数据库技术在船舶破舱稳定性计算中的应用

船舶破舱稳定性的计算会随着船舶类型、舱位、人数、碰撞位置不同而不同,目前尚未建立一个统一的计算模型来实现船舶破舱稳定性计算,且破舱稳定性计算量大,建立的计算模型较为复杂。本文提出使用数据库技术、云平台技术建立一个综合的船舶破舱稳定性云计算平台,对概率性船舶破舱稳定性计算过程进行充分研究,计算分舱指数和概率因数,使用数据库技术实现对破舱稳定性计算相关数据的存储及查询,打通所有应用端、存储端和计算端的接口,并通过云平台的性能监控优化船舶破舱稳定性的计算模型。

基于物联网技术的智慧医院健康监测平台研究

为提升健康监测平台的易扩展性,设计了基于物联网技术的智慧医院健康监测新平台。该平台通过引入GIRLS网关,解决不同的公共和私人网络对电子健康记录的互操作性。通过MARCIA(Applied Clinical Record Management)管理系统,有效管理病患临床信息记录和避免在增加新事件时修改系统结构,有效提升了所设计健康监测平台的易扩展性。最后,将所设计平台用于COVID-19感染情况监测。分析结果表明,MARCIA可将新的COVID-19的临床知识快速添加到平台用户的医疗健康可处理信息存储库中,而不需要更改其源代码。因此,所设计平台可实现新功能的实时添加。

基于词嵌入的科研主题排序研究

为准确把握科研领域内文献主题的发展变化,常利用隐式语义特征提取科研主题分布。但由于主题挖掘技术本身的限制,并非所有主题都具有同等重要性或意义。有些主题可能包含太多背景词,信息空泛,或者主题词之间缺乏连贯性,导致主题缺乏实际意义。针对上述问题,在已有研究基础上,基于词嵌入,提出一种新的多维度评估主题质量算法;针对科研文档的特点,利用语料库的统计特征对无意义主题距离评估方法进行优化,并最终将二者融合到一个统一的主题排序框架中。实验结果表明,本文提出的方法可以有效提高主题排序整体效果,能够识别出非重要和质量差的主题,主题排序的整体效果优于现有方法。

基于改进YOLO v4的自然场景下冬枣果实分类识别

为实现冬枣园机械化自动化采摘以及冬枣树精准化管理,针对自然场景下冬枣果实的快速、准确分类识别问题,提出一种基于YOLO v4模型改进的冬枣果实分类识别模型CC-YOLO v4。利用改进的CSP跨阶段部分连接结构和多尺度特征融合的CBAM卷积注意力模块,减小网络规模的同时增强特征提取能力,改善果实分类识别的误检和遮挡目标的漏检情况;采用Softmax交叉熵损失函数代替Sigmoid二元交叉熵损失函数作为分类损失函数,引入EIoU损失函数代替CIoU损失函数作为边界框回归损失,进一步改善果实分类识别的误检并提升预测框精度。试验结果表明,CC-YOLO v4模型对3类冬枣果实的查准率P均值为81.86%,平均检测精度均值mAP为82.46%,IoU均值为81.35%,模型参数量和大小分别为26.9 M和108 MB,检测速度可达28.8 F/s。与其他模型相比,本模型具有更好的分类识别能力、识别速度和较小的模型复杂度。在不同果实数量情况下进一步试验,本研究方法具有良好的精度和鲁棒性,对解决自然场景下冬枣果实的精准分类识别问题具有重要参考价值。

基于改进Deeplabv3+的电力线分割方法研究

针对已有的分割算法存在的复杂场景干扰大、分割不准确的问题,提出一种用于电力线分割任务的改进Deeplabv3+模型。将原始主干网络替换为轻量级Mobilenetv2网络,增加低水平特征,获得5路输入特征,充分提取特征信息;添加空洞空间金字塔池化(atrous spatial pyramid pooling,ASPP)的卷积分支数量,调整空洞率,提升图像的特征抓取能力,进一步在每个空洞卷积后加入1×1卷积操作,加快计算速度;提出一种基于坐标注意力机制的语义嵌入分支模块(coordinate attention semantic embedding branch,CASEB),融合第2、3路特征,增强目标特征的表示;引入卷积注意力机制模块(convolution block attention module,CBAM)抑制无用信息的传递,提高模型识别效率。实验结果表明,相对于原Deeplabv3+模型,改进模型在平均像素精度(mean pixel attention,MPA)和平均交并比(mean intersection over union,mIoU)上分别提升2.37%和3.42%,该方法可提供更加精确的电力线分割结果。

