基于思政元素的软件工程Web课程教学研究

软件工程专业在建设思政课程这一前沿任务中面临新挑战,体现出思政要素融合度较低,教学过程与思政要素结合较为生硬、沉浸感较差等问题。为了提升软件工程课程与思政元素的有机结合,提出一种Web课程教学与思政要素的融合模式。该融合模式从课程特点、知识点、教学案例、扩展材料、课程管理等角度给出了在Web类课程中共性较强的详细设计方案。

面向深度学习的软件知识产权保护机制分析

阐述面向深度学习的计算机软件知识产权保护机制,分析现行法律框架下的挑战与解决方案。通过分析和实践,提出有效保护创新成果的策略,并关注数据驱动技术在知识产权范围内的保障状况。

基于深度学习和物联网的智能垃圾分类系统的研究

论文设计的智能垃圾桶具有软硬结合的优势,这一创新功能主要基于深度学习,通过软件开发的微信小程序对垃圾实现智能识别。采用传感器、无线通信和单片机控制等技术实现垃圾智能投放,促使垃圾分类合理化、有效化。

大数据营销在物联网领域的应用

阐述物联网和大数据营销的基本概念、发展形势及挑战,分析大数据营销在物联网领域应用的基本现状及问题,并对未来的发展趋势做了展望,望广大相关工作者能够继续深入探究,为我国大数据及物联网的发展献计献策。

物联网技术在物流领域的应用

物联网在相关领域的应用逐渐改变着人们的生产和生活方式。在经济领域中,同样促进了一些部门行业的发展,物流行业就是一个比较明显的例子。本文从物流和物联网整体可持续健康发展的角度,结合当今国内外物流发展现状并加以分析,给出一些有益的发展对策,旨在寻求可以有效解决我国物流业所处的困境,在一定程度上降低物流成本、提高物流的管理效率及服务水平,打造现代物流。

物联网技术在城市交通中的应用

城市交通问题备受人们的重视。交通拥堵对于人口密度大的城市而言,早已司空见惯,它不止打乱了人们正常的生活状态,同时还破坏了城市的自身形象。将物联网技术应用于城市交通中具有很大的优势,能够形成对状态的监控、参数收集、参数探究、自主管理等,可在多个领域发挥作用。首先对我国城市交通的现状做了简介,其次针对将物联网技术应用于城市交通的优点展开讨论,列举实例对此进行说明,阐释了将物联网技术应用于城市交通管理中的作用。

基于物联网技术的留守老人智能家居系统

世界老龄化的发展和中国工业化的推进,使得许多子女不在父母身边,造成留守老人在生活上有许多不便之处。目前,市场上已有的智能家居产品大多适用于年轻群众。为解决这一问题,我们利用现在的物联网技术,推出一套合适的留守老人智能家居系统。

基于PBL的软件工程专业Python程序设计课程案例式实验教学

针对软件工程专业Python程序设计课程存在的学生学习动力不足、教学效果不佳等问题,设计基于PBL的软件工程专业Python程序设计课程案例式实验教学模型。在教学过程中,以问题为导向,将课程大项目分解为多个模块,为这些模块设计数据预处理、字典列表转化、词频统计、数据可视化等实验,以“小练习+实验+综合大作业”的形式将课程知识点融会贯通,在提高学生学习兴趣的同时,达到良好教学效果。

基于完形填空的方面级情感四元组预测

方面情感四元组预测(ASQP)任务旨在从给定的评论语句中提取所有方面词以及相应的方面类别、观点表达和情感极性,有助于全面了解用户对产品或服务不同方面的评价情况.现有情感四元组预测方法主要存在以下局限:(1)判别式模型没有利用prompt捕获情感元素之间的语义关系;(2)生成式模型要么简单地将情感元素类型标签组合形成prompt,缺乏理解标签类型涵义的语境;要么将离散模板作为解码器的输入,而编码器则无法捕获到模板中情感元素之间的语义关系.为了缓解这些问题,本文首先基于完形填空思想研制离散和连续2类prompt,提供理解4个情感元素类型涵义的语境,帮助模型更好地捕获情感元素之间的语义关系;然后,基于设计的prompt,提出C-ASQP框架,包含判别式模型DC-ASQP和生成式模型GC-ASQP.在DC-ASQP中,采用2阶段策略,先预测4个情感元素中2个较为容易的情感元素,再将预测结果嵌入到设计的prompt中,帮助模型理解情感元素类型的涵义,从而有效预测另外2个情感元素.在GC-ASQP中,将设计的prompt作为编码器的输入,借助预训练模型的学习模式,充分利用预训练模型蕴含的知识提升四元组的生成效果.实验结果显示,DC-ASQP模型在4个常用数据集上的F1值相比同类判别式最优模型分别提高4.70%、6.48%、6.97%和2.60%,GC-ASQP模型的F1值比最优基准模型分别提高0.86%、1.67%、0.15%和1.02%,验证了将ASQP建模为完形填空任务的有效性,所设计的2类prompt以及C-ASQP框架是有效的.

