校企深度融合 工学有机结合——高职院校软件技术专业人才培养模式的研究与实践

校企融合、工学结合是高职院校人才培养模式的科学定位。高职院校在软件技术专业人才培养上,应推行"校企深度融合、工学有机结合"人才培养模式,构建基于工作过程的课程体系,组建由企业、学校共同参与的多元化教学团队,创建共享、开放、互动的教学资源库,以培养适合软件企业岗位需求的高技能型人才,更好地满足区域经济与软件企业发展的需要。

基于智慧校园的数据接口处理系统设计与实现

随着"大数据、云计算、物联网"等信息技术的迅猛发展,各高校由建设"数字校园"转向"智慧校园"的建设,取得了一定成效,提升了高校信息化的整体水平。同时,各种信息系统的增多,各信息系统之间存在着大量基础数据的共享与交换,各系统之间采用的开发平台及后台数据库不同,数据存储结构也不同,导致各系统之间的数据共享、数据转换及数据同步成为智慧校园建设中必须解决的问题。针对上述问题,文中设计并开发了专门的数据接口处理系统,进行数据分析、数据类型匹配、异常数据处理,能够自动进行各数据库系统之间的数据转换、数据同步操作,能够完整全面地将数据导入目的数据库系统,解决高校智慧校园建设中各类信息系统之间的数据兼容、数据共享、数据同步等问题。

K-means算法在电信CRM客户分类中的应用

面对电信市场竞争的日益加剧和信息技术的迅猛发展,电信运营商必须建立以"客户为中心"的管理模式,将客户进行分类,针对不同的客户,研究出相应的营销策略。数据挖掘中的K-means聚类算法能对大型数据集进行高效分类。对K-means算法进行改进,使其能够应用于复杂的电信客户关系管理,实现更加准确和全面的客户分类。

改进k-means算法在电信CRM客户分类中的应用

电信市场的竞争在于客户的竞争,为了在激烈的竞争中保持优势,必须将客户进行细分,针对不同的客户,研究出相应的营销策略.K-means算法能对大型数据集进行高效分类,但对"噪声"敏感,聚类结果不准确,本文对该算法进行改进,使其能够实现更加准确和全面的客户细分.

基于DBSCAN算法的电信客户分类的应用研究

为了在激烈的市场竞争中取胜,电信企业意识到必须将客户分类,针对不同的客户研究相应的营销策略,DBSCAN算法能够实现客户分类,但对初始参数E和MinPts的取值非常敏感,不同的取值将产生不同的聚类结果,通过对DBSCAN算法进行改进,实现了更加准确和全面的客户分类。

基于CNN深度学习模型的大学生课堂行为检测研究

为了切实提高职业院校教师课堂教学质量,对学生在专业课程课堂中表现出的各类上课行为进行检测分析,从而量化判断学生是否专注于课堂和教师的实际教学效果,达到提高教师课堂教学质量和督促学生专注课堂学习的目的。本文提出将卷积神经网络CNN深度学习模型应用于学生课堂行为检测识别,实现对学生是否专注课堂学习的行为进行分类。实验证明,该卷积神经网络能够对检测目标特征进行深度特征提取,并且对学生上课中的课堂行为检测取得良好的识别效果。

基于深度学习人脸识别技术的课堂行为分析评测系统研究

深度学习人脸识别技术已经非常成熟,并且应用广泛,但是将深度学习人脸识别技术应用于课堂行为分析评测的研究却非常少。因此,本文提出一种基于深度学习人脸识别技术的课堂行为分析评测系统,并将该系统应用于高职院校学生专业课程课堂行为分析。课堂行为分析评测系统从学生侧脸专注度、学生抬头低头专注度、眼睛张合度专注度三个方面来判断学生是否专注听课,为课堂教学中的学生课堂行为评价提供客观评价的依据。实验证明基于深度学习人脸识别技术的课堂行为分析评测系统可以正确判断学生的课堂行为,为课堂教学学生课堂行为评价提供依据,方便课堂教学管理与实施。

