感知整合和感知过载对公众政务新媒体持续使用意愿的影响研究

[目的/意义]从满足视角探讨线上线下整合环境和信息爆炸对政务新媒体持续使用意愿的影响,为政务新媒体发展建设提供参考。[方法/过程]以使用与满足理论为基础,探讨感知整合对公众政务新媒体持续使用意愿的影响,并结合感知过载构建公众政务新媒体持续使用意愿概念模型,最后对模型进行实证研究。[结果/结论]结果表明:感知整合通过对公众感知使用政务新媒体的内容满足、社会满足、过程满足的积极影响,间接积极影响公众的政务新媒体持续使用意愿;感知过载对公众的政务新媒体持续使用意愿具有消极作用,进而与感知整合共同影响公众对政务新媒体的持续使用意愿。

大学生就业影响因素中基于粗糙集的智能数据分析方法

大学生就业形势越来越严峻,影响就业的因素众多,各因素对就业情况的影响并不相同,且相互之间存在关联性。基于粗糙集理论,提出大学生就业因素重要度的定量度量方法,建立基于粗糙集的智能数据分析模型,实验结果表明了新型方法的有效性,能够为大学生的在校学习和就业规划提供了重要指导,并为高校培养和企业招聘优秀大学生提供了决策支持。

基于深度学习的人脸识别技术在学习效果评价中的应用研究

人脸识别技术是目前计算机视觉中的热门研究方向之一,已经应用于很多领域中,但是将人脸识别技术应用于学习效果评价的研究却非常少。因此,本文提出一种基于深度学习框架的人脸识别分析算法,并将该算法应用于课堂行为的分析评测中,为课堂学习效果评价提供客观评价的依据。实验证明,基于深度学习的人脸识别算法可以提取更高层次的深度特征,实现更准确、更高效的人脸和人眼识别,分析识别结果判断课堂上学生的专注度,为学习效果评价提供客观量化的分析评测结果。

基于人脸识别技术的现代学徒制学习效果评价研究

近年来,全国都在推行现代学徒制试点,并且取得了一定的成效。但是,对于如何客观评价在现代学徒制人才培养模式下的实施效果的研究比较少,而基于人脸识别技术的现代学徒制学生学习效果评价的研究就更少了。因此,本文提出一种基于人脸识别技术的课堂专注度算法,并将该算法应用于现代学制班学生学习效果评价,为学生的学习效果评价提供客观依据。实验证明,该算法可以实现人脸识别和人眼的准确定位,通过学生眼睛的张合度判断其课堂专注度,为学生的学习效果提供客观量化的评测结果。

基于深度学习抗遮挡的多目标跟踪研究

多个运动目标跟踪是计算机视觉研究中的一个难点,具有较大的挑战性。目前研究较多的是单个运动目标跟踪,相比之下,多个运动目标跟踪的难度更高。多目标跟踪会因各运动目标之间相互遮挡,而造成跟踪漂移的问题,最终无法完成目标跟踪。针对此问题,本文将深度学习框架应用于多运动目标跟踪,提出一种基于深度学习抗遮挡的多目标跟踪算法,用于智能交通视频多目标跟踪场景中。实验结果表明,基于深度学习抗遮挡的多目标跟踪算法,能够较好地解决跟踪漂移问题,提高了多目标跟踪的准确性。

基于大数据安全技术及深度特征的鲁棒视觉跟踪

针对光照变化、目标旋转、背景杂乱等复杂条件下,核相关滤波KCF算法出现目标跟踪漂移或者失败的问题,本文利用卷积神经网络(CNN)对跟踪目标出现光照、旋转、背景杂乱等复杂变化极具鲁棒性的特点,提出了一种基于卷积神经网络的鲁棒视觉跟踪算法CKCF。CKCF算法在考虑大数据安全和隐私保护技术的前提下,利用海量的图片数据集训练VGG模型提取目标深度特征,并融入改进后的KCF跟踪算法中,实验结果表明,与KCF算法相比较,该算法实现了更加鲁棒的跟踪效果,解决了KCF跟踪算法在光照变化、目标旋转、背景杂乱等复杂条件下目标跟踪漂移或者失败的问题。

