高职计算机应用技术专业“基础培养、分类提升”人才培养模式研究与实践

随着高职教育生源渠道的多元化,不同渠道来源的学生在求学目标,基础素质、价值观念、情感认知等方面差异较大。在教学中沿用统一的培养方案和方法已经不能满足多样化的人才培养实际需求,很多院校以"分类、分层"人才培养为基本思路,不断探索研究多样成才人才培养的模式和方法。课题组所在学院总结前人研究成果,提出"基础培养、分类提升"人才培养模式,并以计算机应用技术专业为试点,重构人才培养方案,在培养方向上做分类,在培养过程中做分层。配合使用"学生成长档案",建设"一班双导师"工作机制,努力构建以生为本、职业引导、差异发展、多样成才的立体化人才培养体系。

乡村振兴综合绩效评价及村庄分类提升策略研究--基于2019-2021年晋江市40个村(社区)的观察

本文针对晋江市各个村乡村振兴发展的现状和水平,开展村域尺度的综合绩效和分类提升研究,对于促进乡村振兴发展具有重大意义。本研究通过构建5个一级评价指标和22个二级评价指标,进而运用因子分析法提取出6个公因子并计算出分数,并求出晋江市各个乡村的综合发展得分,在此基础上根据公因子得分,采用系统聚类方法,并结合调研情况和晋江市各个村(社区)实际,将试点村分为产业兴旺型、生态宜居型、乡风文明型、治理有效型、生活富裕型5个类型村庄,据实证分析和现场调研情况得知,五种类型村庄虽都有一定程度的发展,但也存在一些问题。因此,本研究针对各类型村庄发展遇到的现实难题精准施策,不断提高各村(社区)的发展水平,以推动晋江市乡村振兴的可持续发展。

视频目标跟踪中的提升分类算法

针对目标跟踪过程中各类图像特征分离背景和目标能力的动态变化,提出一种基于协同训练框架的在线提升分类特征选择算法。该算法采用两组特征描述目标与背景区域各像素,并分别训练一在线提升分类器对特征组进行选择,然后综合分类结果,得到最优似然图像,基于该似然图像,采用粒子滤波对目标进行跟踪并通过图像处理方法获得最佳前景分割图。该方法的主要优点是仅需对首帧图像进行训练,并在跟踪过程中通过协同训练在线更新提升分类器。同时,实验表明该算法运算速度快,并能适应环境光照变化、遮挡等恶劣条件。

“分类培养-复合提升”创新培养模式构建及在课程设置中的应用研究——以湖南工业大学自然地理与资源环境本科专业为例

本人围绕创新型人才培养模式构建主题,以湖南工业大学自然地理与资源环境本科专业为例展开理论研究和实践探索。分析了自然地理与资源环境本科专业建设现状,创新构建了"分类培养-复合提升"培养模式,研究分析了"分类培养—复合提升"创新培养模式在实际课程设置中的应用,并结合培养模式的实践应用针对性提出了相应的保障措施与对策建议。

分类梯度提升算法(CatBoost)与蝙蝠算法(Bat)耦合建模预测中国西北部地区水面蒸发量

为预测干旱、半干旱地区的水面蒸发量,以实测水面蒸发量为基准,利用我国西北部地区的45个气象站实测逐日最低气温、最高气温、相对湿度、风速及太阳辐射,建立基于蝙蝠算法的分类梯度提升算法模型(Bat-CB)并与原分类梯度提升算法模型(CatBoost)及随机森林模型(RF)进行对比。结果表明Bat-CB模型的预测能力与稳定性(RMSE为0.859~2.227 mm/d;MAE为0.540~1.328 mm/d;NSE为0.625~0.894;MAPE为0.162~0.328)最优,而CatBoost模型(RMSE为0.897~2.754 mm/d;MAE为0.531~1.77 mm/d;NSE为0.147~0.869;MAPE为0.161~0.421)对水面蒸发的预测能力略优于随机森林模型(RMSE为1.005~3.604 mm/d;MAE为0.644~2.479 mm/d;NSE为-1.242~0.894;MAPE为0.176~0.686)。此外,Bat-CB模型对于水面蒸发的季节及空间变异性具有较好的适应能力,而随机森林模型在夏季水面蒸发预测中表现最差。研究成果可用于干旱、半干旱地区水面蒸发量的预测。

社会工作介入社区居民垃圾分类意识提升研究

社区居民垃圾分类意识的提升能在一定程度上助推居民的垃圾分类行为,社工介入居民垃圾分类意识提升具有专业价值观奠基、理论支撑、方法与技巧知识迁移、链接资源能力的适配性。以居民垃圾分类意识与垃圾分类行为为依据将居民划分为积极作为型、消极作为型、积极不作为型和消极不作为型等4大类型。针对以上类型分别引入社会工作专业方法中的小组工作、社区工作介入,将积极作为型居民发展为倡导垃圾分类的社区领袖并开发为垃圾分类优质志愿者资源,促成其他类型居民转变为积极作为型居民,共同践行垃圾分类。