基于照度图引导的低照度图像增强网络

在低照度环境下采集的图像,由于光照的不均匀性,存在能见度差、对比度低和颜色失真等问题.现有的大多数低照度图像增强方法存在过增强或欠增强的现象,影响视觉感知和后续目标检测任务.针对上述问题,提出一种基于照度图引导的低照度图像增强网络.首先根据低照度图像的灰度分布特点构造对应的照度图,度量低照度图像不同区域块的明暗程度;然后利用照度图作为网络增强的引导图,与低照度图像一起送入图像增强网络来获得增强后的图像.为了解决训练数据不足的问题,提出一种基于内循环和概率旋转的数据增强方法来扩充训练数据样本的数量和多样性;同时,针对目前图像增强方法中普遍存在照度不均匀的问题,基于直方图匹配的思想构建一种直方图损失函数,约束并指导网络的训练.在合成数据集LOL和真实图像上的实验结果表明,所提网络在低照度图像增强方面获得了更好的主观视觉效果;与经典的RetinexNet方法相比,所提方法在PSNR和SSIM客观定量指标上分别提高了7.905 dB和0.328;该网络对后续目标检测任务的检测率可提高10.17%~17.19%.

水利遥感数据规模化加工处理平台框架研究

以卫星遥感为代表的地表信息空天获取手段是支撑新时期智慧水利建设的重要途径。当前,遥感数据获取能力与处理服务能力之间出现了失衡,大量的对地观测卫星遥感数据被获取,而能够支撑水利业务的遥感数据产品即时服务能力和动态更新频次仍然存在瓶颈,“卫星数据量大、处理流程复杂、产品服务不足”的现状长期存在,制约着水利行业遥感应用的质量和效率。本文通过调研当前国内外遥感大数据加工处理进展,分析了面向智慧水利建设的水利遥感数据处理平台需求,设计了一种水利遥感数据规模化加工处理平台的框架,用于海量卫星遥感数据产品全链路自动化处理,以提升水利遥感数据产品处理质量和服务效率。该平台可以实现超过30种多源高分遥感数据全流程处理,通过动态分配GPU和CPU计算缓存,实现卫星遥感数据正射校正、融合、镶嵌、质检以及水利遥感专题信息提取等流程规模化、并行化和自动化处理,生产满足数字孪生流域建设的卫星遥感专题产品,支撑新时期智慧水利建设的遥感深度应用。

基于EM自注意力残差的图像超分辨率重建网络

基于深度学习的图像超分辨率(SR)重建方法主要通过增加模型的深度来提升图像重建的质量,但同时增加了模型的计算代价,很多网络利用注意力机制来提高特征提取能力,但难以充分学习到不同区域的特征。为此,提出一种基于期望最大化(EM)自注意力残差的图像超分辨率重建网络。该网络通过改进基础残差块,构建特征增强残差块,以更好地复用残差块中所提取的特征。为增加特征信息在空间上的相关性,引入EM自注意力机制,构建EM自注意力残差模块来增强模型中每个模块的特征提取能力,并通过级联EM自注意力残差模块来构建整个模型的特征提取结构。所获得的特征图通过上采样的图像重建模块获得重建的高分辨率图像。将所提方法与主流方法进行实验对比,结果表明:所提方法在5个流行的SR测试集上能够取得较好的主观视觉效果和更优的性能指标。

基于暗通道先验引导的图像去雾网络

基于深度学习的去雾方法多数直接学习有雾图像和无雾图像之间的映射关系,未结合有雾图像自身特点,存在雾信息检测不精确、去雾不彻底的问题。针对该问题,提出一种基于暗通道先验引导的图像去雾网络(DCPDNet)。通过卷积层提取有雾图像的浅层特征;构建2个特征增强模块(FEB)来增强图像的空间特征,该模块在2个尺度上对图像特征进行增强,即利用深层特征图实现语义特征的增强,浅层特征图对实现图像细节特征的增强;为使提取的特征更关注雾的区域,基于有雾图像中雾的成像特点设计基于引导图的特征校正模块(FCB),利用暗通道先验理论构建引导图将网络学习的注意力引导到有雾区域,对提取的深层特征图做进一步的细化和校正;利用残差结构的跳转连接,将增强的浅层特征补充网络丢失的细节特征,并经过卷积操作重建去雾后图像。实验结果证明:DCPDNet可以在保持模型轻量型及运行速度较快的情况下实现良好的去雾效果。与近年先进的去雾方法进行比较,DCPDNet不仅在效率上占有优势,其去雾效果在主观视觉感受和客观评价结果上都获得了更好的效果。

