基层党组织利用信息化平台开展群众工作的新方法——基于宁波的实践

信息化时代给党的群众工作带来了机遇和挑战,宁波较早提出并实施"智慧城市"战略,而且在近些年智慧党建工作中开展系列实践与创新,在发挥信息化平台推进党的群众工作上取得了一定的成效。文章立足宁波实践,指出提高党员干部的信息素养、构建智慧党建标准化体系模型、落实利用信息化平台开展党群工作的保障机制是推进基层党组织利用信息化平台开展群众工作的新方法。

信息工程类国际生全英语教学与学习心理探究

基于过去六年的国际生教学与管理工作的观察与经验,针对国际化教学中所涉及的教学、师资和学生心理三个方面进行了若干探究。以计算机科学与技术专业的国际生为案例,结合作者在通信工程及计算机科学与技术专业的教学与管理实践,就课程安排、教师队伍配备、教学方式以及如何开展针对国际生的学习心理辅导工作分享一些经验并提出一些建议。

中学普及信息技术教育后的大学计算机基础教育

教育部作出教育信息化的发展规划,从2001年开始,中小学将逐步普及信息技术教育.在中学普及信息技术教育后,高校的计算机基础教育如何改革?大学生的第一门计算机课如何开?本文在分析了我国高校计算机基础教育的课程体系组织中起着重大决定作用的'三个层次'课程体系仍然适用,指出第一层次的'计算机文化基础'必须作重大调整和改革,才能适应新的形势,并设计了该门课程的改革方案.

宁波市女性科技人才现状调查与分析

为全面、客观地了解宁波市女性科技人才在薪酬待遇、教育、科研工作、社会参与等现状,反映女性科技人才群体的意见和要求,调查组采用多阶段分层整群随机抽样法,对宁波市女性科技人才相关状况进行了全面的调查,分析了影响女性科技工作者作用发挥的原因,并提出了相应的对策与建议,维护了女性科技人才的合法权益,同时为政府部门制定女性科技人才的有关政策提供了参考.

基于融合的电子信息类创新创业驱动中心建设探究

学科范式下以专业知识积累和专业能力培养为中心的传统培养模式存在一些共性问题:忽视知识整合能力培养、非技术因素培养,缺乏真实项目资源、产品全生命周期体验等。文章提出了电子信息类创新创业驱动中心建设原则:课内与课外融合、科学与人文融合、教学与研究融合、校内与校外融合,构建了“三能力四模块”创新创业人才培养体系,搭建了多边合作的“五维”工程实践平台,采用后课程实践教学模式、基于“虚拟企业”的耦合式训练模式,为培养具有专业背景的创业型工程人才提供借鉴。

工程教育认证校企合作毕业设计教学改革研究

工程教育专业认证以培养学生解决复杂工程问题的能力为目标,该理念近年来引导了一大批国内工科院校的国际化专业建设。作为本科教学过程中关键环节的毕业设计(论文),既是对学生在本科教育阶段所学知识的系统运用,又是学生创新实践能力的更深层次培养。结合工程教育专业认证要求,针对培养过程中毕业设计阶段出题、选题、开题、中期检查、毕业答辩、督查等环节中存在的问题进行分析,探索在校企合作模式下校内外师生全员参与的全过程管理方案,并针对工程认证要求的课程指标点全方位覆盖评价提出毕业设计工作线上线下融合实施的模式。

