动力集中监控系统C3网络的管理效应

市(地区)邮电局动力集中监控系统C3网络的建设中,应注重发挥系统的管理效应。在实时数据采集的同时,需加强对数据分析、处理的能力和提高系统智能化管理的水平。本文对C3网动力集中监控系统的运行、故障、维护、设备、人员这五方面的管理提出了具体要求。

基于H3C网络技术的高职网络系统管理专业人才培养方案的研究与实践

高职院校网络系统管理专业人才培养方案的设计离不开企业的参与,本文基于H3C网络技术,将企业真实用人标准和企业认证课程嵌入到人才培养方案中,根据高职学生特点提出"分流"模式的"金字塔"人才培养战略,并在实践中进行检验,得到了用人企业的认可。

校企一体化与H3C高技能网络人才培养的实践探索

以深化校企合作为指导思想,依据计算机网络技术人才的市场需求,华三通信技术有限公司和鄂州职业大学共同合作,探索与实践H3C高技能高规格的网络人才的培养。

H3C网络技术实训室建设

随着计算机网络技术课程教学的开展,专业的网络技术实训室是必不可少的。主要介绍了采用目前市场占有率很高的H3C网络设备建设网络技术实训室的规划设计和实施方案,以及在教学中进行的校企合作。

H3C网络实验室远程开放的设计与实现

为实现H3C网络实验室的远程开放,提高网络实验室的利用率,文章首先就网络实验室及实验机架的网络设计、网络设备集中管理以及SSL VPN技术特点等问题进行了阐述,然后结合实例给出了具体的配置实现方法。

基于C3D卷积神经网络人体动作识别方法改进

针对C3D卷积神经网络存在网络结构较浅、输入图像分辨率较低、训练过程中易产生过拟合现象等问题,该文设计了基于C3D卷积神经网络的人体动作识别改进算法。对3D卷积核进行分解,采用时空分离的(2+1)D卷积方式代替3D卷积;加深网络结构,增加一层(2+1)D卷积层和一层3D池化层,使输入图像由16帧112×112提升至32帧224×224;同时在每个(2+1)D卷积层后加入BN层,减少了训练过程梯度弥散。改进后的网络模型相较于原网络以及其他相关方法有更高的识别精度。

多学科综合型“3C网络实训教学系统”

系统全面的介绍了"3C网络实训教学系统",论证了创建一种多样化泛专业兴趣平台,强化技能实训教学的可能性。

C3I网络链路可靠性计算的一种方法

在将C3I网络系统简化看成通信网络系统的基础上,提出C3I网络系统的可靠性定义,介绍了网络链路简化技术。在分析多种网络支撑树的计算方法后,提出运用改进的毕内-柯西法计算C3I网络的支撑树,进而计算网络链路的可靠性,并结合算例,运用改进的毕内-柯西法对所构建的反空袭C3I网络系统的链路可靠性进行计算,最后对毕内-柯西法的运用进行了总结。

H3C网络设备配置和维护

H3C网络设备在启动的过程中,其顺序与CISCO较为相似,均需进行加载Boot Rom程序、加电硬件自检、加载启动配置文件、加载操作系统等等。但在设备运行和管理的过程中,却与CISCO存在较大差别,文章主要对H3C网络设备的配置及其维护的相关问题进行了分析和研究。

地面站FY-3C网络存储系统搬迁的规划与实施

1引言 随着风云三号卫星不断的向前发展以及地面接收系统接收设备不断增加,现有风云三号业务机房,无论是从面积还是基础配套设施等方面都不能满足业务发展的需求,考虑到未来业务工作发展,将FY-3C网络与存储系统进行搬迁。

基于双通道C3D的基建现场人体异常行为识别

异常行为识别在智能监控领域有广泛的应用前景。本文提出一种基于双通道C3D(Convolutional 3D,三维卷积)的行为识别方法,对打架、向下抛物、摔倒、跨越警戒线这四类异常行为以及走路、跑步、工作这三类正常行为进行识别。该方法的一个通道通过提取视频的RGB图像送入C3D网络来获取静态特征;另一个通道通过提取视频的光流图像送入C3D网络来获取动态特征;最后,利用双通道网络在卷积层融合、全连接层融合、混合融合的方法将静态特征与动态特征相结合,对比实验结果表明,最优识别率达到97.7564%,证明了该网络结构在基建现场应用场景中的有效性和可行性。

