项目教学法在通信类课程中的应用研究

随着通信行业的快速发展,社会对通信专业人才提出了更高的需求。为了提高各高校的通信类课程教学质量和效率,培养更多高能力、高素质的通信专业人才,高校必须创新完善课程教学模式。项目教学法作为一种先进的教学方法,能够通过将其融入通信类课程实践教学中,丰富实践教学内容,充分激发学生的学习兴趣和热情,帮助教师更好地挖掘学生的最大学习潜能,培养他们良好的自主探究学习能力与创新实践能力。本文将进一步对项目教学法在通信类课程中的应用展开分析与探讨,以期为相关从业者提供科学参考意见。

基于汽车应用的电子技术类课程教学实践研究

随着国民经济的不断增长,科学技术的不断创新,我国各个行业建设发展水平得到了显著提升,市场环境对电子专业人才提出了更高的需求。高校要想为市场培养输送更多高能力、高素质的专业人才,就必须强化电子技术类课程教学创新改革工作,结合市场发展趋势要求与学生实际学习情况,优化改善课程教学内容与方式,确保能够全面提升该项课程教学质量水平。本文将以汽车行业为例,进一步对电子技术类课程教学实践展开分析与探讨,旨在为相关从业者提供科学参考意见。

基于改进Faster R-CNN的钢板表面缺陷检测

针对钢板表面缺陷检测过程中出现的检测精度不高、小缺陷定位不准、误检率和漏检率高的问题,提出一种改进的快速区域卷积神经网络(faster region-based convolutional neural network,简称Faster R-CNN)算法.实验结果表明:相对于CNN(convolutional neural network),YOLOv3(the third version of you only look once),SSD(single shot multibox detector)和YOLOv5(the fifth version of you only look once)算法,该文算法的检测平均精度均值最高、缺陷定位最准确、分类成功率最高.因此,该文算法具有有效性.

基于CR-RFPR101的钢板表面缺陷检测

针对钢板表面缺陷种类多、背景复杂、检测精度低等问题,文章首先对钢板表面缺陷数据集进行数据增强,并对原始Cascade区域卷积神经网络(region-basedconvolutional neural netwroks,R-CNN)算法进行改进,将ResNeXt-101-64×4d作为Cascade R-CNN算法的骨干网络,优化特征提取模块,利用递归特征金字塔(recursive feature pyramid,RFP)网络以反馈连接的方式进行特征优化,提出一种CR-RFPR101(Cascade R-CNN RFP ResNeXt-101-64×4d)的检测算法,以更好地保留细节和语义信息;同时使用可切换的空洞卷积替换主干网络的卷积层,以改变感受野的方式提高检测性能;最后使用引入软化非极大值抑制算法,保留有效信息,提高识别率。经实验验证,CR-RFPR101算法的检测率为83.4%,比原Cascade R-CNN算法提高了7.3%,满足了钢板表面缺陷检测要求。

基于改进RetinaNet-GHM算法的钢板表面缺陷检测

针对传统钢板表面缺陷检测方法效果差、缺陷定位不准确等问题,提出一种基于改进RetinaNet-GHM的深度学习检测算法。首先,引入路径聚合特征金字塔网络融合浅层和深层语义信息,提升网络对小目标的检测效果;然后,使用GHMC和GHMR损失函数对缺陷进行分类和定位;最后,引入高斯形式的软化非极大值抑制算法,提高检测精度。实验结果表明,改进的RetinaNet-GHM算法的平均精度均值为76.7%,裂纹、夹杂、斑块、麻点、压入氧化铁皮以及划痕六类缺陷的平均精度分别为45.2%、88.2%、94.2%、86.1%、65.1%和87.4%。通过与其他经典算法相比,改进的RetinaNet-GHM算法具有较好的检测效果.

