西安理工大学:构建卡脸识别智能门禁系统

随着云计算、物联网、大数据、人工智能等技术的发展与应用,各个行业的信息化程度不断加深,信息技术对教育领域也产生了重要影响。高校信息化建设已经从数字化校园步入智慧校园阶段,校园门禁管理中身份识别设施的持续升级与完善,为师生提供了更多智慧化的体验。校园一卡通、二维码、人脸生物特征等已成为高校门禁管理的重要载体,通过智能身份识别技术助力高校疫情防控成为可能。

西安理工大学银校合作项目实施方案

建设流程西安理工大学信息化管理处结合学校的发展规划以及智慧校园建设规划方案,理清思路和建设目标,从信息化基础环境建设、信息化与教育教学融合、服务与管理能力提升、网络信息安全体系构建四个方面打造“智慧西理”。

多模态生物特征信息安全防护体系研究

在新的计算能力和深度学习技术推动下,人工智能、大数据发展进入了繁荣期,导致多模态生物特征信息迅猛增加与应用。由于多模态生物识别具有自然性和多场景应用性,特征信息的采集、识别、分析不仅涉及个人隐私和人格尊严,还主动或被动暴露在现实环境中,高校面临着巨大的信息安全保护需求和风险挑战。通过对高校多模态生物特征信息安全问题及现状进行分析,提出从基础设施安全防护、网络安全防护、数据安全防护、应用安全防护四个层面构建多模态生物特征信息安全防护框架,并将管理数据防护、业务数据防护、用户鉴别信息防护、分类分级全生命周期信息防护策略与技术相结合,以着力解决不同维度的安全风险和隐患问题。结合国内高校多模态生物特征信息实施应用情况进行对比分析,验证了所提出的信息防护策略与技术有良好的应用效果,为加强高校多模态生物特征信息防护能力提供借鉴和参考。

基于BIG-WFCHI的微博信息关键特征选择方法

特征选择是用机器学习方法提高转发预测精度和效率的关键步骤,其前提是特征提取.目前,特征选择中常用的方法有信息增益(Information Gain,IG)、互信息和卡方检验(CHI-square test,CHI)等,传统特征选择方法中出现低频词引起的信息增益和卡方检验的负相关、干扰计算等问题,导致分类准确率不高.本文首先针对低频词引起的信息增益和卡方检验的负相关、干扰计算等问题进行研究,分别引入平衡因子和词频因子来提高算法的准确率;其次,根据微博信息传播的特点,结合改进的IG算法和CHI算法,提出了一种基于BIG-WFCHI(Balance Information Gain-Word Frequency CHI-square test)的特征选择方法.实验分析中,本文采用基于最大熵模型、支持向量机、朴素贝叶斯分类器、KNN和多层感知器5种分类器对两个异构数据集进行了测试.实验结果表明,本文提出的方法能有效消除无关特征和冗余特征,提高分类精度,并减少运算时间.

“人工智能+物联网”背景下的智慧校园一卡通建设研究

人工智能和物联网的结合及其生态发展,促进了高校智慧校园一卡通的技术创新,以及生产方式和业务模式的转变。智慧校园一卡通规划建设的先进性对提升学校教育信息化水平、提高师生信息化素养具有重要意义。文章结合人工智能、物联网等技术,分析了智慧校园一卡通的建设现状及存在问题,提出了智慧校园一卡通的建设策略,以期为高校信息化建设与应用提供参考。

基于GIMT和弧长参数化的QG-Ball曲线近似合并

曲线近似合并作为CAGD中复杂曲线设计的一种有效技术,一直备受学者们的关注,并在CAD/CAM领域得到了广泛的应用。针对现有带形状参数的广义Ball曲线难以合并的问题,提出了一种基于广义逆矩阵理论(GIMT)和弧长参数化的QG-Ball曲线近似合并方法。首先,利用曲线近似弧长参数化算法计算出QG-Ball曲线弧长等分对应的配置点列(亦称等分点)和配置点参数值;其次,基于所得等弧长配置点列及其参数值,再结合广义逆矩阵理论和曲线拟合方法,便可以直接得到计算合并后QG-Ball曲线控制顶点的一个显式表达式;最后,利用连续函数的L2范数定义了一个度量曲线合并效果的误差计算公式,并给出了一些具有代表性的数值算例及其合并误差。实例结果表明,所提出的方法可以高效地实现QG-Ball曲线的近似合并,不仅易于操作、误差计算简单,而且能方便地推广到其他曲线的近似合并。

基于大数据的学生行为综合分析与服务平台设计与实现

针对传统学生管理和服务方式存在的单一化、缺乏个性化等问题,设计并实现了一个基于大数据的学生行为综合分析与服务平台,该平台围绕学生管理工作展开大数据服务,主要包括学生综合画像、智能综合预警、智能行为轨迹和智能精准资助四大模块,实现对学生日常学习生活的全体系、全流程、全天候、全方位的动态监测,促进教育服务供给精准化、个性化和智能化。

支持层级相关性传播的差分隐私分类算法研究

为了防止攻击者在深度学习图像分类过程中还原训练集数据并保护输入图像数据,提出一种基于层级相关性传播的差分隐私分类算法.该算法首先采用层级相关性传播模型量化图像的特征相关性,然后利用相关性自适应地向损失函数添加噪声并利用Adam算法进行模型优化,最后依据相关性分配隐私预算并构造差分隐私变换层以扰动输入数据.实验结果表明,该算法在实现隐私保护的同时,能够保证较高的分类准确率.