基于大数据的分布式隐私保护聚类挖掘算法研究

随着云计算和移动互联网技术的迅猛发展,网络上每时每刻都产生海量的数据,在大数据时代,数据大多采用分布式存储,存储在多个相互独立的站点上,典型的数据挖掘算法已不适应大数据背景下数据挖掘的相关隐私数据安全方面的需求。在大数据背景下,进行分布式数据挖掘,面临着要解决数据安全保护和隐私泄露等方面的技术问题。因此,本文将同态加密技术应用于典型的K-means聚类挖掘算法,设计一种基于大数据的分布式隐私保护的PP-kmeans算法,实验表明,该算法可以实现数据隐私安全保护,并且达到较为精确的大数据聚类挖掘效果。

商空间粒度的可逆性研究

粒计算是近年来人工智能领域的重要研究热点,而商空间理论是最重要的粒计算模型之一,其主要思想是通过保假原理实现求解问题从细粒度到粗粒度的商空间构造过程。这个粒化过程是一个信息有损过程,是不可逆的,于是研究商空间粒度的可逆性。首先,提出逆商空间的概念并定义其构造方法,为商空间(粗)粒度到原空间(细)粒度的可逆转换提供形式化的数学方法;其次,通过分析逆商空间与原空间的一致性,论证并实例分析商空间粒度的两个可逆性条件——定义原空间上的双射函数或保证原空间上所有开集的饱和性。旨在进一步丰富和完善商空间粒度转换理论和粒计算方法。

基于深度学习的智能交通视频多目标检测研究

国内大中城市的人流量、车流量与日俱增,面临着严重的交通拥堵问题,建立完善智能交通系统是解决交通问题的有效方法之一。本文提出一种基于堆栈式去噪自编码器深度学习框架的复杂交通场景中机动车辆的多目标检测算法,通过实时检测车辆流量来完成交通状态预测。实验证明,使用堆栈式去噪自编码器深度学习框架,提取目标机动车辆深度特征,实现多目标检测,提高多目标识别检测效果,切实提高交通状态预测的准确率。

基于SDAE深度学习的多目标检测与跟踪研究

运动目标的检测与跟踪是智能交通、智能监控等领域的重要组成部分,尤其是行人、车辆的检测与跟踪,对于行人行车安全、流量监控等都有着重要的意义。由于复杂交通场景中多目标检测与跟踪的难度较高,人工设计的目标特征无法满足复杂的多目标检测与跟踪。因此,本文提出一种基于堆栈式去噪自编码器深度学习框架的多目标检测与跟踪算法,利用海量的图片数据集训练深度学习模型,提取目标深度特征,用于多目标检测与跟踪。实验结果表明,基于堆栈式去噪自编码器深度学习框架的多目标检测与跟踪算法,提高了多目标检测的准确性,实现了更加鲁棒的多目标跟踪效果。

LATE水平集图像分割模型的矩形窄带法

窄带法是水平集图像分割的一种常见的加速方法.传统窄带仍然存在冗余的计算区域;传统窄带法与LATE (Local Approximation of Taylor Expansion)水平集模型结合时,图像分割效率反而可能下降.针对这些问题,本文提出了一种基于LATE水平集图像分割模型的矩形窄带法.在每次LATE水平集迭代之前,对水平集做如下窄带处理.首先找出水平集的所有过零点;然后对过零点做活动约束,剔除不活动的过零点,有效缩小窄带范围;再对活动约束的过零点生成矩形窄带;对重叠的矩形窄带进行合并优化,使得矩形窄带总面积尽可能小.最后,在矩形窄带范围内求解水平集微分方程,更新水平集,完成本次迭代.在水平集演化的不同阶段,对传统窄带法的窄带面积与本文矩形窄带面积进行了比较.随着迭代次数增加,矩形窄带面积与传统窄带法的窄带面积之比逐渐减小到0,说明矩形窄带法有效地减少了冗余计算量.针对不同程度的灰度不均匀图像,本文方法与LATE方法、结合LATE模型的直接窄带法、以及结合LATE模型的DTM窄带法进行了比较.直接窄带法和DTM窄带法的分割速度反而慢于LATE方法.对灰度严重不均匀的图像,直接窄带法和DTM窄带法的分割质量受到了较大影响.本文方法在保持较好分割效果的条件下,分割速度快于LATE方法.本文的矩形窄带方法有效地降低了算法复杂度,提高了图像分割效率.

