计算机科学与技术专业毕业生就业情况调查研究

近年来,随着中国综合大学和师范类大学的增加,应届大学生的数量也在日渐增多,大学生就业困难的问题日益明显,如何做好大学生的职业指导已成为普通高校必须执行的重要任务.现对新疆师范大学计算机科学技术专业2000-2019年的毕业生的本科毕业生情况进行分析研究,期望能对今后的计算机科学技术方向的学生就业具有一定的指导作用.

现代维吾尔语常用词统计关键技术研究

本文研究了构建现代维吾尔语语料库的关键技术与方法,特别是现代维吾尔语语料库的构建,并对现代维吾尔语语料预处理技术,现代维吾尔语语料统计技术,现代维吾尔语词干提取技术,现代维吾尔语数据分析技术进行了研究;研制了现代维吾尔语常用词候选表,从词语的使用频度和词语的分布两方面对词语进行了基本考察,将维吾尔语词语的"词种数、频次、频率、文本数、词长"作为常用词候选表的依据。

新疆和田地毯特点分析及图像矢量化的必要性研究

本文主要分析新疆和田手工地毯的基本特点和结扣形式,道数,染色和平洗工艺,地毯图案分类等信息,最后提出了对地毯图案矢量化过程的必要性。

和田地区中学信息技术双语教师在职培训模式存在问题与对策研究

以和田市为例,对中学信息技术双语教师在职培训模式进行研究,分析现存计算机教育工作繁杂、学生汉语能力弱、教师培训方式不专业、学生能力差异过大的问题,提出相应的解决措施。

简单案例为主线的教学模式在C语言教学中的应用

本文通过分析C语言教学中存在的问题,提出以简单案例为主线的教学模式在C语言教学中有着积极的作用,并以在实际教学中采用的一个简单案例为例,详细介绍了在学习顺序结构、选择结构、函数、指针等相关内容的具体应用。实践证明,该教学方法能充分调动学生的积极性和主动性。

基于形态分析的现代维吾尔语名词词干识别研究

现代维吾尔语名词词干识别是自然语言处理领域的重要基础性研究,主要目的是从句子中提取名词词干,提高名词识别效率。首先陈述形态分析概念,通过这些形态特征可以准确地识别其词性的意义;其次讨论维吾尔语的词类划分标准、名词的形态特征分析,总结词缀歧义及消解规则;该文提出研究总体思路,设计现代维吾尔语新词中名词识别算法,其中包括特征选择及参数估计、词内部特征、前后依存词特征等;最后将初中、高中物理维吾尔语教材作为验证对象,对名词词干进行统计与分析。

网格数据库事务处理模型

针对网格环境中自治性与动态性的特点,提出了一种事务处理模型算法。该算法仅定义关键性事务,不区分协调者与参与者,每个节点只对其分配任务的节点返回执行结果;在节点不能完成任务时,利用服务发现技术实时发现网格中提供相同服务的候补节点,提高了事务顺利完成的概率;并考虑了节点退出后的卷回操作,保证事务的可靠性。最后利用Petri网验证了该算法的正确性。

基于VC＋＋6.0平台的C程序编译问题及其解决策略

目前大多数C语言的编译系统都是集成环境,而VC＋＋6.0是最常用运行平台。为了提高学生在VC＋＋6.0平台下完成C语言编程能力,论文首先对文献[1]进行分析,指出其对隐形问题的错误分析,然后给出正确的解释和修改案例。其次通过案例给出显性问题和隐性问题的调试和编译方法。最后指出编译C语言源程序的问题及应用策略,从而提高学生编程能力。

基于网络的高校教育服务学生满意度调查系统的分析与设计

随着网络技术的发展,教学管理系统也在向数字化、智能化和网络化方向发展。本文在对当前高校教育服务学生满意度调查方式的现状及信息化网络技术分析的基础上,结合新疆高校教育服务学生的实际问题及需求,提出了一种基于C/S和B/S混合模式的高校教育服务学生满意度调查系统的设计方案。文中就该系统的需求分析、整体架构、功能模块及开发平台做了详细阐述。

