教师数字化教学角色适应的影响因素及其作用机制研究

教育数字化转型背景下,人工智能、大数据等技术加速融入课堂教学,成为撬动教育生态变革的支点。面对新的教学情境,教师的角色适应以及自我塑造成为推动教育数字化进程的关键突破口。该研究选取东西部1018名中小学学科教师展开问卷调查,使用结构方程模型分析法检验研究假设,探析教师数字化教学角色适应影响因素及其作用机制。结果表明:(1)社会支持对教师数字化教学角色适应有正向预测作用;(2)感知有用性在社会支持和教师数字化教学角色适应之间具有显著的中介效应;(3)“感知愉悦性→感知有用性”在社会支持和教师数字化教学角色适应之间具有显著的链式中介作用。基于此,研究剖析了这一机制形成的内因,并从完善社会支持体系、增强价值感知、弥合数字鸿沟三方面提出了相关建议,以提升教师数字化教学的角色认知、角色实践和角色认同。

基于SVT变换的改进PCA多光谱图像融合

针对传统主成分分析(PCA)多光谱图像融合算法引起的光谱失真问题,文中利用支撑值变换(SVT),提出了一种改进的PCA融合算法。首先利用PCA变换从上采样多光谱图像中提取出PC1分量并对其进行调制。然后利用SVT变换对调制的PC1分量和全色图像(PAN)进行分解,得到二者分解的高低频分量,进而再设计不同的高低频融合规则进行融合得到融合的PC1分量。最后通过逆PCA变换获得融合的多光谱图像。利用IKONOS和Quick Bird卫星数据得到的实验结果表明,融合构造的PC1分量更适合于多光谱融合,并且该算法提高了传统PCA融合算法的性能。

基于ST-SVD与WOA-SVM模型的变压器绕组松动故障诊断方法

为了深入研究变压器振动信号包含的大量故障信息,提出了一种基于S变换奇异值分解(ST-SVD)与鲸鱼优化支持向量机(WOA-SVM)模型的变压器绕组松动故障诊断方法。首先,基于变压器故障模拟试验平台采集变压器绕组处于不同状态下的振动信号。其次,对变压器振动信号进行S变换获取其时频矩阵。再次,计算出时频矩阵对应的幅值矩阵进行SVD,并定义特征向量。最后,采用鲸鱼优化算法优化SVM模型参数,并输入特征向量完成故障诊断。试验结果表明,所提方法故障识别准确率高于传统方法模型,适用于变压器绕组松动故障诊断。

基于支持度变换和top-hat分解的双色中波红外图像融合

为了解决用多尺度top-hat分解法融合双色中波红外图像时经常存在对比度提升有限、边缘区域失真较重的问题,提出了基于支持度变换和top-hat分解相结合的融合方法。先用支持度变换法将双色中波图像分解为低频图像和支持度图像序列;再从最后一层低频图像中用多尺度top-hat分解法提取各自的亮信息和暗信息;用灰度值取大法分别融合亮信息和暗信息;通过灰度值归一化和高斯滤波分别增强亮、暗信息融合图像;然后融合两低频图像和亮、暗信息增强图像;将融合图像作为新的低频图像和用灰度值取大法融合得到的支持度融合图像序列进行支持度逆变换,得到最终融合图像。该方法的实验结果同采用单一的支持度变换法融合和多尺度top-hat分解法融合相比,融合图像的对比度提升了11.69%,失真度降低了63.42%,局部粗糙度提高了38.12%。说明提出的从低频图像提取亮暗信息,并经过分别融合、增强,再与低频图像进行融合,能有效破解红外融合图像对比度提升和边缘区域失真度降低之间的矛盾,为提高图像融合质量提供了新方法。

