摘要：空间众包技术在现实物理世界中有着丰富的应用场景,得到学术界和工业界的广泛关注.任务分配是空间众包的主要研究问题之一,即把工人分配给合适的任务.但是现有的任务分配方法大多假设众包工人和空间任务出现的位置和时间是已知的,忽略了真实的众包平台中众包工人和空间任务的动态变化,由于空间众包平台的强时效性,这种情况下设计的分配方式只能得到局部最优分配结果.提出最大价值最小成本任务分配的新问题,目标是对当前和未来的工人进行分配,使用最小的移动成本获得最大的分配价值.为解决这一问题,提出了基于轨迹的任务分布预测方法及基于核密度估计的工人分布预测方法,设计基于位置预测的任务分配算法来计算众包工人和空间任务的相对最优分配策略.所提位置预测方法利用图卷积神经网络和ConvLSTM模型进行预测,相较传统基于网格的位置分布预测更加精确和稳定.基于位置预测的启发式分配算法可以在线性时间内结合预测得到的位置信息完成任务分配,更加契合空间众包平台的强时效性.在真实数据集上进行大量实验来证明所提方法的有效性,相比于基于网格的预测方法,任务/工人位置预测准确率分别提高了15.7%和18.8%.

摘要：为提高异常检测算法的性能,提出一种基于复合运动特征和一分类模型的异常事件检测算法。为能够对视频内容进行更全面描述,提出融合一阶和二阶运动的复合运动特征,对视频内容进行全面描述;利用运动光流场去除冗余信息,只对感兴趣区域进行检测,以降低计算代价;使用一分类线性判别分析算法实现异常事件检测。在公共数据集UCSD上的实验结果表明,该方法在检测性能上优于对比方法,能够有效实现视频中的异常事件检测。

摘要：邻域拓扑是提高人工蜂群算法性能的一种有效手段.然而,现有相关工作主要是在种群层次上实现了单一邻域拓扑,这种方式忽略了不同类型的邻域拓扑能优势互补,使得算法性能还有一定局限性.为此,本文结合强化学习,提出在个体层次上实现多邻域拓扑。将种群中的个体视作智能体,设计了基于邻域拓扑的状态和动作,选用4种不同特征的邻域拓扑用于构建邻域候选池,之后采用Q-learning方法根据个体的奖励情况为其自适应选择不同的邻域拓扑.该方式相对于现有的单一邻域拓扑,更能充分发挥不同邻域信息对算法搜索的引导作用.在CEC2013和CEC2017两套测试集以及两个实际优化问题上进行了大量实验,与4种邻域相关ABC和4种知名改进ABC进行了性能对比,结果表明该算法的收敛精度和速度均有更好表现,可有效增强邻域人工蜂群算法的性能.

摘要：针对当前软件人才培养中综合能力、人文素养等缺失的现状,提出基于工程教育专业认证标准,构建一个以学生为中心、以毕业要求为目标并融入思政教育的人才培养模式,探讨软件专业毕业要求与思政元素、课程教学和评价考核的映射及实施,介绍思政案例库的建设,并以面向对象的分析与设计课程为例阐述具体教学实施,通过效果说明该教学模式的有效性。

摘要：研究了"云计算+端智能"的架构,基于卷积神经网络,设计开发了作物营养诊断服务系统。用户通过微信小程序拍摄或选择作物图片上传到云计算服务器进行图像识别,即可获得作物营养诊断结果和缺素矫治方案。结果表明:该系统拥有良好的在线诊断能力,提高了作物营养诊断的效率和效果。

摘要：微信校园导览"利用微信小程序服务"无需安装、触手可及、用完即走"等特点,用户可以通过微信端快捷获取应用,让用户迅速了解学校和更为精确导航校园。本系统采用MINA框架和第三方知晓云平台,减少了开发时间和成本。