基于对比共识图学习的多视图属性图聚类算法

多视图属性图聚类可以将具有多个视图的图数据的节点划分到不同的簇中,近年来受到了研究者的广泛关注。目前,已有许多基于图神经网络的多视图属性图聚类方法被提出并取得了较好的聚类性能。然而,由于图神经网络难以处理数据收集过程中出现的图噪声,因此基于图神经网络的多视图属性图方法很难进一步提高聚类性能。为此,提出了一种新的基于对比共识图学习的多视图属性图聚类算法,以降低噪声对聚类的影响从而得到更好的结果。该算法包括4个步骤:首先,使用图滤波消除图上的噪声,并同时保留完整的图结构;然后,选择少量节点来学习共识图,以降低计算复杂度;随后,使用图对比正则化来帮助学习共识图;最后,利用谱聚类获得聚类结果。大量的实验结果表明,与当前最先进的方法相比,所提算法能够很好地减少图数据中噪声对聚类的影响,并以较高的执行效率取得良好的聚类结果。

基于加强特征提取的道路病害检测算法

针对道路病害区域小、类别数量不均衡导致检测困难的问题,提出基于YOLOv7-tiny的道路病害检测算法RDD-YOLO。首先,采用K-means++算法得到拟合目标尺寸更好的锚框。其次,在小目标检测支路上使用量化感知重参数化模块(QARepVGG),增强浅层特征提取,同时构建加强注意力模块(AM-CBAM)嵌入颈部的3个输入,抑制复杂背景干扰。然后,设计特征融合模块(Res-RFB),模拟人眼扩大感受野融合多尺度信息,提高表征能力;另外,构造轻量级解耦头(S-DeHead)提高小目标检测精确率。最后,采用归一化Wasserstein距离度量(NWD)优化小目标定位过程,并缓解样本不均衡问题。实验结果表明,与YOLOv7-tiny相比,RDD-YOLO算法在仅增加0.71×10^(6)参数量和1.7 GFLOPs计算量的成本下,mAP50提高6.19个百分点,F1-Score提高5.31个百分点,并且检测速度达到135.26 frame/s,满足道路养护工作中对检测精度和速度的需求。

快速湿润过程中钾和钙离子浓度对土壤团聚体稳定性的影响

为探索土壤团聚体稳定性对电解质的响应情况,该文研究湖北省2种土地利用方式下(林地、耕地)的3种类型土壤(黄褐土、黄棕壤、棕红壤)团聚体,在不同浓度(0、0.005、0.01、0.02、0.05、0.08、0.10、0.20 mol/L)电解质(KNO_3、Ca(NO_3)_2)溶液中快速湿润时的稳定性和破碎过程。结果表明:1)浓度低于0.1 mol/L时,团聚体稳定性随电解质浓度增大而减小;2)团聚体稳定度AS随湿润时间呈双指数衰减,与纯水相比,棕红壤和林地黄褐土的破碎过程受电解质溶液影响尤为显著,黄褐土和耕地黄棕壤在电解质溶液中迅速全部破碎;3)初始阶段团聚体破碎能量与土壤粉粘比和有机质含量呈负相关,与铁铝氧化物含量呈正相关。总之,团聚体稳定性随电解质溶液浓度增大而减小,且相对于纯水,团聚体在电解质溶液中破碎更快。