基于GPN径向基神经网络的边缘检测方法

在基于神经网络的边缘检测模型中,大部分模型的检测效率不高,检测效果也有待提升.本文受人眼视觉系统特性的启发,提出了一种新的基于GPN(Gaussian Positive-Negative)径向基神经网络的边缘检测方法.首先,本文构造了一种新型的基于GPN径向基神经网络,将图像中经高斯滤波预处理后的每个像素点作为GPN径向基神经网络的中心点,并将其输入神经网络;然后,在每层之间使用卷积神经网络的部分特性进行处理,经过扩展层和隐层计算后输出结果;最后根据输出结果利用轮廓跟踪的方法将边缘提取出来.本文在检测效果以及效率这2个方面进行了相应的数值实验.针对合成图像以及部分灰度不均匀图像,相较于脉冲耦合神经网络模型、遗传神经网络模型以及卷积神经网络模型,本文模型在效率上得到了提升,且边缘的连通性更好.实验结果表明,本文提出的基于GPN径向基神经网络的边缘检测方法是一种新的、有效的边缘检测方法,比传统的神经网络边缘检测方法效率更高,且在检测效果上也有所提升.

一种基于区块链的数字彩票发行系统

针对当前彩票系统的不透明性,提出了一种基于区块链的数字彩票发行系统.区块链最重要的特点本就是去中心化和安全透明,这完美地契合了目前彩票行业以及未来发展所需要的基础能力.介绍了基于区块链的彩票系统构建过程中几个关键技术,主要包括中奖号码选择的去中心化控制以及共识机制、开奖过程中智能合约的自动执行.通过这几个关键技术,提出了安全可靠和去中心化的基于区块链的彩票系统整体架构和具体实现,从技术上解决了目前互联网彩票系统的信任问题.

WSNs中满足时延要求的空洞抑制路由

针对地理位置路由的路由空洞问题,提出基于时延要求的地理位置路由(DGGR)。DGGR路由旨在缓解路由空洞问题,同时满足数据包的时延要求。DGGR路由给遭受路由空洞的数据包定义扩展转发区。而扩展转发区的尺寸由数据包时延要求决定,使得数据包沿着扩展转发区传输数据包。仿真数据表明,相比于同类路由,DGGR路由在数据包传递率和负载均衡方面的性能得到有效地提高。

基于局部能量的边缘检测方法

本文从局部能量的角度提出了一种有效的图像边缘检测方法.在以一个像素点为中心的对称区域中,计算区域内所有像素的灰度值与中心像素的灰度值之间的差值,将差值平方的总和作为中心点所对应的局部能量.该局部能量可以有效地用于检测图像的边缘,因为边缘点的局部能量要比对应光滑区域内的像素点大得多.根据本文所构造的局部能量函数可以有效地找到边缘点.本文使用Baddeley误差度量(BEM)方法来评估本文方法检测结果的准确性.实验结果表明本文方法检测效果比较好.

继续教育多元化建设初探

目前高校传统的继续教育体制与教学模式难以适应信息社会中知识爆炸式增长并且迅速更新换代的教育需求。因此,高校必须改革目前继续教育的办学模式。本人从继续教育的实际情况出发,探索适合我校继续教育的办学模式,建立与我校继续教育的特点和未来发展以及时代需求相适应的、切实可行的多元化办学模式。

高校教师科研之探讨

为了提高高校教师的科研水平,以高校教师科研为题,分析了教师科研的内在和外在动机,重点分析了教师怎样从事科研的过程和科研课题的六个来源,最后得出结论,教师从事科学研究是必然趋势,对教师和学校都是双赢的选择。

单斜地形条件对激电对称四极测深拟断面图的影响

激电测深方法是一种典型的地球物理勘探方法.它被广泛应用于金属矿勘探及地下水勘探中.对称四极测深方法是野外激电测深的主要方法之一.理论上,激发极化方法很少受到地形的影响,主要是因为激发极化方法的基础是地下极化体受到激发电流的激发而产生的极化效应,从而产生二次极化电流,极化率与激发电流的大小没有直接的相关性.但在实际的应用中,由于地形条件的变化,可能导致测深装置的装置系数发生变化,人为的因素可能导致测深的拟断面图发生畸变,影响测深结果的解译.作者通过理论模型的推导方法,形象直观的演示了单斜地形条件下,对称四极激电测深拟断面图发生变形的过程.并通过新疆某地钨矿实例,说明了单斜地形条件下,对实测对称四极激电测深拟断面图进行修正的重要性.