混合卷积神经网络用于高光谱小麦品种鉴别

不同品种的小麦满足了市场的不同需求,同时也会带来小麦品种混杂的风险。为了提高小麦品种的纯度进而提高选种、育种、加工等环节的经济价值,小麦种子的鉴别起到关键作用。传统的小麦品种纯度理化分析鉴别方法,鉴定时间长且破坏种子,已不能满足现代农业的迫切需要。高光谱成像作为近年来发展迅速的一种快速、高效、无损的新型鉴别技术,在种子品种鉴别领域取得了显著成效。然而,已有的大多数高光谱分类方法仅利用光谱信息,没有充分考虑空间信息,分类效果较差。为了解决上述问题,利用高光谱成像设备采集8个品种的小麦种子正背面的高光谱图像,基于这些高光谱数据集,提出一种基于注意力机制的混合卷积神经网络的高光谱小麦品种鉴别方法,主要利用三维卷积和二维卷积的互补优势特性提取小麦的有价值特征,进而提高小麦品种的鉴别效果。具体而言,首先提取小麦品种的感兴趣区域,并利用多元散射校正方法削弱由于散射水平差异带来的同一品种的光谱差异。同时,利用主成分分析方法减少三维数据的无用光谱波段,进而保留并压缩对鉴别小麦品种有价值的特征。随后,利用三维卷积获取空间维度和不同光谱间的特征信息,二维卷积获取空间信息和图像的自身固有的特征信息,并在二维卷积模型中引入注意力机制进一步增强图像的特征信息的提取。最后在全连接层实现同一区域不同小麦品种的鉴别。实验表明,所提出的方法比其他方法具有较好的分类性能,分类准确率达97.92%。此外,所提出的方法对小样本数据也具有较好的分类性能。总的来说,提出的方法对于高光谱小麦种子鉴别具有较好的有效性和鲁棒性,为小麦种子的在线鉴别提供了一种新的方法。

基于数据库和客观方法对夜间雾化增强图像的感知质量评估

为提高夜间雾化图像的质量,对夜间雾化增强图像的主客观质量评估进行探索.首先构建夜间雾化增强图像质量评估数据库并进行主观分析,然后提出一种基于夜间成像特性的无参考图像质量评估方法.新方法在辉光图像上提取光散射和颜色特征,再在增强图像上提取雾密度和纹理特征.结果表明,新方法性能优于现有其他先进的无参考图像质量评估方法.

基于图神经网络的小样本学习方法研究进展

小样本学习(few-shot learning,FSL)旨在利用少量样本学习得到解决问题的模型,为解决应用场景中样本量少或标注样本少的问题.图神经网络(graph neural network,GNN)由于其在许多应用中的卓越性能引起了极大的关注,许多学者开始尝试利用图神经网络进行小样本学习,基于图神经网络的方法在小样本领域取得了卓越的成绩.目前与基于图神经网络的小样本学习方法相关的综述性研究较少,缺乏该类方法的划分体系与介绍性工作,因此系统地梳理了当前基于图神经网络的小样本学习的相关工作:概括了小样本学习的图神经网络方法的概念,根据模型的基本思想将其划分为基于节点特征、基于边特征、基于节点对特征和基于类级特征的4类方法,介绍了这4类方法的研究进展;总结了目前常用的小样本数据集和代表性模型在这些数据集上的实验结果,归纳各类方法主要的研究内容和优劣势;最后概述了基于图神经网络的小样本学习方法的应用和面临的挑战,并展望其未发展方向.

电子鼻技术及其应用研究进展

电子鼻(Electronic nose,E-nose)技术作为一种有效的嗅觉模拟与气体识别的方法被广泛应用。电子鼻系统由气体传感器阵列组成,利用其交叉敏感性对气体进行检测。电子鼻系统利用机器学习算法,对气体进行定性定量分析。传统的机器学习算法在电子鼻系统中的应用已经成熟,如今深度学习算法也慢慢在电子鼻系统中应用。电子鼻系统具有选择性高、精密度好、反应快速、稳定性和延展性好的特点,被应用于包括有毒气体检测、空气质量管理、食品新鲜度和质量预测等方面。本文从气体传感器阵列的组成、信号采集与处理单元、模式识别算法的分类以及电子鼻系统在实际中的应用等方面综述了电子鼻系统气体识别的最新研究进展,最后对电子鼻系统气体识别目前所存在的问题以及发展前景进行了总结和展望。