基于分类梯度提升算法和人工神经网络的食松和樱核圆柏的气孔导度模拟

气孔导度是表征植物蒸腾状态的重要指标,气孔导度的准确量化对于地表水文循环研究具有重要意义。为探索提高气孔导度模拟准确性的方法,本研究利用分类梯度提升算法(CatBoost,CAT)和人工神经网络(Artificial Neural Network,ANN)两种机器学习模型对食松(Pinus edulis)与樱核圆柏(Juniperus monosperma)的气孔导度进行了模拟,并将二者的模拟结果与Ball-Berry模型和Medlyn模型进行了比较。机器学习模型以净光合速率A_(n)、叶表二氧化碳浓度C_(s)、相对湿度RH、饱和水汽压差VPD、叶片温度TL和黎明前叶水势LWP为输入变量,设计了3种建模策略:策略①输入变量为A_(n)、C_(s)和RH;策略②输入变量为A_(n)、C_(s)和VPD;策略③输入变量为A_(n)、C_(s)、RH、VPD、TL和LWP。结果表明①Ball-Berry模型和Medlyn模型模拟效果相近,RMSE分别0.0138和0.0139 mol/(m^(2)·s);②机器学习模型对气孔导度的模拟效果明显优于Ball-Berry模型和Medlyn模型,不同输入策略下CAT和ANN模型的RMSE相比于Ball-Berry模型分别降低了19.35%~45.65%和26.90%~55.07%;③机器学习模型中策略③模拟效果优于策略①和②,且ANN优于CAT,其中策略③中ANN模型的RMSE比策略①和②分别提高了36.70%和38.54%;④各模型和策略下对两种植物组成的整个数据集的气孔导度模拟与分别对食松和樱核圆柏的气孔导度模拟规律是一致的,其中对食松的气孔导度模拟结果优于樱核圆柏。研究表明,机器学习模型(特别是ANN模型)更适用于植物气孔导度的精准模拟,可为植物蒸腾能力估算和农业水文模拟提供实用工具。

矿井提升容器选择分析

提升容器是影响矿井提升能力的关键设备,矿石、废石、设备、材料和人员都必须通过提升容器运输到井下或地表。本文从提升容器分类、提升容器功能特点和提升容器选择原则等方面进行分析总结,为以后提升容器设计选型提供借鉴。

沥青搅拌设备粉料提升机通用组件设计

环保型沥青搅拌设备子系统多达近30项甚是庞杂,为了方便投产、发运,提高产品利用率,考虑设计粉料提升机通用组件,通过差异化组合、装配满足全系列搅拌设备产品对粉料提升机的需求。

新时代高校教师教学发展支持体系的探索与构建——以深圳大学为例

改善“重科研轻教学”现象及建立多元化多层次评价机制已成为当前高等教育领域综合改革的重点,也是提升高校教师教学水平的关键任务。本文在简要阐述当前高校教师教学能力发展面临的普遍性问题基础上,系统分析了深圳大学2009年以来实施的新时代高校教师教学发展支持体系,深入剖析了其经验做法和成效,为国内其他高校教师教学发展改革提供借鉴。

基于改进ResNet-CrowdDet的密集行人检测算法

行人检测在自动驾驶、客流量统计、智能监控等很多领域被应用。这些场景中行人大多是密集的,存在多尺度、多姿态和遮挡等问题,使得目前的密集行人检测算法存在检测精度较低、漏检率较高等问题。基于ResNet-50-FPN的CrowdDet算法可以解决密集遮挡问题,在CrowdHuman数据集上得到了很好的结果。以此为基线检测器,提出了改进算法。该算法包含两个模块,即BoINet(bottleneck involution network)的骨干网络和DHCDet(doublehead CrowdDet)的稀疏检测头部。与只使用了具有局域性和学习到静态参数的卷积的基线ResNet不同,BoINet将能够远距离交互的Involution动态卷积纳入到提取特征的任务中,增强行人特征的表达能力;DHCDet使用了DoubleHead结构改进CrowdDet算法,并将Double-Head中的自注意力机制NL(non-local)替换为SNL(spectral non-local),进一步提升检测器的分类与回归的性能。该改进方法在CrowdHuman数据集上AP为91.15%,MR-2为39.74%,同时JI为83.60%,取得了比基线检测器更好的检测精度和更低的漏检率。