基于C3D CNN的人脸表情识别系统设计与开发

为了实现对人脸表情的自动识别,笔者设计和开发了一款基于C3D卷积神经网络(Convolutional Neural Network,CNN)的人脸表情识别系统。首先,利用已有Cohn-Kanade数据集和CASMEⅡ数据集作为训练数据。其次,使用Keras和TensorFlow的深度学习框架搭建C3D CNN,创建数据集并进行训练,以得到人脸表情识别模型。最后,使用PyQt5设计和开发人脸表情识别系统。结果表明,该系统具有页面简洁明了、方便用户操作等特点,可为心理诊断等领域提供一定的判断依据。

基于特征加权与融合的小样本遥感目标检测

基于深度卷积神经网络的目标检测器需要大量标注样本展开训练,针对训练样本数量不足导致目标检测器泛化能力较差的问题,基于元特征调制提出一种特征加权与融合的小样本遥感目标检测方法。首先,在元特征提取网络中嵌入瓶颈结构式特征学习模块C3,增加网络深度和感受野;其次,利用路径聚合网络(PAN)进行元特征融合,有效提升了网络对多尺度遥感目标的感知能力;最后,使用轻量级卷积神经网络学习原型向量以加权元特征,在轻量化模型的同时,利用模型已有知识快速微调模型,以适应对新类目标的检测。实验结果显示,在NWPU VHR-10和DIOR数据集上,该方法相比于FSODM方法,在新类对象上的平均检测精度分别提高了29.40%和11.78%。可视化结果表明,该方法在小样本遥感目标检测上效果更优。

高校网络实验室建设方案——网络技术学院

如何建设一个高效的网络实验室是许多高校面临的重要问题,本文从网络实验室的建设目标着眼,介绍并分析了目前一些高校的网络实验室建设情况,提出建设网络技术学院是高校建设网络实验室的最佳选择,并对目前著名的思科网络技术学院和H3C网络学院进行了详细的介绍。

一种基于snmp协议的网络设备运行状态监视的研究

本文针对工程项目管理中的实际应用需要,通过对SNMP协议的学习和理解,并针对H3C的交换设备的特定需求,采用公共MIB信息与H3C私有MIB信息相结合的方式实现对交换机设备的网络端口状况及流量、vlan划分、交换机电源、风扇、温度、CPU、内存等信息的监控,以满足工程项目管理中方便的对交换机设备进行监控。

网络实训室建设方案与实现

网络实训室是当今学校教学实验环节中最重要的组成部分,是计算机网络技术专业的重要的学生实训场所。本文介绍了天津职业大学(海河园校区)的网络实训室的建设方案,包括实训室布局、实训室设备配置、网络拓扑结构,此外,介绍了实训室采用的设备管理控制台DMC+网络实验管理系统NEMS的管理模式,实训室的使用为计算机网络技术专业学生的专业技能提供了保证。

视频监控下利用改进型C3D-RF的人群异常行为检测

传统基于卷积神经网络(CNN)算法的人群异常行为检测方法由于采用二维卷积核提取图像特征,故无法准确捕捉视频流在时序上的动态特征。为此,提出一种基于改进C3D网络与随机森林(RF)算法相结合的检测方法。利用具有时间特征捕捉能力的C3D网络进行视频流梯度方向直方图(HOG)特征提取,并作为三维卷积核输入以实现对视频时空特征的提取;使用随机森林分类器替代softmax全连接层以避免训练过程中繁琐的梯度计算操作,并降低对训练数据集样本规模的要求;基于基准数据集的算例结果表明,所提出的改进C3D-RF方案对人群异常行为的检测准确率保持在90%以上,且与传统C3D网络、支持向量数据描述模型(SVDD)、编码深度卷积神经网络(CAE)等方法相比,其训练时间缩短了15.34%以上。

基于深度学习的时空特征融合人体动作识别

深度学习需要充分利用视频中动作的时空信息来进行动作识别。为了充分利用视频中的时空特征来提高动作识别的准确率,并以较低的成本保存相关信息,提出一种采用稀疏采样方案的时空特征融合动作识别框架。采用稀疏采样获得视频的RGB图和光流图,分别送入VGG-16网络提取视频的时空特征;融合时空卷积神经网络(CNN)提取中层时空融合特征;将中层时空融合特征送入C3D CNN识别出动作的类别。在HMDB51和UCF101两个数据集的实验结果表明:该框架能够充分利用视频的时间信息和空间信息,达到了较高的动作识别准确率。