摘要：课程思政与思政课程是高等教育落实立德树人的根本手段和重要举措,而课程思政更是以一种潜移默化、润物细无声的方式,实现培养德智体美劳全面发展的社会主义建设者和接班人这一教育的根本任务。以包装工程学生的专业课——色彩学课程思政为例,基于问题导向,提出了提高专业课课程思政效果的系统措施,从教师队伍建设、学习主体特性分析、课程系统思政要素优化设计以及教学方法的持续优化改进等角度,最终实现课程思政效果,为行业培养更多合格的社会主义接班人。

摘要：目的通过三维扫描仪得到的点云数据往往存在很多异常值,例如噪点、遗失点和外部点等。在这些异常值存在的情况下,为了提高三维点云数据的分类精度,提出一种基于集成学习的强鲁棒性三维点云数据分类方法。方法提出一种基于最大投票法的集成学习思想,将2个深度神经网络的分类结果进行集成,从而提高网络的泛化性和准确性;采用全局特征增强和中心损失函数来优化神经网络结构,提高分类精度并增强鲁棒性。结果文中方法缩短模型训练时间至30个迭代次数,且在有噪点、丢失点和外部点的情况下分类精度均得到有效提升。结论提出的EL-3D算法在含有噪点、丢失点和外部点的情况下,鲁棒性效果要优于目前的点云分类方法。