新工科背景下工业软件复合型人才培养路径探析——以河南工程学院“特色化示范性软件学院”为例

工业软件技术是我国智能制造业高质量发展的重要组成部分。建设制造强国,高素质的工业软件人才是根本保障,如何培养既具备工业知识、又精通软件开发技术的复合型人才成为高校关注的焦点。该文立足河南工程学院“特色化示范性软件学院”的具体实际,总结了工业软件人才培养现状以及面临的困境,并对工业软件复合型人才培养路径进行探索研究,主要措施包括:明确人才培养目标;建立“软件+工科(专业方向)”特色工业软件专业方向体系;构建多模块课程体系,强化师资团队建设;深化产教融合,探索多主体协同育人模式。该研究为新工科背景下培养工业软件复合型人才提供了新思路,为我国工业软件产业创新发展、持续向好提供人才支撑。

结合离散余弦变换与离散小波变换的无损彩色图像加密算法

为使图像在网络中进行安全传输,结合频域领域的图像加密相关研究,提出一种新的彩色图像加密算法。首先将明文图像划分为三基色分量,执行二维离散余弦变换(DCT)得到DC和AC置乱序列;然后对置乱矩阵执行二维离散小波变换(DWT)得到4个子带矩阵,并对置乱后的子带执行逆二维小波变换得到用于扩散的二进制矩阵;接下来将二维十进制矩阵转化为三维二进制矩阵,并对两个二进制矩阵执行异或运算,将其转化为二维十进制矩阵;最后进行扩散操作得到密文图像。实验结果表明,该算法能有效抵抗明文攻击与非法者攻击。

基于BERT和CNN的评论文本情感分类应用研究

随着互联网应用的快速普及,用户在商品分析、服务评估、影视分享等众多领域发表了大量的评论文本。如何快速识别众多评论文本中的情感倾向,提高文本数据的应用价值,已成为自然语言处理领域关注的热点话题之一。针对此问题,基于BERT和CNN模型对资产维修服务的评论文本进行情感分析,将BERT模型输出的动态字向量送入CNN进行二次表征,并将其与文本序列向量相融合为分类器提供更多的语义信息。实验结果表明,所提出的方法在文本情感分类准确率、F1值上均取得了良好的结果,具有有效性,同时通过对评论文本进行情感分析形成对维修工人的综合评价,实现系统报修工单的智能派单,为企业资产管理系统中资产维修管理模块的优化提供一定的思路。

基于大数据技术的通信网络故障检测方法

由于传统方法在通信网络故障检测应用中不仅查全率比较低,而且检测时间比较长,现实检测效果不佳,提出基于大数据技术的通信网络故障检测方法。利用大数据处理技术对通信网络数据降维,并提取故障信号,通过对故障信号拟合处理,拟合成一个结构性数据文件,提取通信网络拥塞、网络分割、网络故障风险、以及网络匹配度等故障特征,利用大数据技术建立故障识别检测模型,对故障特征与大数据库数据匹配,识别检测到故障类型,以此完成基于大数据技术的通信网络故障检测。经实验证明,设计方法查全率在95%以上,检测时间为0.35s,在通信网络故障检测方面具有良好的应用前景。

基于OCC模型和贝叶斯网络的情绪句分类方法

情绪句分类是情绪分析研究领域的核心问题之一,旨在解决情绪句类别的自动判断问题。传统基于情绪认知模型(OCC模型)的情绪句分类方法大多依赖词典和规则,在文本信息缺失的情况下分类精度不高。文中提出基于OCC模型和贝叶斯网络的情绪句分类方法,通过分析OCC模型的情绪生成规则,提取情绪评估变量并结合情绪句中含有的表情符号特征构建情绪分类贝叶斯网络;通过概率推理,可以实现句子级文本的情绪分类,并减小句中信息缺失所带来的影响。与NLPCC2014中文微博情绪分析评测的子任务情绪句分类评测结果的对比表明,所提方法具有有效性。

多语言文本情绪分析模型MF-CSEL

现有的情绪分析方法大多针对单语言文本,但类似中英文混合的多语言表达方式被广泛应用于微博、Twitter等网络社交平台中,多语言文本情绪分析成为情感分析研究领域的重要问题之一.本文针对中英混合文本提出情绪分析模型MF-CSEL,首先基于CBOW模型训练词向量,提出新的词向量组合方式学习含有语序信息的文本向量,并针对不同语言分别提取文本情感特征,融合TF-IDF权值矩阵,最后通过代价敏感集成学习方法对多语言文本进行细粒度的情感分析.本文提出基于语义相似度的样本空间重构算法以平衡数据集,降低错分代价,使用代价敏感集成策略去融合基分类器SVM和NB的分类结果以得到最终实验结果.同NLPCC2018多语言文本情绪分析任务的评测结果对比,结果表明本文方法具有有效性.