基于Hadoop平台的GPU集群加速Apriori算法

针对Apriori算法在Hadoop平台下集群节点计算能力有限的问题,将并行能力较大的GPU与Hadoop相结合,提出一种GPU-Hadoop的计算结构算法。通过Hadoop平台的MapReduce框架,节点将Apriori算法的计算密集型任务交由GPU进行处理,以缩减运算时间。实验结果表明,改进Apriori算法在面对大规模数据集时具有较高的执行速度与计算效率。

基于多维状态参量和时间序列对电机的异常检测

针对传统对电机的异常检测常常出现误判或滞后的情况,采用基于时间序列对电机单一状态参量用AR拟合,同时利用SOM神经网络无监督的方式量化电机数据;然后,利用得到的量化序列结合AR曲线得到序列的转移概率,及早发现某种状态参量的异常变化;之后,DBSCAN算法挖掘多维参数之间特征关系来确定电机是否出现异常;最后结合实例说明该方法的检测过程,并对比验证了该方法的优越性。

基于OTSU分割和HOG特征的行人检测与跟踪方法

传统的HOG算法针对整幅图像进行行人特征提取,大量的非人窗口计算必然降低检测的准确率和效率;为此,提出一种基于OTSU分割和HOG特征的行人检测与跟踪方法;利用OTSU算法以最佳阈值分割图像,在分割区域的基础上进行Canny边缘检测,通过边缘的对称性计算确定行人候选区,继而采用经PCA方法降维后的HOG特征和隐马尔可夫模型对行人候选区进行检测验证;最后,以确定的行人区域为跟踪窗口,利用CamShift算法跟踪行人;多组实验结果证明,该方法的行人检测效率和精度均有所提高,跟踪性能稳定、可靠。

转型应用高校Fab Lab实验室建设与创新实践教学体系构建

地方本科高校以区域经济发展、地方人才需求和大学生就业为导向进行应用转型发展,是高等教育改革的重要组成部分,具有深化教学体系改革的影响和现实的重要意义。中山大学新华学院以转型过程中的创新实践教学体系改革为出发点,重点对Fab Lab实验室进行建设和管理,通过学校的Fab Lab实验室的运作实际案例来分析其教育理念和构建原则,探讨以Fab Lab创新模式来设置实践课程,引导转型发展过程中人才培养、专业认证、特色办学等各个环节的战略目标发展,有利于高等教育结构优化,为区域培养更多的应用技术复合型创新实践人才,也为地方经济发展做出更大的贡献。同时,大力推动"双师双能"型和创客教师的培养及学科的合理安排,在人才培养转变的需求下,可有效完成高校创新强校体制机制的顶层设计和创新实践教学改革。

高校以教学为导向的智慧教室的设计与构建

云技术、大数据存储和分析的技术不断发展,拉动了高校现代化教育的发展。智慧教室指明了智慧学习环境设计的发展方向,但往往过分关注设备,未能充分考虑实际教学。文章根据现有教育现状,以教学需求为主导,从软件结构和空间设计两个方面对智慧教室的实现进行了介绍,希望对智慧教室的构建实践提供借鉴。