双高专业群人才培养路径研究——基于技能型社会背景下能力本位教育

随着经济社会发展,社会对技能型人才的需求日趋迫切。职业教育要强化学生职业技能,多元化、多层次、全方位培养高技能人才,深化产教融合,同时国家鼓励行业企业深度参与共同培养符合社会需求的技能型人才,提高技能人才地位,构建技能型社会。职业教育作为技能型人才培养的主要阵地,需要对接产业转型升级,深化产教融合,构建岗课赛证融通的课程体系,加强师资队伍建设,深化教育教学改革,创新人才培养模式和评价反馈机制,才能培养与社会需求相契合的高技能人才,推进技能型社会的建设。

基于聚类分析的电子商务用户行为识别

在实际电子商务企业发展中,识别电子商务用户行为,对电子商务用户行为进行行之有效的评估,选择出最优的电子商务用户营销决策,以达成电子商务用户营销目的。应用聚类分析方法,通过对电子商务用户的行为进行聚类分析识别,可以优化制定出适合电子商务用户营销的发展决策。结论证实,基于聚类分析方法可以正确识别电子商务用户行为,为优化电商商务用户营销决策提供科学依据。

基于SIFT特征与多层BP神经网络的钢板缺陷检测算法

为了解决当前钢板表面缺陷在对比度弱、边缘复杂和光照不均干扰下易导致检测能力较低的问题,文章提出了基于SIFT特征与多层BP神经网络的钢板缺陷检测算法。首先,引入高斯差分和Hessian矩阵,对钢板图像进行空间尺度函数计算,统计SIFT深度向量特征,完成缺陷特征的检测与收集。然后,基于神经网络原始模型,计算其第五层输出结果,优化缺陷检测结果,并最小化输出层与期望值的差异平方,滤除伪SIFT特征的干扰,建立多层BP神经网络拓扑分析算子,准确识别钢板缺陷。最后,基于软件工程,设计检测系统软件,对文中算法的缺陷检测精度进行测试。实验测试结果显示:与当前主流钢板缺陷检测技术相比,文中算法拥有更高的准确性与鲁棒性。

VSAN分布式存储技术在高校数据中心的应用

结合高校数据中心的数据特点、存储需求等,分析了数据中心传统存储的部署现状及急需解决的问题。剖析了VMware Virtual SAN分布式存储的技术特点及优缺点。以本校数据中心部署VSAN分布式存储的实践为例,探讨当前高校数据中心建设中存储规划、扩容的更好的解决方案。

微信流量分类模型及其业务识别算法研究

以微信流量模型和业务识别为主要研究内容,首先分析了微信流量的特点,即脉冲式长连接的方式,并提出了分类的模型;其次,在分类模型的基础上分析了微信的协议特征,通过匹配有效载荷识别出微信流;同时,提出了进一步识别出微信流量的算法以及细粒度分类微信子业务;最后,进行了实验分类微信流,以98%的分类准确度识别出52%的微信子业务。

浅谈MapReduce与关系型数据库技术的融合

虽然关系数据库擅长于OLTP事务处理,但在处理大规模数据时却性能不足。MapReduce凭借其易操作性、高扩展性和高并发性,在大规模数据处理中占据优势。结合这两种技术,设计出兼有两者优点的技术架构是解决大数据分析问题的重要途径之一。二者共生的大数据生态系统成为技术融合的重要趋势。

计算机图像处理与编程技术在检验中的应用

随着我国信息化社会的不断深入,社会各领域的发展也逐步向信息化、智能化方向迈进。图像处理作为当前信息处理的一个主要方法,在诸多领域都发挥着不可或缺的作用。本文主要以工业检验工作为例,在简要介绍计算机图像处理与编程技术的基础上,探讨上述2项技术在检验中的具体应用,从而将图像处理技术与编程技术的优势最大限度发挥出来,更好地推动国内工业产业的可持续发展。

“互联网+”背景下翻转课堂教学模式研究

随着"互联网+"在两会上被纳入国家战略,互联网正以前所未有的速度席卷各行各业,促进各个行业不断改造、升级和创新。"互联网+教育"是互联网与传统行业结合的一个典范。翻转课堂改变了传统课堂的教学模式,它的出现顺应了"互联网+教育"对在线教育的新要求,引发了对传统教育的新变革。在"互联网+教育"的不断召唤下,教育需要不断改革创新传统的教学模式。本文介绍了翻转课堂在我国的发展现状,翻转课堂在我国教育中遇到的问题,研究"互联网+"背景下翻转课堂的教学模式。基于微课或慕课的翻转课堂,改变了传统的教学模式,颠覆了传统课堂中教与学的模式,在课堂中教师和学生进行互动有助于培养学生自主学习和独立思考的能力,促进学生综合能力的提高,同时也有助于教师的成长发展,具有很高的应用价值。

计算机图像识别技术及应用问题之研究

计算机图像识别技术可用于诸多领域,包括文字识别、人脸识别、实时音视频等,可对数据信息进行提取,获得关键信息,满足相关行业需求。但是,实际的计算机图像识别技术应用中,会受到一些因素的影响,造成其具体的应用问题,对计算机识别技术的应用效果造成不良影响。故此,展开对具体的计算机图像识别技术的研究,分析具体的应用情况,旨在改善计算机的图像识别技术的应用效果。

目标检测算法研究述评

目标检测是目前计算机视觉领域研究的一个热门问题,其研究具有很大的挑战性和广阔的应用前景。目标检测算法分为传统的目标检测算法和基于深度学习的目标检测算法,深度学习与传统计算机视觉的结合,显著提高了目标检测的精度和效率,基于深度学习的目标检测算法已成为当前的主流。基于深度学习的目标检测算法包括Two-Stage目标检测算法和One-Stage目标检测算法两类,Two-Stage算法检测精度较高,One-Stage算法检测速率较快。未来,需提高目标检测算法对小目标的检测效率,构建大规模的小目标数据集,增强迁移性。

智能视频监控系统中的人脸识别技术之研究

随着科技信息技术的快速发展,视频监控系统在许多领域中都得到了广泛应用,并且在具体应用中也取得了不错的成绩。视频监控系统逐渐向智能化方向发展,这对人脸识别技术提出了更高的要求,因此在问题分析过程中,需要对人脸识别技术进行详细分析与研究,使其能够发挥出应有的作用。

智慧视频感知中复杂环境下目标检测的研究

基于视频监控技术和物联网技术的智慧视频感知应用体系,是智慧城市建设的重要组成部分,更是整个智慧城市感知体系的关键部分和重要的信息来源。本文拟基于深度学习中的卷积神经网络(CNN)进行复杂场景下目标检测的相关研究,从认知角度、更高层次地、更抽象地融入上下文信息对于目标辅助刻画目标本身具有更为重要的作用,从而提高复杂背景下目标检测的准确性;针对复杂场景中目标多视角问题,拟提出利用GBRF改进基于随机森林的局部图像块聚类方法,基于传统霍夫投票目标检测框架,提出一种适用于多视角目标的加权投票检测方法,并利用多类线性SVM学习不同视角下投票组合权重,从而提高复杂场景下,多视角目标检测的准确性。