“互联网+”对中国制造业高质量发展的影响分析

为探索“互联网+”与中国制造业高质量发展之间的互动关系,该文利用2012—2020年中国30个省区市及11个制造业子行业面板数据多维考察了“互联网+”对制造业高质量发展作用关系.研究结果表明:中国“互联网+”与制造业高质量发展整体逐步提升,区际发展差距缩小,东北地区发展缓慢,中西部地区发展较快;资本与技术密集型产业对“互联网+”敏感程度显著高于劳动密集型产业;在“互联网+”对制造业高质量影响过程中,创新活动成为重要的媒介;“互联网+”对制造业高质量发展影响呈现显著非线性关系,且对不同类型产业影响呈现差异性.“互联网+”对制造业发展影响具有门槛效应,且其对劳动密集型产业影响呈现“先抑制后促进”特征,而对资本与技术密集型产业呈现“先促进后抑制再促进”特征.

一种互联网信任协商模型

信任协商是分布式环境下不同个体之间建立相互信任的有效方法。对一种新的互联网信任协商模型Trust-X 进入了深入分析,该模型针对P2P环境下的资源访问控制问题,提出了一套通用的解决方案。文中以网上购书过程为例分析了Trust-X的信任协商机制,包括其基本概念、协商树表示、协商过程。与其他信任协商模型相比,该模型的主要贡献在于支持信任票、缓存序列、前置策略。

普通高校软件测试课程建设初探

本文以江西财经大学软件学院的教学实践为例,从课程设置的必要性、教学目标、教学内容和实践教学等几个方面对普通高校软件测试课程教学的实施模式进行了探讨和研究,对高校该课程建设具有参考意义。

多尺度残差注意力网络及其表情识别算法

面部表情识别已经广泛运用于人机交互、教育、自动驾驶等各种领域,针对现有表情识别方法网络结构复杂、参数多、泛化能力不足、识别率低等问题,且人脸表情在自然环境下易受到光照、姿态和局部遮挡等环境因素的影响,提出了一种多尺度残差注意力网络.以ResNet-18网络为基础,提出了一种新的多尺度残差注意力模块,通过提取不同尺度特征,增加特征多样性.引入CBAM注意力机制获取表情图像重点特征信息,有利于提升遮挡表情的识别.构建特征残差融合块,将浅层特征与深层特征进行残差融合,有利于获取丰富的人脸表情图像整体特征.实验结果表明,本文方法在CK+、JAFFE和Oulu-CASIA 3个公开表情数据集上分别达到了99.49%、98.53%和97.08%的准确率,与一些现有方法相比,本文方法表情识别率更高,证明了该方法可用于人脸表情识别.

基于小波包分解与GA优化BP神经网络的瞬变电磁反演

瞬变电磁反演是高维非凸的复杂非线性反演问题。利用传统的BP(back propagation)神经网络可以有效缓解瞬变电磁反演的过拟合现象,但是BP算法收敛速度慢、易陷入局部最优。为了解决这些问题,提出了一种基于小波包分解(wavelet packet denoising,WPD)和遗传算法(genetic algorithm,GA)优化BP神经网络的方法(WPD-GA-BP),并应用于瞬变电磁反演中。首先,采用基于硬阈值和Daubechies系列中Db13的WPD方法降低观测磁场数据中的噪声成分,同时提出一种剔除冗余特征的样本采集策略。然后,引入具有全局性的GA优化BP神经网络初始权重,提升BP算法的学习能力和求解精度。最后,基于中心回线源一维瞬变电磁正演理论,构建层状地电模型,经WPD预处理后进行反演,并比较GA-BP与传统Occam、单一BP、PSO-BP(particle swarm optimization-BP)、DE-BP(differential evolution-BP)等算法的反演结果。理论模型与实测数据反演结果表明:在瞬变电磁层状地电模型反演中,WPD-GA-BP比其他算法具有更高的精度以及更强的稳定性和正演数据拟合能力,可有效应用于电磁探测反演解释中。

基于P^(3)OMO的程序设计类课程融合式教学模式研究

基于建构主义理论和OBE理念,在OMO教学模式的基础上面向程序设计类课程提炼出“项目驱动—产品导向—过程评价”(P^(3)OMO)教学模式。通过Java程序设计课程教学探讨P^(3)OMO教学模式对学生知识掌握、学习主动性、学习成果、实践能力等方面的影响,以期为解决人才培养与社会需求脱节问题提供参考和借鉴。

当代大学生党员队伍建设管理探析

中国共产党一贯坚持从严治党,改革开放以来,对当下大学生建党提出了新的要求。为适应党建新常态下全面从严治党的要求,可采取以下措施加强大学生党员队伍建设：严肃教育、严明程序、注重实践、加强监督、整合力量等,确保大学生党员队伍建设的质量。