数据库原理与SQL SERVER精品课程建设改革与实践

为了培养适合软件行业岗位需求的高素质技能型人才,高职院校必须加强软件技术专业核心技能课程的改革,建设具有职业教育特色的课程,为学生提供优质的学习资源。结合精品课程——数据库原理与SQL SERVER的建设实践,从教学团队、教学内容组织、教学方法与手段、教学队伍、教材建设、实训基地建设、课程评价体系等方面进行研究,提出了加强高职院校精品课程建设的一些措施和方法。

基于CNN人脸识别模型的大学生课堂行为分析研究

本文提出一种基于卷积神经网络CNN人脸识别模型,并将该模型应用于高职院校学生课堂行为分析。实验证明,使用卷积神经网络深度学习框架提取人脸深度特征,构建深度学习人脸识别模型,完成人脸识别,相比传统的人工设计的人脸特征提取,大大提高人脸识别的准确率。学生课堂行为识别算法可以正确判断学生的课堂行为,为课堂教学评价提供依据,实现更有效地教学,切实提高教学质量。

基于深度学习的人脸识别技术在学习效果评价中的应用研究

人脸识别技术是目前计算机视觉中的热门研究方向之一,已经应用于很多领域中,但是将人脸识别技术应用于学习效果评价的研究却非常少。因此,本文提出一种基于深度学习框架的人脸识别分析算法,并将该算法应用于课堂行为的分析评测中,为课堂学习效果评价提供客观评价的依据。实验证明,基于深度学习的人脸识别算法可以提取更高层次的深度特征,实现更准确、更高效的人脸和人眼识别,分析识别结果判断课堂上学生的专注度,为学习效果评价提供客观量化的分析评测结果。

基于人脸识别技术的现代学徒制学习效果评价研究

近年来,全国都在推行现代学徒制试点,并且取得了一定的成效。但是,对于如何客观评价在现代学徒制人才培养模式下的实施效果的研究比较少,而基于人脸识别技术的现代学徒制学生学习效果评价的研究就更少了。因此,本文提出一种基于人脸识别技术的课堂专注度算法,并将该算法应用于现代学制班学生学习效果评价,为学生的学习效果评价提供客观依据。实验证明,该算法可以实现人脸识别和人眼的准确定位,通过学生眼睛的张合度判断其课堂专注度,为学生的学习效果提供客观量化的评测结果。

基于现代学徒制的高职软件技术专业课程体系研究

现代学徒制本质上是一种基于企业本位的职业教育,与学校本位的职业教育形态具有不同的课程体系。但从目前国内现代学徒制开展情况来看,大多还是从学校本位的角度构建课程体系,没有进行课程体系设计和学徒的系统培养,未构建具有现代学徒制特点的课程体系。基于上述问题,本文拟提出以企业本位创建课程体系,构建具有现代学徒制特点的模块化课程体系,重点解决现代学徒制人才培养模式下,高职软件技术专业课程体系开发的问题。

基于深度学习抗遮挡的多目标跟踪研究

多个运动目标跟踪是计算机视觉研究中的一个难点,具有较大的挑战性。目前研究较多的是单个运动目标跟踪,相比之下,多个运动目标跟踪的难度更高。多目标跟踪会因各运动目标之间相互遮挡,而造成跟踪漂移的问题,最终无法完成目标跟踪。针对此问题,本文将深度学习框架应用于多运动目标跟踪,提出一种基于深度学习抗遮挡的多目标跟踪算法,用于智能交通视频多目标跟踪场景中。实验结果表明,基于深度学习抗遮挡的多目标跟踪算法,能够较好地解决跟踪漂移问题,提高了多目标跟踪的准确性。

基于现代学徒制人才培养模式的教学实践研究

现代学徒制的课程教学在企业和学校这两大主体中进行,相比较而言企业更重要。因此课程教学具有鲜明的自身特点,需要解决企业课程和学校课程实施、两个主体之间的课程关系、教师在课程实施过程中扮演的角色、课程评价等问题。但是目前大多的课程教学还是停留在基本的学校授课方法和顶岗实习层面。未形成清晰的现代学徒制课程教学实施方法,基于上述问题,本文拟提出构建具有现代学徒制特点的模块化课程体系,重点解决现代学徒制人才培养模式下,高职软件技术专业教学实施的问题。