一种空中快速手写连续字符识别方法

为改善空中手写连续字符的识别效果,本文提出一种快速的识别方法,利用目标跟踪模型生成空中连续字符的轨迹图像,再利用连续字符识别模型识别轨迹图像。目标跟踪模型采用改进的高帧率孪生网络,连续字符识别模型采用改进的残差循环神经网络。实验结果表明,目标跟踪模型的帧率达到175.5 fps,连续字符识别模型的帧率达到30.8 fps,识别率达到91%。

基于L1范数损失的非平行支持向量回归机

针对NPSVR训练速度和预测精度问题,提出一种基于L1范数损失的非平行支持向量回归机L1NPSVR模型,用于预测数值输出。L1NPSVR通过求解两个较小规模的凸规划问题,建立一个ε_(1)-不敏感的下界函数和一个ε_(2)-不敏感的上界函数。在L1NPSVR模型中,每个优化问题同时最小化训练样本的L1范数损失和铰链损失,以保证模型的稳定性,减轻噪声和异常值的影响。L1NPSVR通过求解一对更小的优化问题来提高模型的运行效率。仿真结果验证了所提出方法的可行性及有效性。

具有间隔分布的抗噪声非平行支持向量机

针对非平行支持向量机(NonParallel Support Vector Machine,NPSVM)对噪声敏感和忽略了数据分布结构的问题,提出了一种具有间隔分布的抗噪声非平行支持向量机(Anti-Noise NPSVM with Margin Distribution, MDANPSVM)分类模型.在MD-ANPSVM模型中,每个优化问题同时最小化两类样本的基于L1范数的绝对损失和改进的铰链损失,这可以保证模型的稳定性,减小噪声和异常值的影响.此外,在MD-ANPSVM模型中,采用一阶和二阶统计量来描述训练数据的间隔分布信息,并试图同时最大化间隔均值和最小化间隔方差,这进一步提高了模型的泛化性能.最终,我们在不同的数据集上进行了对比实验.实验结果显示,MD-ANPSVM模型具有较强的泛化能力和强鲁棒性.

一种改进的最小二乘孪生支持向量机分类算法

提出了一种新的模式分类器,即广泛权重的最小二乘孪生支持向量机.该支持向量机在正、负两类样本上广泛地增加权重,很好地抑制了交叉噪声样本对数据分类的影响.其次,根据间隔最大化原理,该支持向量机在目标函数上增加了一个正规化项,实现结构风险最小化和避免在求解该目标函数时可能对病态矩阵求逆的处理.同时,提出了利用一种指数函数计算训练样本的密度来获得样本权重值的算法.该算法能够有效缩减计算权重的时间,且具有较强的鲁棒性.实验证明本文提出的广泛权重的最小二乘孪生支持向量机能够实现高精度和高效率的分类效果,而且特别适合于含有交叉噪声样本的数据集分类.

一种纸币识别系统的设计

介绍了一种纸币识别系统的硬件设计和对应的识别方法。在硬件设计上，将高速数字信号处理（DSP）技术与复杂可编程逻辑器件（CPLD）和线阵型图像传感器（CCD）相结合；在识别方法上，应用图像处理技术与改进的SOFM神经网络方法识别纸币。实验证明，此系统达到了高速、实时、识别率高的要求。

基于深度学习的社区安防异常行为检测研究

在人工智能快速发展的浪潮下,社区监控安防体系得到逐步加强和完善,安防监控行业迎来了智能化升级阶段。在安防监控图像处理技术领域,传统的机器视觉算法很难做到高精度和快速识别监控中的异常行为。基于此,本文提出了一种基于Faster-RCNN+SlowFast网络的社区安防异常行为识别方法。该方法通过提取视频关键帧中时间和空间信息进行目标定位与行为分析,提高了识别精度和速率。通过实时分析视频监控中的人体动作,识别出社区中发生的打架、盗窃、破坏公物等行为,并将信息上报给社区安保系统。通过采取及时的预警措施,有效地维护了社区治安稳定。

自主式DSP实验教学研究与设计

针对现有DSP实验教学无法满足市场对DSP人才需求的问题,提出了自主式DSP实验教学方法。自主式实验教学方法包含提供自主式DSP实验设备、自主定制实验项目、自主设计实验方案、自主搭建实验电路与自主考核等内容。经实践表明,自主式DSP实验教学方法激发了学生的学习主动性,锻炼了学生的动手能力。

单片机原理与应用课程的教学改革探索与实施

针对现有单片机教学模式的弊端,提出了两种教改理念。一是用压力和兴趣把"让我学"改变为"我要学";二是提高课堂教学的各个环节的教学质量,包括引人入胜的实例、自制学习开发板以及循序渐进式的实验配置等。实施结果表明,该方案增加了学生的学习兴趣和积极性,教学效果良好。

