摘要：YOLOv3目标检测算法在检测目标时没有考虑边界框坐标定位存在的不确定性,因此有时不能得出正确的检测结果。针对此问题,提出YOLO-wLU(YOLO with Localization Uncertainty)算法。该算法借鉴深度学习中的不确定性思想,使用高斯分布函数建立边界框坐标的概率分布模型以考虑边界框坐标定位不确定性;设计新的边界框损失函数,在检测过程中移除定位不确定性较大的检测结果;通过融合周围边界框坐标信息提高了边界框坐标辨识结果的准确性。实验结果表明,该算法可有效减少误报率,提高检测精度;COCO数据集上测试结果显示,相比YOLOv3算法,该算法的mAP最高可提升4.1个百分点。

摘要：介绍了G.728的算法原理和TM1300定点DSP芯片,针对该芯片的硬件结构及编译系统特点,设计了一套运行在TM1300芯片上的语音信号采集-编解码-播放系统,分析了多通道G.728在定点TM1300芯片上实时实现时存在的困难和相应的关键技术,详细论述了G.728编解码算法在该芯片上实现时采用的优化技术。

摘要：为减轻现有随机森林算法中重要度低的属性对分类结果的影响,提出一种基于模糊决策的随机森林算法(FRF)。根据随机森林中对决策树设置的属性重要度的值,舍去重要度较低的属性,把完全生长的决策树转化为模糊决策树。由叶子结点中各个类别被赋予的相应权重和类别分布情况,计算得到能够判定样本类别的概率;进行随机森林算法优化,提高分类正确率。实验结果表明了优化后的随机森林算法方法在UCI标准数据集上的有效性,分类正确率得到了提高。

摘要：介绍了 G.72 8的算法原理和 TMS3 2 0 C5 41 0定点 DSP芯片 ,针对 TMS3 2 0 C5 41 0芯片的硬件结构和编译系统特点 ,设计了一套运行在该 DSP芯片上的多通道 G.72 8语音编解码器。分析了多通道 G.72 8在定点 DSP芯片上实时实现时存在的困难和相应的关键技术 ,详细论述了 G.72 8编解码算法在该 DSP芯片上实现时采用的优化技术 ,以及为了降低计算量对码本搜索模块及 Levinson-Durbin算法的改进。

摘要：针对“软件项目管理”课程在教学模式、教学方法和教学评价等环节存在的问题,引入项目管理办公室(PMO)管理机制设计课程教学,教学活动以软件项目实践任务为主线,在教学过程中充分发挥PMO的规范、支持、监督和评审的作用,以更好地达成课程目标。实践证明,基于PMO的“软件项目管理”课程教学模式能显著提高教学效果,提升学生应对实际复杂工程问题的能力。