大数据背景下精准资助方法研究与实践

随着大数据,云计算,人工智能等技术的不断发展,高校也在积极利用先进的信息技术提高教学管理各个环节的科学性、精准性和智能性。针对高校传统资助方法无法全面真实了解学生经济状况的问题,文章基于大数据技术,通过对学生在校行为数据进行采集、处理、分析和挖掘,构建学生消费行为与家庭经济情况关系,从而实现对家庭经济困难学生的精准认定与资助。

疫情防控背景下基于无线日志的区域人数统计与接触追踪方法

目前疫情防控依旧处于关键阶段,如何有效做好高校复学复课和疫情防控工作成为国家和教育工作者重点关注的问题。随着高校校园网络基础设施的持续升级完善,通过无线接入点(Access Point,AP)日志信息进行学生位置及轨迹分析成为可能。文章提出了一种基于无线日志的校园区域人数统计与接触追踪方法,该方法通过对无线AP日志信息的采集与分析,实现对学生位置信息的无感知获取,动态可视化呈现高校日常教育教学中学生的位置分布、楼宇等区域的人流密度、学生在校的行为轨迹等,为高校复学后的疫情防控提供有效支持。

基于IPv6校园网测速系统设计与实现

为实现校园网内端到端的网络测速,解决目前没有较好适应基于IPv6校园网的测速系统问题,采用C/S模式,客户机/服务器端分布于可供选择的目标区域,实现了端到端的测试.测试软件提供FTP下载等多种方式的网络测速方法,并给出当前网络的测速数据;设计了网络质量等级划分标准,根据等级标准评价当前的网络状况;在测速同时,提供了优质资源的本地化下载服务.

基于小样本学习的物联网异常状态修正算法

传统物联网异常状态修正算法需大量状态样本,导致算法耗时较长,精度偏大。为解决上述问题,提出基于小样本学习的物联网异常状态修正算法。获取物联网状态的空间相关性特征,采用欧式度量方法完成小样本学习。搭建小样本学习网络,得到物联网异常状态检测结果,构建RBF神经网络修正模型。实验结果表明:与两种传统算法相比,所提算法物联网异常状态修正正确率平均值分别提高了20.02%与24.87%,算法时延平均值分别降低了1.33s与1.48s,实验所得数据充分验证了提出算法的物联网异常状态修正效果更好。

基于区块链技术的高校本科毕业生成绩单档案查询验证方式的研究与实践

为响应《高等学校区块链技术创新行动计划》的号召,解决目前高校毕业生成绩档案查询验证流程烦琐、易于造假篡改的问题,文章提出了一种利用区块链技术优化毕业生成绩档案查询验证的方式,实现了成绩单的随时查询、可追溯、可验证,让成绩单信息难以篡改、伪造。

对分课堂在英语语音教学中的应用性研究

通过分析当前我国英语语音教学的现状,指出英语语音教学在教学方法等方面出现的变化和趋势。在介绍了对分课堂的内涵及其应用现状的基础上,通过教学活动、评价机制、教材开发和客观问题等方面的分析,为对分课堂应用于英语语音教学提供了新的教学思路。

应对高校海量碎片化场景服务挑战

碎片化场景服务无论业务内容如何,皆可分为实名或非实名业务,基于碎片化场景的信息化服务模式现阶段可作为网上办事大厅服务之外的重要补充。近年来,国内各大高校及教育信息化服务商以"数据多跑路,师生少跑腿"为口号,以整合校园服务入口和简化办事复杂度为目标,积极推进网上办事大厅的建设。

“1+X”证书制度下高职院校创新型人才培养及实施路径研究

“1+X”证书制度是职业教育领域人才培养的重要创新,是提升高职教育人才培养质量的有效途径,是落实立德树人根本任务的重要制度。该文从研究“1”与“X”之间的内在逻辑关系入手,提出“1+X”证书制度下创新型人才培养模式,并从确定人才培养目标、探索校企深度融合模式、推进“三教”改革、建立学分银行信息平台四个方面对创新型人才培养模式的实施路径展开剖析,为新时代“1+X”证书制度在高职院校人才培养的落地实施提供参考。

“1+X”制度下高职院校创新型人才培养模式探索

“1+X”证书制度对高职院校人才培养质量的提升具有重要意义。在这一背景下,该文首先分析了“1”与“X”之间的内在联系,阐述“1+X”证书制度的本质。然后,对高职院校创新型人才培养模式进行剖析,从校企深度融合、学习者自主学习、学生综合评价体系以及学分认定方式四个方面探索创新。最后,结合高职院校人才培养模式的创新思路提出创新型人才培养模式的实施策略,为高职院校在新时代培养出具有创新能力的复合人才奠定基础。