基于互信息的分散式动态PCA故障检测方法

对现代大型复杂动态过程来讲,不同测量变量会存在不同的序列相关性,而且变量间的相互影响会体现在不同的采样时刻上。为此,结合利用分散式建模的优势,提出一种基于互信息的分散式动态过程故障检测方法。该方法在对每个测量变量都引入多个延时测量值后,利用互信息为每个变量区分出与其相关的测量值,并建立起相应的变量子块。这种变量分块方式使每个变量子块都能充分地获取与之相对应的自相关性与交叉相关性信息,较好地处理了数据的动态性问题。然后,利用主元分析(PCA)算法对每一变量子块进行统计建模从而建立起适于大规模动态过程的多模块化的故障检测模型。最后,通过实例验证该方法用于动态过程监测的可行性和有效性。

基于CNN和HOG的司机分心检测

针对现有CNN网络模型只关注网络最后一层的输出而未能充分利用中间层的输出特征,而事实上中间层特征包含很多有用信息,提出一种端到端的提取多阶段中间网络层输出特征,并与HOG(Histogram of Oriented Gradient)特征融合的司机分心检测模型。模型参数量仅为3.6 M,同时采用L2权重正则化、Dropout以及批量正则化对模型性能进行提升。在两个公开的数据集State Farm Distracted Driver Detection(SFD3)和AUC Distracted Driver(AUCD2)进行了实验验证,在SFD3准确度达到99.78%,比现有论文提高约3百分点,网络参数量分别减少约95%;在AUCD2上准确度达到95.15%,比现有论文提高约2百分点,网络参数量减少约60%。

基于空间交叉卷积的轻量级人体姿态估计算法

针对改进轻量级OpenPose网络在预测阶段仍有较大参数量会降低模型推理速度,不利于在边缘设备部署的问题,提出一种基于改进卷积方法的人体姿态估计网络,使用空间交叉卷积来代替部分标准卷积,减少网络预测阶段的参数量。网络的输入为单目摄像头捕获的RGB图像,以MobileNetV3-Large为主干网络,并在其中加入了CBAM注意力模块,提取不同重要程度的空间和通道特征。获取图像特征后,送入两个分支中分别预测关键点位置和关键点组合关系。以空间交叉卷积代替两个分支中的部分标准卷积核,相对标准卷积能够减少80%的参数量。实验结果表明,相较于原方法,所提方法在精度下降较小的情况下,总参数量降低了22%,部署在CPU端的测试结果显示,速度能够达到6 FPS,提升了4倍。

高低显著性互补特征引导的跨模态行人重识别

在跨模态行人重识别(VI-ReID)任务中,有效挖掘行人图像中的显著信息并缓解模态间存在的差异是提升模型性能的关键。现有工作主要采用基于注意力的方法来增强模型对行人身体上的鉴别特征的学习。但这种方法仅关注行人最显著的区域,而忽略了行人图像中互补的次关键线索。提出了显著性互补特征指导网络(SCFG-Net)。设计了互补特征显著挖掘(CFSM)模块,用于推理出具有全局信息的行人图像的显著特征和被注意力忽略的次关键线索,并将这些特征进行融合,以提高行人图像特征的丰富性和鉴别性。还设计了跨模态判别特征融合(CDFF)模块,用于缓解模态间的颜色差异。实验结果表明,所提出的方法在两个公开数据集上取得了显著的性能提升。在SYSU-MM01数据集的全搜索单镜头模式下,Rank-1和mAP分别达到了74.4%和70.8%。

虚拟现实中视觉诱发晕动症时空多特征评价

沉浸式的虚拟现实体验中视觉诱发晕动症(Visually Induced Motion Sickness,VIMS)是影响虚拟现实系统发展与应用的一个重要问题。现有的基于视觉内容的评价方案大多考虑的要素不够全面,对运动信息的提取较为简单,且少有考虑时域上的突变对晕动症的影响。针对上述问题,提出了虚拟现实中视觉诱发晕动症时空多特征评价模型;基于立体全景视频中空域、时域信息来设计视觉诱发晕动症评价模型,采用更符合人眼感知的加权运动特征,并考虑了立体全景视频时域的突变信息设计了特征提取方式。所提出模型分为预处理模块、特征提取模块及时域聚合与回归模块。预处理模块用于视口提取和光流图、视差图、显著图的估计。特征提取模块包含前背景加权运动特征提取、基于变换域的视差特征提取、空间特征提取及时域突变特征提取。时域聚合后通过支持向量回归得到VIMS评价分数。实验结果表明,该模型在立体全景视频数据库SPVCD上的预测结果与平均主观意见分的皮尔逊线性相关系数为0.821、斯皮尔曼相关系数为0.790、均方根误差为0.489。该模型取得了优良的预测性能,验证了所提出特征提取模块的有效性。

