。分析我国一些高校大学生自主学习能力的不足,立足于运用大数据技术手段对大学生进行精准培养,通过调整教学环节和改进教学方法提高大学生的自主学习能力,提出了一些教学环节和教学方法方面的改进策略,以期增进大学生自主学习能力。

不同缺失率下的数据填补算法稳定性研究

为了研究数据缺失填补算法的准确性和稳定性,文章基于完全随机缺失对完整数据集按不同缺失率进行挖空处理,然后使用6种算法对缺失数据进行填补,并重复执行多次,对比分析其准确性和稳定性,给出相应的置信区间。结果表明,混合迭代填补法准确性优于K近邻、缺失森林、加权K近邻等算法,其稳定性仅次于缺失森林;随着缺失率的增大,该算法准确性高的优势更加显著;当缺失率小于5%时,该算法的准确性和稳定性达到最佳。

逐步Ⅱ型删失数据下BurrⅢ分布形状参数的估计

基于逐步Ⅱ型删失数据,假设在每一阶段退出试验的样品是随机的情况下,对BurrⅢ分布中的形状参数进行估计。定义了BurrⅢ分布形状参数的极大似然估计、EM估计和贝叶斯估计三种估计方法的估计式。同时,给出了EM估计的近似置信区间与贝叶斯估计的HPD置信区间。此外,利用Monte-Carlo模拟,对上述三种估计方法的效果进行了对比分析。模拟结果表明,在均方误差(MSE)准则下,贝叶斯估计优于EM估计,更优于极大似然估计,同时两种置信区间的区间长度近似。

新形势下高校毕业生“慢就业”现象探析——以贵州省为例

高校毕业生就业问题一直以来受到社会各界的关注,贵州身处西南一隅,其高校毕业生就业问题是国家筑牢脱贫攻坚成果和迈向乡村振兴道路上稳定民心的关键一环,是贵州高校工作的重点。近年来,受国内外多重因素的影响,贵州高校毕业生“慢就业”的特点逐渐凸显出来,影响着高校、社会、家庭等各层面,不利于学生成长成才。文章结合当下贵州学生的“慢就业”现状,具体分析学生“慢就业”现象的成因及影响,以期引导学生积极就业、主动就业。

屏蔽数据下带变点的软件可靠性增长模型

屏蔽数据是可靠性工程中一种常见的缺失性失效数据。在考虑屏蔽失效和多变点的情况下,建立基于非齐次泊松过程的软件可靠性增长模型。该模型利用C-Chart方法估计软件失效过程中的变点位置;详细推导可靠性模型参数的极大似然过程,利用EM(Expectation Maximization)算法解决似然函数极其复杂的问题;利用Tomcat 5软件的失效数据进行模型性能对比分析,结果显示提出的可靠性模型具有较好的效果。

可靠性模糊局部信息C均值聚类算法的苗族服饰图像分割

传统的模糊C均值(FCM)算法容易受到噪声的影响,难以对具有褶皱、污渍和色彩差异大的苗族服饰图像进行有效的分割。本文提出可靠性模糊局部信息C均值聚类算法,在FCM的目标函数中增加一个模糊因子来度量局部的相似性,充分结合空间信息与灰度信息,提高对噪声的鲁棒性。此外,引入一个模糊不确定性聚类模型,对像素进行可靠性分析,进一步降低噪声点和边缘点的影响。利用含噪的苗族服饰图像进行实验,实验结果表明本文所提算法对含噪的苗族服饰图像分割效果好,对于褶皱、污渍及色彩差异大的苗族服饰图像,本文所提算法都获得最高的划分系数和最低的划分熵,分割质量均优于对比算法。

区间删失数据下比例风险模型的概率填补方法

在生存分析中,填补是删失数据下比例风险模型回归分析的重要方法。在区间删失数据下,单点填补的方法存在参数估计不稳定,本文在混合插值的基础上提出了一种概率填补方法,该方法利用删失数据集的深层信息,依概率进行有效填补。经模拟和实证分析论证,在区间删失数据下比例风险模型回归分析中,概率填补方法比目前单点填补方法的参数估计更稳定。

基于内嵌物理信息神经网络求解空间分数阶扩散方程

利用内嵌物理信息神经网络方法(PINN)求解一类具有分数拉普拉斯算子的空间分数阶扩散方程,获得分数阶偏微分方程的数值解。首先将分数阶导数项采用有限差分离散算子后嵌入PINN进行求解,并借助自动微分技术进行求导;然后建立了训练误差函数,并给出方程初边值问题的相关算法,分析了神经网络的学习速率和数值误差;其次,给出数值例子,验证了用该方法求解空间分数阶扩散方程的有效性。

融合时空信息个性化旅游兴趣点推荐算法

针对个性化旅游兴趣点推荐算法中存在的问题,如忽视序列图中节点间的时空信息及未能充分利用空间相关性,本文提出了一种融合时空信息个性化旅游兴趣点推荐算法。运用自注意力机制获取用户的动态信息,将其作为图神经网络中用户和兴趣点的时空特征,并参与领域信息的聚合。实验表明,该算法具有可行性,能够有效提升推荐性能。

基于多尺度特征融合的跨视角步态识别

在跨视角步态识别中,针对衣着遮挡情况下难以提取具有可辨别性和多样性的步态特征,导致识别准确率下降的问题,提出了一种基于多尺度特征融合网络的跨视角步态识别方法。该方法能够有效利用步态特征间的互补性,获得具有可辨别性和多样性的步态特征,从而解决因衣着遮挡造成可辨别性差以及单一性的问题,进而提升跨视角步态识别的准确性。为验证所提方法的有效性,在公共数据集CASIA-B上进行了验证,实验结果表明所提方法在处理具有遮挡条件下的跨视角步态识别问题的识别性能达到了73.4%,同时在正常和背包两种行走条件下的识别性能分别达到了95.5%和88.0%。此外,我们的方法在处理遮挡条件下的识别性能优于同类典型的步态识别方法。