课程思政在大数据教学中的探索与研究——以“数据挖掘算法基础”课程为例

立德树人是教育的根本任务,是高校的立身之本。结合专业学科特点与要求,将课程思政融入学科专业课程教学是思政育人的主要方法。通过分析数据科学与大数据技术专业课程特点,从课程的教学内容及对学生的能力要求两个方面设计思政教学。以“数据挖掘算法基础”课程中具有代表性的章节—KMeans聚类算法课程思政建设为例,阐述在讲授专业课程知识的同时,在教学设计中引入思政内容,从而引导学生形成正确的价值观,全面提高人才培养质量。

新工科背景下程序设计类课程思政一体化设计与实践

从计算机类专业核心课程——程序设计类课程入手,梳理4个课程目标(知识目标、能力目标、素质目标、思政目标),重构4层课程内容(教材、平台、案例、项目),探索3个结合(线上+线下、课内+课外、企业+学校),完善3种评价(过程、发展、定性),形成“4433”一体化课程开发思路;通过“稳教学方向、建教学团队、改教学资源、变教学评价、控教学过程”5个改革举措进行教学实践,打通思政教育的最后一公里,让专业课程真正承载起育人功能,使新工科的全面协同育人落实到细微之处。

传统的图像边缘检测算法的分析与比较

图像的边缘检测技术在数字图像处理当中是最重要的内容之一，是图像分割、目标区域识别、区域形状提取等图像分析领域的基础。该文分析了传统边缘检测算子的理论和特点，通过madab仿真实验，总结各算子进行边缘检测的优缺点。在数字图像处理和分析当中，寻求一种融简单、精确、抗噪能力强为一体的方法依然是非常重要的研究方向。

深度学习网络的毫米波全息成像图像重建

以提升毫米波全息图像分辨率为目的,提出基于深度学习网络的毫米波全息成像图像重建方法。设计毫米波全息成像系统,通过信号划分与混频滤波放大处理等过程计算目标对像回波信号的相位和幅度,将获取的数据传输至全息图像成像程序,得到毫米波全息图像。利用基于深度学习网络的图像重建算法对毫米波全息图像实施重建:处理毫米波全息图像数据,构建外部图像库;构建深度学习网络中的卷积神经网络模型,通过训练获取低分辨率图像与高分辨率图像间的映射关系;基于输入卷积神经网络模型的毫米波全息图像低分辨率图像块,获取高分辨率毫米波全息图像。采用残差结构优化卷积神经网络模型解决梯度弥散现象。测试结果显示该方法重建图像分辨率的两个评价参数图像重建精度与重建图像清晰度分别为97.5%和97.1%。

基于Spoc混合式教学模式的探索和实践

为了进一步提高教学质量,将信息技术与教育教学深度融合,以学生为中心,对《软件工程导论》课程探索基于Spoc线上线下混合的教学模式,提出该课程改革要解决的重要问题,并依托中国大学Mooc构建spoc课程,借助课堂派、QQ等多元化手段组织实施教学,并对教学改革成效进行分析,突出学生学习的自主性,提高就业竞争力。

课程思政背景下Python编程技术教学改革实践探究

为了解决程序设计课程面临的痛点问题,对Python编程技术进行课程思政教学改革,加强师资团队课程思政建设,深挖课程思政元素,优化课程结构,构建价值引领、知识传授和能力达成三位一体的课程体系。以学生为中心,探索线上线下混合式教学,革新授课形式与教学方法,将课程思政贯穿教学全过程,构建课程评价考核机制,加强过程考核。通过课程思政的教学实践,使得编程语言的学习得以具体化、工程化,从而达到了理论知识和实践有机结合,有效提高了学生的编程实践能力、项目开发能力,培养学生的工程化思维,落实立德树人的根本任务,全面提高了学生的综合素质。

漓江学院毕业生就业信息管理系统的设计与实现

为了减轻学院就业部门的工作量,提高工作效率,设计一个完整规范,互动性强而人性化的就业信息管理系统。本系统是一个基于B/S模式的毕业生信息管理系统,采用ASP.NET技术实现系统功能,采用Access数据库实现后台数据存储和管理功能,实现就业信息录入、毕业生资格审核、查看毕业生就业情况、信息查询等功能。

浅析古镇景区人文旅游资源的开发利用与保护——以乌镇景区古建筑资源为例

乌镇景区已不是单纯的“观光游”景区,而是一个集观光、休闲度假、商务会奖于一体的国际化的旅游目的地。目前,乌镇旅游股份有限公司相继保护开发了乌镇东西栅景区、乌村高端乡村度假区、古北水镇景区、濮院古镇、贵州乌江村等景区,已经形成景区连锁经营管理核心优势,已成为中国休闲旅游目的地的供应商。然而,在旅游开发的热潮中古建筑的保护也出现了一些问题,那么,如何在旅游开发中有效地保护古建筑,以达到经济效益与文化效益之间的平衡,则是本文研究的主旨所在。

基于深度学习网络的近红外人脸表情识别

近红外人脸表情识别主要依赖图像局部特征,提取特征受到干扰时,人脸表情识别准确率低。因此,设计深度学习网络的新型近红外人脸表情识别方法。依托于图像局部优化保留法重建图像结构信息,得到降维后的近红外人脸图像。应用点分布模型检测出人脸上所有关键点,抽取出人脸表情识别的感兴趣区域,运用深度学习网络架构搭建人脸表情分类识别模型,通过调整识别模型的参数得到人脸表情的识别结果。实验结果表明:所提方法识别结果的Acc平均值达到了0.95,很大程度提升了近红外人脸表情识别准确性。