项目引导的三阶段—四课堂—两实践混合式教学方法探索——以数据结构课程为例

针对解决复杂工程问题所需要的抽象思维与创新实践能力培养需求,提出“三阶段—四课堂—两实践”的项目式线上线下混合教学新模式。以数据结构课程为例,详细阐述该模式的实施过程,并分析对提升学生自主学习能力、抽象思维、创新思维以及创新实践能力的积极作用。该教学模式突破了传统知识学习、方案设计与创新实践之间的界限,有效促进了学生解决复杂工程问题中数据结构设计等核心能力提升。

基于归一化编辑距离和谱聚类的轨迹模式学习方法

针对欧氏距离和Hausdorff距离等在描述目标运动轨迹差异性时度量不够准确的问题,提出一种基于归一化编辑距离和谱聚类的轨迹分布模式学习方法.首先对目标的运动轨迹进行矢量量化编码;然后采用归一化的编辑距离来度量轨迹编码序列之间的差异,得到归一化编辑距离矩阵;再通过该矩阵进行谱聚类来提取轨迹的分布模式;最后利用所提取的轨迹分布模式确定整条轨迹及其局部是否异常.通过仿真和真实场景的实验验证了该方法的有效性.

粒子群优化算法在求解平面选址问题中的应用研究

平面选址问题实质上是带约束的非线性连续函数优化问题。给出了用粒子群优化算法求解平面选址问题的过程描述,分析了算法的时间复杂度。该算法具有易克服局部最优和容易处理约束等优点,不需要进行特殊的编码和译码设计,算法实现简单。应用算例表明该算法是有效的,可以应用于类似优化问题的求解。

供电实时监测信息管理系统的设计与实现

采用 ＶｉｓｕａｌＣ＋＋工具，结合 ＡｃｔｉｖｅＸ技术；以电力参数测试仪和脉冲电度采集器为测量仪器，通过ＯＤＢＣ数据源访问和操纵数据库，成功地实现了工厂供电系统的实时监测及信息管理功能。

人体行为识别的Markov随机游走半监督学习方法

针对目前人体行为识别方法大都需要大量有标注样本的问题,提出一种基于Markov随机游走的半监督人体行为识别算法.首先提取序列图像各帧人体区域的网格统计特征,再采用基于对手惩罚策略的竞争神经网络对其进行聚类和编码,将图像序列表示的人体行为变换为符号序列;然后根据行为之间的归一化编辑距离建立已标注行为、未标注行为和类别之间的Markov链,并采用Markov随机游走过程来预测未标注行为的类别;最后采用最大后验概率准则对观测到的未知行为进行分类.对Weizmann数据集中人体行为的识别实验结果表明,该方法是一种有效的人体行为识别方法,在标注样本很少的情况下平均识别精度可以超过80%.

XML文档的信息查询算法的实现

针对简单的XML文档提出了一种信息查询的算法 ,并以Java语言给出了具体的实现。

一种基于HMM聚类的视频目标轨迹分析方法

针对视觉监控中基于运动轨迹的目标行为分析问题,提出了一种基于隐马尔科夫模型(HMM)聚类的轨迹分布模式提取和异常行为检测算法。首先为每一条运动轨迹训练一个HMM,并通过这些模型来计算轨迹两两之间的距离;然后对该距离矩阵采用主元分析法(PCA)降维并以降维后的每一行作为对应轨迹的特征进行模糊C均值聚类,接着为聚类后的每一类轨迹训练一个HMM作为其分布表达模型;最后利用这些HMM模型来检测给定轨迹所表示的目标行为是否异常。对不同场景的轨迹分析实验表明了方法的有效性。

基于级联网络和图搜索的轨迹模式学习算法

提出了一种基于级联竞争神经网络和有向无环图搜索的运动目标轨迹分布模式提取算法。采用级联竞争神经网络提取不同时序处流矢量的分布,根据轨迹点之间的时序转移关系构造有向无环图,通过深度优先搜索来获取轨迹分布的显式表示,并在此基础上给出了一种基于轨迹点对齐的异常轨迹检测方法。构造的级联网络自动隐含了轨迹点的时序关系,可以处理不同长度轨迹模式的学习问题。不同场景的仿真实验表明此方法可以应用于复杂场景下的目标异常行为检测。

红外图像的一种Type-Ⅱ模糊增强算法

提出了一种基于Type-Ⅱ模糊集的红外图像增强算法,该算法首先根据像素的邻域相关性对图像进行预处理,然后以Ostu分割阈值为基础,构造了红外图像的Type-Ⅱ模糊特征平面;然后,采用不同的变换规则对图像进行模糊增强,并将结果进行融合;最后,通过Type reduction和去模糊化操作得到增强后的输出图像。对几幅典型的红外图像的增强实验表明,提出的方法能够有效地提高红外图像的对比度。