基于多器官特征融合的枣品种识别方法

针对自然场景下的枣品种识别问题,以枣果为研究对象的机器视觉技术已成为枣品种精准识别的主流方法之一。针对枣品种存在类间差异小、类内差异大的问题,提出了一种基于多器官特征融合的枣品种识别方法。首先利用YOLO v3检测算法将采集的自然场景图像中的枣果和叶片器官分割提取,提出了基于笛卡尔乘积构建两器官组合对的枣品种多样本数据集,然后基于EfficientNetV2网络模型,设计了能够充分学习两器官特征相关性的融合策略来提升模型性能,引入了逐步迁移训练方式以提升枣品种识别效率。最后,在构建的包含20个枣品种数据集上进行了大量实验,得到97.04%的识别准确率,明显优于现有研究结果,并且在训练时间和收敛速度上,本方法也有一定提升。结果表明该方法能够有效融合枣品种枣果和叶片器官的特征信息,可为其他品种识别研究提供参考。

新工科背景下“赛教融合”实践教学体系改革与探索——以Android开发课程为例

“赛教融合”实践教学体系的改革与探索是新工科背景下培养创新型工程人才的重要途径。通过更新教学内容,将学科竞赛引入课堂,探索学科的交叉融合,增加综合型项目案例,采用分层实践教学法,推出学科竞赛“传帮带”模式和学业导师制,加强实践教学环节,实施融入学科竞赛的多元化、过程性考核,优化“赛教融合”体制等,有效激发学生的积极性和主动性,提高学生的实践能力和创新能力,为新工科建设提供有力支持。

基于OBE的计算机网络课程混合式教学改革研究

计算机网络课程教学坚持“立德树人,产出导向,学生为中心,教师为主导”的教学理念,在需求导向教育(OBE)理念指导下,首先制定石家庄学院软件工程专业计算机网络课程的教学体系,并优化教学目标.然后“以学生为中心”主动放权,创新线上线下混合式教学的教学模式,实现学生对课堂的反哺.其次,针对理论与应用相脱节的问题,采用具体的任务措施提高教学质量.同时在课程中采用“热点+知识点”的方式在潜移默化中进行思政教育,提高学生的爱国意识.最后,采用多元化课程考核方式,加强过程性考核,提高学生对知识的理解掌握,从而整体提高教学质量.该课程线上线下混合式教学已在石家庄学院计算机科学与技术专业推广应用,同时也在超星平台推广应用.

人工智能对河北省毕业生就业影响与对策研究

人工智能技术的飞速发展给人类社会的生活带来了极大的便捷。目前,人工智能技术已经逐步地应用到了各行各业,并使各行各业的生产结构发生变化。这些因人工智能技术导致的变化为高校毕业生创造了更多的就业岗位,提升了就业质量,并增强了就业幸福感,但与此同时也给他们带来了更多的挑战。人工智能技术的发展对就业岗位机制与需求造成了破坏,从而导致企业对人才的规格要求不断攀升。因此,高校有必要采取教育改革、加强校企合作并促进实践教学、实施就业培训等措施,以提升高校毕业生的就业能力。

新工科背景下软件工程课程思政建设研究

“新工科”人才具有工程实践能力强、创新能力强、具备国际竞争力的特点.为了满足新经济与未来新兴产业需求,需要培养高素质复合型“新工科”人才,很多高校计算机类相关专业将课程思政引入到专业课程中,进行全过程育人以达到人才培养的目的.以石家庄学院计算机科学与技术专业(人工智能方向)为例,探索在新工科背景下软件工程课程思政的创新教学模式,通过强化创新意识、科学素养、生活处事哲理等方面来强调主流价值引领,以培养高素质应用型新工科人才.

新工科计算机类大学生可持续竞争力提升研究

数字经济对新工科计算机类大学生的可持续竞争力提出了新的要求。基于此,依据对计算机类专业在校生可持续竞争力现状线上调研的结果,提出通过制定科学合理的人才目标、改革人才培养模式、修订新工科专业人才培养方案、改革教学模式等途径,以提升和培养新工科计算机类大学生的可持续竞争力。

数字经济对产业层面就业结构的影响——基于产业结构升级的中介效应

结合已有研究从理论层面梳理数字经济、产业结构、就业结构之间的关系,并用我国2010—2021年省级面板数据,实证分析数字经济对产业层面就业结构的影响。结果表明,数字经济能够促进就业结构优化,且产业结构升级起到了中介作用。具体来说,数字经济能够通过促进产业结构服务化来促进就业结构优化。此外,数字经济对不同地区的就业结构有异质性影响。基于理论和实证分析结果,提出促进我国就业结构优化的政策建议。