基于层次分析法的网络课程质量模糊评价研究

文章运用系统工程的层次分析法来确定网络课程评价指标的权重,并在此基础上引入模糊数学的综合评价方法,结合实例,说明该方法对网络课程的评价具有良好的实用性。

基于网络课程的远程教师培训导学策略研究

文章以远程教师培训项目的时间为序,结合具体的网络课程实例,探讨了提高远程教师培训导学效率的策略。

远程培训中导学策略探究——以网络课程《教学媒体视觉传达设计》为例

导学是远程教学模式中的一个关键环节。本文以远程培训项目中的时间为序,结合网络课程《教学媒体视觉传达设计》开展的实例,探讨了提高远程培训中导学效率的四个策略。

黄麻纤维加筋条件对崩岗岩土无侧限抗压强度的影响

借鉴剑麻等天然纤维加筋土的研究成果,初步确定包括加筋长度、加筋率、加筋位置3种因素的崩岗岩土黄麻纤维加筋条件,通过无侧限抗压强度试验和正交试验设计方法,选出崩岗不同层次土体的最优加筋条件为红土层01:加筋长度为15mm,加筋率为0.35%,加筋位置为整体加筋;红土层02:加筋长度为15mm,加筋率为0.25%,加筋位置为上部加筋;砂土层03:加筋长度为15mm,加筋率为0.35%,加筋位置为整体加筋;碎屑层04:加筋长度为15mm,加筋率为0.30%,加筋位置为下部加筋。通过对比黄麻纤维加筋土和未加筋土的应力应变特性,结果表明:在最优加筋条件下崩岗4层土体的无侧限抗压强度比未加筋土体分别提高了27.81%,29.73%,23.26%,39.58%;未加筋土无侧限抗压强度与加筋土无侧限抗压强度存在线性回归关系(R^2=0.977 9);同时黄麻纤维加筋还限制了土体的横向变形。研究成果为利用生物材料改良崩岗岩土力学性质,提高崩岗稳定性提供科学依据。

一种高效的随机分块图像隐写算法

嵌入效率高和隐藏信息量大的信息隐藏算法,已成为信息安全领域研究的一个热点。通过对该类信息隐藏算法的分析,提出了一种高效率的随机分块信息隐藏算法ERS(an Efficient high payload and Ran-domly selected sub-blocks image Steganography)。实验与分析结果表明:该算法不仅能够减小对载体的修改,提高嵌入效率,而且其算法实现简单、计算量小,性能优于其他算法。

基于多任务学习的国际疾病分类自动编码模型

国际疾病分类(International Classification of Diseases,ICD)编码任务是将疾病编码分配给电子病历,每份电子病历分配一个或多个ICD编码。现有的方法大多考虑临床文本中症状与诊断之间的关系,而对诊断与诊断间关系以及症状与症状间关系缺乏考量。针对这一现状,对于诊断与诊断间关系,构造编码共现任务,采用多任务的形式使得预测结果不依赖于标签之间的顺序关系,且不会进行错误预测的传播;对于症状与症状间关系,使用对比学习获取有意义的表征,学习同一临床文本中的症状一致性。通过以上任务的组合,构建基于多任务学习的ICD自动编码模型框架。在MIMIC-Ⅲ数据集上的实验表明,所提出的方法相较于优异模型在Micro-f1指标上提高了1.0%,在Micro-auc指标上提高了0.3%,在P@5指标上提高了0.7%。

运用虚拟学习团队拓展课堂教学的探索

文章在探讨虚拟学习团队概念的基础上,指出软件项目开发的相关课程的课堂外建立虚拟学习团队拓展课堂教学的可行性和必要性,并在此基础上提出了构建虚拟学习团队的一般策略。

一种双链路网络的设计与实现

为有效解决数字校园通信网络不稳定的问题,提出了基于逻辑双链路冗余的通信网络设计思想。对通信网络需求及特点进行分析,设计了通信网络的拓朴结构和方案,实现了通信网络的高可靠性。网络的实际运行结果表明了该设计思想的有效性和可行性。

一种多层安全的无线网络的设计与实现

为有效解决校园无线通信网络不稳定的问题,提出了基于一种多层防护的安全的无线通信网络设计思想。对无线通信网络需求及特点进行分析,设计了无线通信网络的拓朴结构和方案,实现了通信网络的高稳定性、安全性。网络的实际运行结果表明了该设计思想的有效性、可行性和安全性。

基于Petri网的发送-接收问题的建模与验证

通过对文献[1]中模型的分析,给出了一个实用性更强,功能扩展的发送者-接收者问题模型。通过允许外部环境加以控制,允许接收者强制取消接收、发送者(接收者)按定量模式工作,解决远程控制、流量控制等问题,最后对模型进行了验证。

网络安全ISA解决方案

本文作者通过对ISA与Windows2000Server操作系统的集成,为校园网络(WebServer等)提供基于策略的安全性、网络加速和互联网的管理,保证校园内网络资源的安全。

用“求新”的思维拓展小学语文作业的空间

小学语文作业可以开阔学生的视野、发展学生的个性，培养学生良好学习习惯和创新精神。但现阶段小学语文作业的设计却存在形式上墨守成规、内容机械重复、方式上封闭单一、忽略灵活创造的弊端。要改变这一现状，教师要以“求新”的思维进行作业的设计，要从语文学科的本质和教学需要出发，根据学生的年龄特征和发展需求，设计各类灵活、多变、新颖的作业，以激发学生完成作业的兴趣，拓宽学生的语文视野，提高学生的语文素养。

