大数据背景下的数字图书馆移动视觉搜索机制的探索

数字图书馆的兴起已经改变了信息获取和分享的方式,随着移动设备的普及,移动视觉搜索成为数字图书馆领域的重要研究方向之一。本文旨在研究大数据背景下的数字图书馆移动视觉搜索机制,探讨如何利用大数据技术来改善用户在数字图书馆中的信息检索体验。文章首先介绍了数字图书馆和移动视觉搜索的背景;然后提出了相关的研究问题,并分析了这些问题的重要性;接着讨论了当前数字图书馆移动视觉搜索机制的研究现状和存在的问题;最后本文提出了一种基于大数据的移动视觉搜索机制,并探讨了其潜在的应用和未来发展方向。

基于改进PCA_CNN的银行卡号识别模型

为降低图像噪声及PCA_CNN网络计算量,将彩色图像采用灰度化处理,利用Canny算子进行边缘处理,采用大津算法、轮廓提取算法完成银行卡数字区域识别,使该模型对图像的背景、光照、对比度有较强适应能力与抗干扰性。利用主成分分析法(PCA)选取卷积神经网络(CNN)模型卷积核,从而避免大量迭代造成时间及算力浪费,对Sig⁃moid激活函数进行改进使其分段单调递增,从而提高识别准确率。改进后的PCA_CNN模型识别率为98.53%,与CNN模型、传统BP神经网络、SVM模型、Bytes模型、暹罗网络模型相比,在准确率与收敛速度方面均有一定优势。实验结果表明,改进后的PCA_CNN模型可以从手机等非专业摄影设备在自然光下拍摄的银行卡照片中有效提取银行卡号。

挖掘《软件工程》课程中思政元素的探讨

课程思政是当前教学改革的新理念、新方法,也是提升人才培育质量的重要举措。课程思政的改革是一项非常复杂的系统工程,涉及到人才培养方案、教学大纲、师资队伍建设、思政元素的挖掘以及教学案例的构建等方面。而思政元素的挖掘是课程思政建设中重要的一环,思政元素质量的高低,直接影响课程思政建设的效果。本文主要探讨在软件工程的课程思政建设中,如何挖掘专业知识背后的思政元素,在做好育才的同时做好育人,以达到提高软件工程的教学质量,也为其他计算机课程进行课程思政建设提供新思路和新方法。

《软件工程》的课程思政教学改革探究

教师在知识传授的同时,如何做好价值的引领,是各门课程必须和迫切需解决的问题。本文针对当前在软件工程教学中融入课程思政存在的不足进行剖析,并对这些问题提出一些可行性的解决方案,以达到提高软件工程的教学质量,也为同行进行课程教学改革提供参考、启示和借鉴作用。

基于APSIM模型探讨耕作措施对春小麦产量的影响

为探究全球环境变暖下不同降水、不同耕作措施下水资源的合理利用以及对春小麦产量的影响机制,本研究运用APSIM模型模拟降水与不同耕作措施下的土壤体积含水量和春小麦产量。依据甘肃省定西市安定区李家堡乡2017~2018年大田试验数据以及定西市安定区1971~2018年气象资料,对APSIM模型本土化,并对旱地春小麦土壤体积含水量数据采用相关性分析法进行结果检验。结果表明:(1)APSIM模型在研究区具有较好的模型拟合度与适应性。模拟和实测的土壤含水量呈显著正相关,R2介于0.959~0.973之间,归一化均方根误差NRMSE介于5.563%~9.892%之间,模型有效参数ME介于0.991~0.999之间。(2)土壤含水量主要受降雨量的影响,同时也受温度与作物的影响。土壤含水量的变化趋势大体与年降雨量一致,且年际累计降雨量差别大。(3)不同年型在相同时期变化趋势一致。变化期土壤体积含水量变化趋势为先减少后增加,波动范围在41.79%~99.34%;回落期土壤体积含水量变化趋势为逐渐减少,变化程度为18.48%~24.10%;稳定期土壤体积含水量相对保持稳定,波动范围在4.14%~15.42%。(4)NTS处理下的土壤含水量高于其他处理。(5)NTS有保持土壤水分的作用,具有增产效果,并且稳定性与持续性好。NTS处理下,土壤水分利用率高。