基于大数据安全技术及深度特征的鲁棒视觉跟踪

针对光照变化、目标旋转、背景杂乱等复杂条件下,核相关滤波KCF算法出现目标跟踪漂移或者失败的问题,本文利用卷积神经网络(CNN)对跟踪目标出现光照、旋转、背景杂乱等复杂变化极具鲁棒性的特点,提出了一种基于卷积神经网络的鲁棒视觉跟踪算法CKCF。CKCF算法在考虑大数据安全和隐私保护技术的前提下,利用海量的图片数据集训练VGG模型提取目标深度特征,并融入改进后的KCF跟踪算法中,实验结果表明,与KCF算法相比较,该算法实现了更加鲁棒的跟踪效果,解决了KCF跟踪算法在光照变化、目标旋转、背景杂乱等复杂条件下目标跟踪漂移或者失败的问题。

现代学徒制下基于企业本位动态调整机制的模块化课程体系研究

高职院校现代学徒制课程体系应紧社会职场需求,不断进行调整,基于企业本位的现代学徒制职业教育,其课程体系调整也应该是基于企业本位动态调整。但从目前国内现代学徒制课程体系的构建与调整情况来看,大多还是以学校本位角度来构建与调整专业课程体系,基于上述问题,文章拟提出基于企业本位动态调整机制的模块化课程体系构建,重点解决现代学徒制人才培养模式下,准确定位每个职业方向的技能要求,根据课程体系动态调整原则设计动态调整机制标准以及企业本位课程体系职业方向模块的问题。

现代学徒制下基于企业本位动态调整的模块化课程体系教学实践研究

在信息技术日新月异的时代,基于现代学徒制人才培养模式的课程体系教学实施应该以企业为主体进行,并且不断动态调整优化课程体系,也因此为教学实施带来系列问题。由于其动态性,学生所选职业方向模块不同,使得教学与学生管理以及学习效果评价变得更为复杂,因此基于企业本位动态调整机制的模块化课程体系教学实施,在教学模式、学生管理方式以及学习效果客观量化评价等方面面临着较大的挑战。基于上述问题,文章拟提出线上线下融合教学模式、双导师学生管理方式、基于人脸识别技术的学生专注度客观评价学习效果,解决实施现代学徒制下基于企业本位动态调整的模块化课程体系教学实施的问题,并取得了一定的成效。

基于大数据的分布式隐私保护聚类挖掘算法研究

随着云计算和移动互联网技术的迅猛发展,网络上每时每刻都产生海量的数据,在大数据时代,数据大多采用分布式存储,存储在多个相互独立的站点上,典型的数据挖掘算法已不适应大数据背景下数据挖掘的相关隐私数据安全方面的需求。在大数据背景下,进行分布式数据挖掘,面临着要解决数据安全保护和隐私泄露等方面的技术问题。因此,本文将同态加密技术应用于典型的K-means聚类挖掘算法,设计一种基于大数据的分布式隐私保护的PP-kmeans算法,实验表明,该算法可以实现数据隐私安全保护,并且达到较为精确的大数据聚类挖掘效果。

基于项目合作的软件技术专业教学团队建设研究与实践

为了提高高职软件技术专业人才培养的质量,教学团队建设改革是关键。本文分析了目前高职院校软件技术专业教学团队建设中存在的主要问题,从双师型师资队伍的互培、课程资源的共建、教学团队建设的评价与考核等方面,探索基于项目合作的专业教学团队建设,提升教师的职业能力,增强高职院校服务地方经济建设的能力。

分类算法及其在电信客户保持的应用

由于电信市场竞争日益激烈,为了保持客户,防止客户流失,提升企业的竞争力,利用DBSCAN算法对流失客户群数据进行划分,分析客户流失原因,结合决策树ID3算法进行客户流失预测,实验结果表明,两种算法的结合,使得客户流失预测准确率得到较大提高.