红外偏振与红外光强图像的融合研究

分析了红外偏振与红外光强的成像特性差异,提出了基于局部能量的支持度变换融合方法。实验结果表明,融合图像综合了两幅图像的冗余信息,使图像更清晰,信息更加丰富。融合图像同原红外偏振和光强图像相比,局部标准偏差分别提高了13.67%和11.51%;局部熵分别提高了16.46%和1.95%;平均梯度分别提高了15.41%和44.05%。证明了该融合方法的有效性。

基于嵌入式多尺度变换的多波段图像融合

针对序贯式融合方法常常会降低多波段图像间原有差异的问题,提出了基于嵌入式多尺度变换(embedded multi-scale transform,EMT)和局部差异特征的多波段图像融合方法.利用支持度变换法(support value transform,SVT)分别分解多波段图像;再采用四叉树(quad-tree,QT)法分解灰度值较分散的某波段图像的最后一层低频成分图像,以分解得到的块图像为标准分别分割其他波段的最后一层低频成分图像;采用可能性理论的析取融合规则对多波段低频块图像进行特征级融合;遍历所有块得到低频融合图像块;将拼接得到的低频融合图像与像素级逐层融合得到的支持度图像序列进行逆变换,获得最终融合图像.实验结果表明:四叉树分解融合有显著效果,与单纯的四叉树融合相比,嵌入式多尺度分解融合图像的边缘强度提高了13.31%,对比度提升了2.63%,熵提高了4.26%,运行时间下降了87.11%,证明了所提出方法的有效性.

双色中波红外图像的分割支持度变换融合

提出了基于形态学分割和支持度变换的双色中波红外图像的融合方法.通过腐蚀膨胀操作、加权叠加实现两幅细分波段图像的局部处理,消除了第一细分波段图像的太阳照射饱和区,然后利用支持度变换对图像进行融合,将两幅图像的细节信息综合起来,使图像更清晰.实验结果表明:同小波包变换融合方法相比,经本文算法融合后的图像有效消除了太阳照射造成的饱和区,太阳影响参数降低了60.05%,局部标准偏差和局部粗糙度分别增加了2.59%和3.39%,处理时间缩短了66.77%,证明了融合方法的有效性.

基于支持向量机的遥感影像厚云及云阴影去除

提出一种基于支持向量机的遥感影像厚云及云阴影去除方法。首先利用支持向量机的学习性能检测影像中的云层,并利用太阳角度信息,判定云阴影区域,得到云层和云阴影的二值图。再对影像进行支持向量值轮廓波变换,利用云层和云阴影二值图生成的选择矩阵,对变换系数进行多层镶嵌,完成云层及云阴影的初去除。最后对影像镶嵌未能去除的云层及云阴影,通过统计学补偿的方法进行修复。仿真试验表明,该方法能有效恢复厚云区域的地物信息,形成的无云图像细节清晰,图像光滑。

一种红外偏振图像的二次融合方法

根据红外偏振特性图像的冗余性与互补性,提出了一种基于梯度特征和支持度变换的二次融合方法。利用提出的方法先对红外偏振度与偏振角图像进行梯度特征融合,然后利用支持度变换对梯度特征融合图像和合成强度图像进行二次融合,得到了边缘突出、轮廓清晰、对比度高的的融合图像。实验结果表明:融合图像与偏振角图像、偏振度图像、合成强度图像相比局部方差分别提高23.02%、176.9%、148.2%;对比度分别提高67.84%、196.5%、49.39%;平均梯度分别提高46.09%、164.1%、214.5%。

基于支持度变换的红外与可见光图像融合算法

为了提高可见光和红外图像融合效果,采用支持度变换的可见光与红外图像融合算法,首先对可见光和红外图像进行支持度变换,低频系数采用局部能量比例调制加权的方法进行融合,高频系数采用局部方差比例加权的方法进行融合,最后通过重构算法得到融合图像,并由理论分析得到融合图像的性能指标数据。结果表明,该算法同小波算法、Contourlet变换算法以及文献算法相比较,在图像细节信息、包含的信息量以及清晰度上都得到显著提高,达到了预期效果。