基于ECPA神经网络的情绪原因识别方法

情绪原因识别是文本情绪分析领域中的一个前沿研究方向。传统情绪原因识别方法需要进行规则制定、抽取特征,而该文从情绪原因的语言特点出发,结合Bi-LSTM模型和注意力机制,提出一种基于情绪上下文位置注意力神经网络的情绪原因识别方法(ECPA)。该方法考虑了情绪词和情绪类别中的情绪信息,学习了Bi-LSTM模型建模后的上下文语义信息,引入了基于位置信息的注意力机制模型,进而构建情绪原因识别模型。实验结果证明,该方法在情绪原因识别任务中的有效性,并取得了目前最优的性能,同时对情绪归因方法具有一定的指导作用。

基于注意力机制的小样本啤酒花病虫害识别

为提高啤酒花产业的品质和产量,针对于传统人工识别鉴定难度大,效率低和客观性不够,以及啤酒花病虫害识别无大型公开数据集等问题。本文提出一种基于软注意力机制的小样本啤酒花病虫害识别方法,对传统深度残差网络ResNet模型进行改进,并使用图像增强技术-直方图均衡化处理图片得到新的数据集。实验结果表明,在小样本情况下,相比于传统的模型,改进过后的模型A-ResNet50和A-ResNet101都能准确识别不同类型的病虫害图像,在测试集上的准确率为93.27%和93.11%,Kappa指数达到了0.9027和0.8996,证实了A-ResNet50和A-ResNet101模型在啤酒花病虫害识别上的可行性以及可靠性。本文提出的方法识别精度高,实现了啤酒花病虫害的智能识别,同时也对小样本数据集的高精度识别提供了一种途径。

几种矩阵乘并行算法的对比分析

描述了DNS、Cannon、Fox、Systolic矩阵乘并行算法的原理,并对其时间复杂度进行了理论分析。通过对并行算法的各项性能参数的对比分析,得到的结论是DNS算法的时间复杂度最好,但加速比、效率和成本不是最优的。Cannon算法和Fox算法的算法思想类似,但是Cannon算法比Fox算法在数据播送上的花费少,因此整体性能较好。Systolic算法是基于流水线技术的并行矩阵乘算法,有较好的综合性能。

机器翻译方法探讨

机器翻译简称MT,是人类利用计算机进行自然语言间的相互翻译。本文提出了机器翻译的分类及其特点。同时,本文还探讨了机器翻译遇到的问题和解决办法。

Marching Cubes算法研究

医学影像三维可视化技术利用二维医学图像序列重建出三维模型.为医生提供了直观、全面、准确的病灶和正常组织信息.是当今医学领域研究的热点.其中最有代表性的是由W.ELorenson和H.E.Cline在1987年提出来的Marching Cubes方法.本文主要介绍了MC方法的原理和步骤.本文阐述了MC算法存在的不足,对现有的改进算法进行综述.

基于改进Snake算法的轮廓线提取

基于轮廓线的目标分割是近十几年来图像领域的研究热点。活动轮廓线模型可以将待处理问题的先验知识和各种图像处理算法有效结合起来,更具有实用性。改进的Snake算法可以精准地把颅骨部分和脑内杂质部分分离,提取出不连续的颅骨最外层轮廓线。

结合CNN和Transformer的遥感图像土地覆盖分类方法

利用遥感图像进行语义分割是一种有效的土地覆盖分类方法。然而由于主流框架存在边缘分割不准确、缺乏全局信息导致错误分类等问题,阻碍了其在土地覆盖分类中的应用。针对以上问题,提出了一种用于遥感图像土地覆盖分类的卷积神经网络(Convolutional Neural Networks,CNN)和Transformer混合网络CTHNet,结合了CNN的局部细节提取能力和Transformer的全局信息提取能力。同时设计了自适应融合模块,融合来自对应级别的CNN和Transformer特征,自适应融合模块的输出进入分割头得到最终的预测结果。最后,结合边界检测分支为语义分割提供边缘约束。在两个公开的土地覆盖分类数据集上的实验结果表明,该方法优于当前主流的方法,分别实现了90.53%和64.33%的平均交并比(mIoU),对遥感图像中的大目标和边界也有更好的识别效果。