基于角色交换的大学考试改革探索与实施

大学考试的形式多种多样，学生成绩一般是由平时成绩、实验成绩和期末成绩三部分加权得到的。但期末成绩是决定学生成绩高低的最主要部分。本文从消除学生的心理恐惧出发，以考试内容向学生部分开放的形式，提出一种师生角色交换的大学考试改革新模式。

具有强化学习策略的决策树算法

传统决策树在对不平衡数据进行分类时,提高正类的权重和舍弃部分负类的信息,造成负类的预测精度较低。文章引入强化学习思想,提出一种基于马尔可夫决策过程的改进决策树方法。根据马尔可夫决策过程、当前分裂特征的标准化互信息和马修斯相关系数作为信息增益率的奖励或者惩罚,形成新的特征选择标准。实验结果表明,与其他传统方法相比,改进的马尔可夫决策树对非平衡数据整体的预测精度及负类预测精度均有提高。

改进YOLOv3算法的车辆信息检测

车辆信息检测是车型识别在智慧交通领域中的首要任务。针对现有的车辆信息检测技术在检测速度、精度以及稳定性方面存在的问题,提出了基于YOLOv3的深度学习目标检测算法——YOLOv3-fass。该算法以DarkNet-53网络结构为基础,删减了部分残差结构,降低了卷积层的通道数,添加了1条下采样支路和3个尺度跳连结构,增加了一个检测尺度,并通过K-均值聚类与手动调节相结合的方法计算出12组锚框值。最后通过迁移学习机制对YOLOv3-fass算法进行微调。在自研的车辆数据集上,YOLOv3-fass算法与YOLOv3、YOLOv3-tiny、YOLOv3-spp算法以及具有ResNet50和DenseNet201经典网络结构的算法做了对比实验,结果表明YOLOv3-fass算法能够更精准、高效、稳定地检测到车辆信息。

基于2维鲸鱼优化加权的WGG-Otsu算法的钢板表面缺陷图像分割

相对于1维Otsu算法,2维灰度级-梯度Otsu算法的抗噪声能力有所增强,但对受噪声影响较大的钢板表面缺陷图像的分割精度仍不高,且分割效率较低.为提高钢板表面缺陷图像分割的精度和效率,提出2维鲸鱼优化加权的灰度级-梯度Otsu算法.2维鲸鱼优化加权的灰度级-梯度Otsu算法能增大分布概率较低的阈值类间方差,减少背景与目标间差异对分割的影响.仿真实验结果表明,4种算法中,2维鲸鱼优化加权的灰度级-梯度Otsu算法的分割精度及效率均最高.

基于图的矿石颗粒图像检测技术

对于矿石颗粒图像,传统基于图的图像分割方法精度低。为了实现矿石颗粒图像的细分割,文章提出一种改进的基于图的图像分割方法。该方法重新定义了判定函数,度量了区域之间的关系,能够提炼出更多目标细节。所提分割方法获得了更为准确的结果,提高了精确度。

基于AHSVM-WOA的钢板表面缺陷分类算法

为了降低标签和特征噪声对钢板表面缺陷分类的影响,提出一种抗噪声的超球体支持向量机(anti-noise hypersphere support vector machine,简称AHSVM)分类模型.鉴于鲸鱼优化算法(whale optimization algorithm,简称WOA)能对AHSVM分类模型的参数进行寻优且能提高运行效率,提出AHSVM与WOA结合的AHSVM-WOA算法.4种分类算法对6类热轧钢板表面缺陷的分类结果表明,AHSVM-WOA算法有良好的分类效果,在抑制标签和特征噪声方面性能优良,缩短了参数选择的时间.

一种改进的钢板表面缺陷图像增强算法

针对钢板表面缺陷图像存在的光照不足、光照不均和对比度低等问题,提出了一种新的图像增强算法。首先利用小波变换将输入的缺陷图像分解成高、低频两部分分量;其次使用基于引导滤波的Retinex算法对低频部分进行增强;同时使用软、硬阈值去噪算法对高频部分进行增强;然后利用小波逆变换进行图像重构,并对重构的图像进行伽马变换。最后,对三种缺陷图像进行测试,其信息熵分别为7.08、7.33和7.57,峰值信噪比分别为47.25、36.33和48.58,图片对比度分别为127.91、134.32和166.03。实验结果表明,该算法具有很好的图像增强效果。