视频目标轨迹分析的改进PrefixSpan方法

从序列模式挖掘的角度对视频目标运动轨迹的分析和应用问题进行了研究,提出了一种基于改进PrefixSpan的频繁轨迹模式挖掘算法,并给出了基于所挖掘的频繁模式进行在线目标运动异常检测的方法。该方法对目标的运动轨迹进行量化编码,采用改进的PrefixSpan算法挖掘其中连续出现的频繁模式,通过字符串近似匹配的方法来检测当前运动轨迹所表示的目标行为是否异常。由于不需要计算两两轨迹之间的相似性,该方法可以应用于规模较大、分布模式数目难以确定场合下的视频目标轨迹分析问题。对仿真和真实场景的实验验证了该方法的有效性。

“离散数学”课程研究性教学改革探讨

"离散数学"是计算机相关专业的一门核心专业基础课程,其内容抽象,形式化程度高。如何提高该课程的教学水平,使学生真正学懂这门课并不断提高其逻辑思维和抽象思维能力,是该课程教学中应该重点研究和探讨的问题。文章结合该课程的实际教学情况,探讨了对该课程开展研究性教学的基本思路和实施方案。

信息隐藏技术课程研究性教学改革研究

如何提高信息隐藏技术课程的教学水平,使学生真正学懂、学好这门课,并不断提高分析和解决问题的能力,是该课程教学中应该重点研究和探讨的问题。文章结合实际的教学情况,探讨针对该课程开展研究性教学的基本思路、问题设计和实施方案。

“数据结构”课程教学中的案例设计及应用

针对目前数据结构课程教学中存在的理论与实践脱节,以及学生运用所学知识解决实际问题能力不强的问题,探讨案例在数据结构教学中的作用和意义,并以图的拓扑排序算法为例详细说明案例的设计方法和原则。

基于组件的软件设计及其在电力信息化中的应用

介绍了基于组件的软件设计方法的基本概念、软件复用 ,分析了目前比较成熟的 3种组件技术 (COM /DCOM ,CORBA ,EJB) ,指出了基于组件的软件设计在现代电力信息化中的应用前景和意义。

可扩展标记语言在Java服务器页面中的应用

阐述了ＪＳＰ （Ｊａｖａ服务器页面）技术和ＸＭＬ（可扩展标记语言）的技术互补性，对在ＪＳＰ中应用ＸＭＬ所带来的优势进行了分析，并结合实例给出了在ＪＳＰ页面中应用ＸＭＬ的具体方法，最后分析了ＸＭＬ和ＪＳＰ技术的结合在新一代Ｗｅｂ应用系统中的前景。

基于极限学习机的输电线路覆冰预测方法

针对目前输电线路覆冰厚度预测模型训练时间长,预测精度效果不佳等问题,引入学习速度快、泛化性能好、调节参数少的极限学习机,提出了基于极限学习机的覆冰预测方法,并把极限学习机同传统的几种神经网络算法进行了预测模型性能对比。实验结果表明,基于极限学习的输电线路覆冰预测方法在精度与时间花销上表现更好。

基于矢量量化和深度优先搜索的轨迹分布模式学习算法

在对轨迹流矢量进行量化编码的基础上,提出了一种基于深度优先搜索的轨迹分布模式提取算法,生成了能够描述轨迹分布的序列模式图,并给出了与之相应的异常检测方法。对不同场景的序列图像的实验表明,该方法不仅能够学习轨迹中流矢量的分布,而且能够反映它们之间的时序关系,可以应用于室外复杂场景的目标异常行为检测。

MEABP神经网络输电线路覆冰厚度短期预测方法

输电线路覆冰对输电网的安全运行有着巨大的破坏性,在自然状态下,输电线路覆冰厚度呈非线性增长态势,且形成影响因素众多,难以通过简单的拟合函数来进行覆冰厚度预测。针对以上问题,引入BP神经网络进行覆冰厚度的短期预测。针对BP神经网络易陷入局部最优、过拟合、低稳定性等缺点,结合思维进化算法(MEA)的全局搜索能力,使用思维进化算法优化后的BP神经网络(MEABP)模型对输电线路覆冰厚度短期预测。实验结果表明,在考虑风速、风向、温度、湿度、气压、光照强度等几种影响因素下,MEABP预测模型能更加准确稳定地预测出短期输电线路覆冰厚度。

粗糙核k-means聚类算法

通过研究核聚类算法,以及粗糙集,提出了一个新的用于聚类分析的粗糙核聚类方法。通过mercer核映射把输入空间中的样本映射到Hilbert空间,使样本空间中没有显现的特征在特征空间中突现出来,在这种样本差异加大的基础上,结合粗糙集的思想,把样本分别划到相应聚类中心的上、下近似中,上、下近似中的样本按照一定的比例来共同决定新的聚类中心。这样不但聚类精度大大提高,而且算法收敛速度也较快。仿真实验的结果表明该算法的可行性和有效性。

基于改进粒子群算法的电力系统无功优化

电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题。提出了一种改进粒子群算法用以解决这一复杂优化问题。在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻了粒子初始位置的选择对算法优化性能的影响;在进化过程中引入了自探索行为,使得粒子的搜索过程更加符合实际;引入了变异机制及3种判断陷入局部最优的标准,当发现粒子群陷入局部最优时,通过变异,帮助粒子跳出局部陷阱,增加发现最优解的机会。给出了问题的求解方法,并对IEEE 6、14节点系统进行了仿真计算,实验数值对比表明了算法的可行性和有效性。