基于手机传感器的握持方式判断及运动状态识别

传统运动识别技术多以传感器位置固定为前提进行识别,但当传感器放置位置或握持方式发生变化时运动识别率会受到相应影响。该文提出了一种基于手机传感器的握持方式判断及运动状态识别方法,解决了传感器随放置位置不同影响运动识别率的缺点。该方法首先通过传感器对设备握持方式进行判断,使用不同握持方式下的三轴加速度数据进行特征提取,通过多层小波变换得到各层高频和低频部分,对其进行组合形成初级特征,用奇异值分解对初级特征进行降维得到最终特征,使用基于径向基核函数的多分类支持向量机(SVM)对特征分类,进而判断不同握持方式下的不同运动。实验结果表明,该方法对不同运动方式下的平均识别率为93%。

基于支持向量值轮廓波变换的遥感影像融合

本文研究基于支持向量值轮廓波变换的遥感影像融合.首先将支持向量值滤波器和方向滤波器组进行合理搭配,构造支持向量值轮廓波变换,该变换具有平移不变、泛化能力好、捕捉奇异性能强等特性.然后利用该变换对多源遥感影像进行多尺度、多方向、多分辨率分解,在不同的分解水平上利用基于区域能量和基于区域的轮廓波对比度方法进行融合.实验结果表明,利用该变换进行遥感影像融合时,能在不降低空间分辨率的情况下有效保留源影像的光谱信息.

基于偏振图像融合的长波红外人脸图像增强技术

针对非制冷型长波红外相机人脸成像模糊的缺点,提出一种基于偏振的红外图像增强方法,该方法在支持度变换基础上有效地将人脸红外偏振信息和红外强度信息相融合.搭建分时偏振成像系统获取红外偏振图像,求解得到红外强度和红外偏振度图像;对它们使用支持度变换方法进行多尺度分解后,采取相应的融合规则进行融合得到最终融合增强图像.实验结果从主观人眼评价和客观参数评价两方面表明,增强图像拥有比红外图像更加丰富的人脸轮廓信息.

基于ST-SVD-PCA的串联故障电弧特征提取方法

为深入研究煤矿井下串联故障电弧特征及提取方法,分别以电动机和变频器负载为研究对象,开展不同电流条件下的串联型故障电弧实验。采用S变换(ST)对回路电流进行时频域变换,求得S变换矩阵的幅值矩阵作为特征矩阵;对特征矩阵进行奇异分解(SVD),得到矩阵的奇异值;对多组奇异值组成的特征向量进行主元分析(PCA),选取累积贡献率高于95%的主元作为故障识别的特征,实现特征向量的降维;最后采用遗传算法(GA)优化的支持向量机(SVM)算法对故障电弧特征的有效性进行了测试。通过不同负载和工况条件实验,进一步验证了基于上述故障电弧特征的故障电弧识别方法的兼容性,该方法可以有效识别电机及变频器负载回路的串联故障电弧。

S变换模矩阵和最小二乘SVM在雷电及操作过电压识别中的应用

提出一种基于S变换模矩阵和最小二乘支持向量机(SVM)的雷电及操作过电压识别方法。通过对零序过电压信号的S变换模矩阵进行奇异值分解,将过电压信号的特征信息分解到不同的时频特征子空间,提取奇异值的5类统计特征参量作为过电压识别的特征向量,并将其输入最小二乘SVM分类器,实现雷电及操作过电压的类型识别。过电压实测数据表明:所提特征方法的特征量维数低,抗干扰能力强;采用的识别方法训练次数少,识别率高,可较好地应用于雷电及操作过电压的识别。

