基于宽残差网络的半监督路面裂缝识别方法

“村村通”工程改善了农民出行条件,但十多年过去路面破损严重,大多需要维修养护,路面裂缝是其中最常见的一种道路破损类型。为提高养护效率,需要对道路裂缝进行准确分类。本研究基于宽残差网络的Mix Match半监督深度学习模型,用于路面裂缝识别方法和分类。改进宽残差网络,设计算法Mix Match,降低数据标注工作量。所提方法仅使用10%的标记数据对路面裂缝识别准确率为91.25%,识别横向裂缝、纵向裂缝和龟裂的F1-score值分别为92.37%、96.20%和90.24%。与传统的VGG16、Res Net50、Alex Net、Mobile Net V3四种模型相比,准确率分别提高了8.08%、0.6%、8.89%、6.97%。实验结果表明,所提方法不仅能够提供路面裂缝的类别信息,减少样本标签标注的工作量,也可直接用于路面状况评价。

基于数学形态学的路面裂纹图像分割方法

已有裂纹图像分割方法无法对较小裂纹特征进行具体描述,导致路面图像中的裂纹提取结果不全面等问题,为此提出基于数学形态学的路面裂纹图像分割方法。采用空间域处理方法对原始图像像素进行增强处理,通过正变换及逆变换得到新的路面裂纹图像,并划分出图像中的噪声类型;使用灰度值表示噪声,使用均值滤波法中的3×3模板表示离散图像的裂纹元素与噪声元素,并对路面裂纹图像进行去噪处理;利用经典数学形态学理论,对路面裂纹图像结构元素进行表达,在膨胀和腐蚀处理过程中判断裂纹的形式变化,实现裂纹分割。单一裂纹图像和复杂裂纹图像的实验结果表明:所提方法可以有效提取裂纹特征值,特征提取率为99.5%,并在不同噪声条件下具有较高的分割效率,可以满足路面裂纹检测需求。

基于蚁群算法的旅游线路优化

旅游成为当今休闲放松的重要方式,每位旅客受空间、时间和经济能力限制具有不同需求,因此游客面临的首要问题就是选择适合的旅游线路。针对宣城市丰富的旅游资源,利用蚁群算法对13个特色景点进行线路规划,然后建立带约束线路规划模型,并通过评价分析求得最优结果。实验表明:该方法能为不同游客推荐不同需求的旅游线路。

基于K-means聚类算法的在线学习行为分析

K-means算法是基于距离作用相似性度量的聚类算法,论文介绍K-means聚类算法的3个基本参数。通过对学员学习行为记录数据,运用K-means聚类分析算法,可以构建出电大学员行为特征,有效的改善在线资源的配置。

网络远程教育学习行为效果的分析研究

信息化教学手段迅猛发展,为电大学员学习带来前所未有便利。文中以电大宣城分校学员的学习行为研究对象,使用关联规则挖掘有效网络远程教育学习行为模式,对电大网络教育学习管理水平提高和学员学习评价模式的改善具有重要的意义。

大数据文件多线程并行加载

随着4G网络迅猛发展,智能移动终端普及,移动终端对加载大数据文件有着更高的需求。使用预处理多线程并发执行的方法来加载大数据文件,结果预处理多线程并行加载的方法明显提高处理器性能,通过使用BBP算法求圆周率模拟大数据文件加载可有效提高实验数据的准确性。。

基于校园一卡通消费行为分析 ——以宣城职业技术学院为例

随着智慧校园的建设,一卡通在校园中发挥重要的作用,在一卡通中存放大量数据,本文中使用 weka 调用Apriori 算法,分析我校贫困生消费情况,同时对全校消费额占比分析和刷卡次数占比分析,为学校管理层在降低学生生活成本和提供高效服务两方面提供数据支持。

网络学习环境下电大学员学习行为研究

网络技术迅猛发展,电大学员学习方式也发生较大改变.网络学习是电大教学重要组成部分,且以学员为中心网络学习模式受到广大学员喜爱.文中以《公共政策概论》课程为例介绍在线学习的特点,通过对电大学员网络学习行为调查研究,分析电大学员学习的特点,提出改善网络学习效果的建议.