联合傅里叶卷积与通道注意力的光场角度重建

光场相机能够同时捕获光线的强度和方向信息,但由于成像传感器尺寸的限制,无法同时获得高空间和角度分辨率的光场图像。提出了一种联合傅里叶卷积和通道注意力的光场角度重建方法,通过使用稀疏光场图像4个边角位置的参考视图,可以间接地重建出密集光场图像。考虑到光场数据的内在4D结构,采用通道级密集快速傅里叶残差卷积块,在空域和频域对光场图像的空间和角度相关性进行建模,然后采用基于全局响应归一化的通道注意块,以实现通道间的自适应融合。此外,还提出了一种改进的视点加权间接合成方法,通过为每个参考视图分配一个置信图,为参考视图之间建立联系以合成更真实的新视图。实验结果表明,相比于现有先进的光场角度重建算法IRVAE,所提方法的重建光场图像质量在自然光场数据集30Scenes,Occlusion和Reflective上的平均PSNR分别提高了0.08,0.13和0.13 dB。所提方法在保证光场角度一致性的前提下取得了清晰的重建结果。

融合显著信息的层次特征学习图像分类

高效的图像特征表示是计算机视觉的基础.基于图像的视觉显著性机制及深度学习模型的思想,提出一种融合图像显著性的层次稀疏特征表示用于图像分类.这种层次特征学习每一层都由3个部分组成:稀疏编码、显著性最大值汇聚(saliency max pooling)和对比度归一化.通过在图像层次稀疏表示中引入图像显著信息,加强了图像特征的语义信息,得到图像显著特征表示.相比于手工指定特征,该模型采用无监督数据驱动的方式直接从图像中学习到有效的图像特征描述.最后采用支持向量机(support vector machine,SVM)分类器进行监督学习,实现对图像进行分类.在2个常用的标准图像数据集(Caltech 101和Caltech 256)上进行的实验结果表明,结合图像显著性信息的层次特征表示,相比于基于局部特征的单层稀疏表示在分类性能上有了显著提升.

基于互信息的PCA方法及其在过程监测中的应用

主元分析(PCA)是一种经典的特征提取方法,已被广泛用于多变量统计过程监测,其算法的本质在于提取过程数据各变量之间的相关性。然而,传统PCA算法中定义的相关性矩阵局限于计算变量间的线性关系,无法衡量两个变量间相互依赖的强弱程度。为此,提出一种新的基于互信息的PCA方法(MIPCA)并将之应用于过程监测。与传统PCA所不同的是,MIPCA通过计算两两变量间的互信息来定义相关性,将原始相关性矩阵取而代之为互信息矩阵,并利用该互信息矩阵的特征向量实现对过程数据的特征提取。在此基础上,可以建立相应的统计监测模型。最后,通过实例验证MIPCA用于过程监测的可行性和有效性。

结合运动信息与表观特征的行人检测方法

提出一种结合运动信息与表观特征的行人检测方法.在对通过表观检测子获得的候选检测窗口执行分割验证的框架中,将运动信息融入到基于图像序列的对象分割算法中,通过获取更准确的分割结果来提高对候选检测窗口的检测准确率.该方法利用运动信息更新运动对象的前景/背景分布模型,将颜色信息间接地融入行人检测中,并通过形状特征表现出来,与行人表观检测子形成互补的特性,获得更好的检测结果.上述结论在CAVIAR视频以及行人检测视频中得到了实验验证.

工程教育认证背景下工科专业毕业实践教学体系重构

基于工程教育认证对实践教学的新要求,探讨如何进行工程教育认证下的工程实践能力培养,提出优化重构适应工程教育认证的工科专业毕业实践教学体系,给出相应的工程实践能力评价体系设计,通过教学实践说明实践教学体系的优势。