基于振动信号SVM分类的配变故障识别方法

配电变压器油箱表面的振动信号富含绕组和铁芯的各类状态信息，是绕组和铁芯工作状况的最直接体现。采用希尔伯特黄（HHT）带通滤波提取配电变压器振动信号主成分，获得表征绕组状态的100Hz分量及表征铁芯状态的150～1000Hz分量；利用负载电流拟合法提取绕组振动信号的特征量，通过测到的已知振动信号估计指定负载下的绕组100Hz振动幅值，构成绕组振动的特征向量；利用具有良好泛化能力及鲁棒性的双谱分析结合奇异值分解的方法表征铁芯振动的特征。提取实验室试验测得的绕组松动、绕组变形、铁芯松动、铁芯两点接地以及铁芯接地不良等故障振动信号的特征向量，用基于信息融合的支持向量机（SVM）实现绕组和铁芯状态的识别，结果验证了本文方法的有效性和准确性。

基于支持向量值轮廓波变换的遥感图像去噪

提出了一种基于支持向量值轮廓波变换的遥感图像去噪算法。首先利用支持向量机构造支持向量值滤波器,并结合方向滤波器组,构建支持向量值轮廓波变换,再利用该变换将含噪声遥感图像分解成低频部分和高频方向子带部分,最后利用支持向量回归方法对子带系数进行去噪。实验结果表明,支持向量值轮廓波变换具有平移不变、泛化能力好、捕捉奇异性能强等特性,本文提出的去噪算法能在去除噪声的情况下有效保留源图像的边缘信息。

考虑小波奇异信息与不平衡数据集的输电线路故障识别方法

鉴于输电线路故障识别中数据集的非均衡性问题,提出一种基于小波奇异信息和改进合成少数类过采样(synthetic minority over-sampling technique,SMOTE)算法的输电线路故障识别方法。首先,通过PSCAD/EMTDC仿真构造输电线路故障不平衡数据集,结合平稳小波变换(stationary wavelet transform,SWT)与奇异值分解(singular value decomposition,SVD)技术提取相电流及零序电流的故障分量的小波奇异值作为特征参数,然后采用改进SMOTE算法在少数类的样本中心邻域进行插值再抽样处理,调整数据集的不平衡度,利用优化后的数据集训练支持向量机(support vector machine,SVM)组合分类器,对不同故障工况下的10种输电线路故障类型进行分类识别。仿真结果表明,该文的方法能有效地提高分类算法在样本数据不平衡的情况下对少数类的识别能力和整体的识别准确率,具有较好的泛化性和较强的鲁棒性,并且对多种分类算法同样适用。

基于奇异值分解和多级支持向量机的配电网故障类型识别

对配电网故障类型的及时准确识别有助于故障定位和事故分析等。提出一种基于奇异值分解(SVD)和多级支持向量机(SVM)的配电网故障类型识别方法。首先通过希尔伯特-黄变换(HHT)带通滤波算法对三相电压/电流、零序电压等7个故障波形进行等频宽分解,构造时频矩阵。然后将时频矩阵SVD得到的部分有效奇异值作为特征量,输入到多级SVM进行训练和分类识别。利用PSCAD/EMTDC软件搭建10 k V配电网模型用于获取训练样本和测试样本。测试结果表明,该方法对配电网单相接地、两相接地、两相短路、三相短路等10种故障类型的识别正确率较高,且在噪声干扰、采样不同步、系统网络结构改变、负荷电流变化、系统中性点经消弧线圈接地、系统等值阻抗变化、分布式电源接入等情况下均有较好的适应性。

基于SVD和SVM的复杂背景噪声图像的纸病辨识

针对纸病图像的复杂背景噪声造成的纸病辨识结果不理想的问题,提出一种基于奇异值分解(SVD)和支持向量机(SVM)的纸病辨识方法:首先利用多层二维小波对纸病图像背景噪声去噪,然后用SVD对纸病进行特征提取,最后采用SVM对纸病进行辨识。实验结果表明,该方法可以有效辨识纸病,且不受实际生产过程中图像复杂背景噪声的影响。