无人机倾斜航空摄影监测崩岗侵蚀量变化的方法

如何高效精确地监测崩岗的动态发育过程并且量化侵蚀量是崩岗侵蚀机理研究中的难点。该文以准专业级无人机对目标崩岗进行倾斜摄影获得的全方位多角度航空影像为基础,通过空三加密处理生成目标崩岗的三维点云模型;利用点云数据构建DTM,提取目标崩岗地形数据;运用多时相连续DEM相减的方法获取监测周期内崩岗的高程变化,计算侵蚀量并找到侵蚀严重的部位,再使用2.5D体积测算方法细化侵蚀严重的崩壁和沟头部位的侵蚀量,以此作为补充,最终获得监测期内的总侵蚀/沉积量体积并换算为泥沙量。最终结果验证的平均相对误差为9.69%,一个月监测周期内最大的绝对误差仅为0.303 3 m^3,满足监测要求。因此利用无人机倾斜航空摄影测量的方法监测崩岗侵蚀量是可行有效的,该方法可提取崩岗的所有地形信息,研究侵蚀泥沙的来源和侵蚀过程,是较为快速和精确的崩岗监测手段。

面向不完备混合数据的矩阵增量知识维护方法研究

现有邻域粗糙集模型可用于处理包含名义型和数值型两种类型共存的混合数据,但较少考虑混合数据的不完备性.本文从缺失值的两种语义解释出发,即"不关心值"和"丢失值",通过定义邻域特征关系和量化邻域特征关系,提出了面向不完备混合数据的两种新型邻域粗糙集模型,并给出了粗糙邻域近似知识的矩阵计算表达方法.此外,在属性集动态变化下,介绍了基于扩展邻域粗糙集模型的快速增量知识维护机理和方法.最后通过实例验证了所提出增量更新方法的有效性.

低年级口头作业有效设计策略研究

低年级语文作业的主要形式是口头作业.口头作业不仅能巩固课堂所学,还能有效提升口语表达能力,有利于减轻学生的学业负担.目前的口头作业存在缺少目标意识、缺乏形式创新、缺少有效评价等问题.有效的口头作业应按照规范的流程进行设计,要先制定作业目标,再进行作业设计,还要通过科学的分析对设计进行优化.在设计口头作业时,要基于目标,依据学情,创新作业形式,并明确评价的标准.只有这样,口头作业才能发挥它应有的作用,促进学生语文素养的提升.

基于目标,科学编制,优化单元评价设计——以统编教材三年级下册第四单元为例

单元评价是单元教学设计的最后一个环节,主要包括单元形成性评价和阶段终结性评价。阶段终结性评价即单元纸笔测试。单元纸笔测试题目的编制要基于单元目标,确定测试模块,填写双向细目表,编制题目,拟定参考答案和评价标准,以确保测试内容的精准、有效,促进学生语文能力和核心素养的发展。

CMvSC:知识迁移下的深度一致性多视图谱聚类网络

谱聚类是聚类分析中极具代表性的方法之一,由于其对数据结构没有太多假设要求,受到了研究者们的广泛关注.但传统的谱聚类算法通常受到谱嵌入的可扩展性和泛化性的限制,即:无法应对大规模设置和复杂数据分布.为克服以上缺陷,旨在引入深度学习框架提升谱聚类的泛化能力与可扩展能力,同时,结合多视图学习挖掘数据样本的多样性特征,从而提出一种知识迁移下的深度一致性多视图谱聚类网络(CMvSC).首先,考虑到单个视图的局部不变性,CMvSC采用局部学习层独立学习每个视图的特有嵌入;其次,由于多视图具有全局一致性,CMvSC引入全局学习层进行参数共享与特征迁移,学习多视图间的共享嵌入;同时,考虑到邻接矩阵对谱聚类性能的重要影响,CMvSC通过训练孪生网络和设计对比损失来学习成对数据间的近邻关系,以替代传统谱聚类算法中的距离度量;最后,4个数据集上的实验结果证明了CMvSC对多视图谱聚类任务的有效性.