摘要：该文针对高校机械类实验室安全风险,设计了智能巡检机器人。首先改进Cartographer算法实现巡检机器人自主建图与导航;然后改进PANet分割算法,实现基于热力图对目标进行分割;最后将长短期记忆网络(LSTM)算法与选择性搜索算法融合识别人体动作,实现实验行为识别与监测。通过横向对比巡检机器人检测、人工定期检测和人工随机检测三种情况下识别各类安全隐患的次数与准确度,证明智能巡检机器人具有较大优势。

摘要：传统的人脸识别技术对人脸图像特征的提取及分类器选择均较为复杂,且识别率也不高,随着卷积神经网络从手写数字识别到人脸识别的技术不断成熟,提出了一种利用Python+Keras框架测试CNN的人脸识别算法。该方法主要涉及两方面,一是通过改变隐藏层神经元数量查看对网络的影响;另一个是通过改变卷积层1和卷积层2特征图数量查看对网络的影响。通过多组实验测试得到最佳的CNN模型为36-76-1024,该模型可以自动提取人脸图像特征并分类,使用adam优化器和softmax分类器进行人脸识别可以让训练更快收敛和更有效提高准确率,并利用Dropout方法避免过拟合。实验结果表明,CNN模型在olivettifaces人脸库上的识别率达到了97.5%,当采用最佳CNN模型时平均识别率接近100%,从而验证了该算法及模型的有效性及准确性。

摘要：针对目前传统的Apriori算法对硬件要求较高且运算效率低下的情形,提出将经典的数据挖掘关联规则算法Apriori移植到云计算平台,并结合Map Reduce机制进行海量数据挖掘,有效地解决了传统Apriori算法存在的瓶颈问题以及对硬件要求高的依赖。通过数据和节点对比实验共同验证了移植后的Apriori算法的运算效率比传统的Apriori算法提高了许多倍,且随着数据量和节点数的增加效果愈发明显。由于改良后的Apriori算法具有高效性和可行性,这将为解决当前大数据挖掘问题提供了一种全新的、有效的解决方案,并且这一结论还可为其他数据挖掘算法的移植提供可靠的参考。

摘要：针对无线传感器网络(WSNs)空中下载节点镜像程序更新效率低的问题,基于Jennic开发平台,设计并改善了针对小规模ZigBee网络的多节点同步、高效、可靠的远程更新方案,基于马尔科夫链数学模型,优化了IEEE 802. 15. 4 CSMA/CA算法,并在Jennic JN5168传感节点上进行算法仿真验证。与原有的远程更新技术进行比较,改进后的算法,最大可提升0. 28 bit/s的网络吞吐量,网络时延由0. 029 s减少到0. 024 s,改进算法在提高节点的更新效率上具有可行性。

摘要：从五个方面分析引起单片机系统不稳定的主要因素 ,针对每种因素提出具体的解决办法。

摘要：数字多用表种类繁多,不同表的校准量程、校准档位、及技术参数选取不一样,人工手动校准时间较长,且存在人为失误风险。目前市场上鲜有对数字多用表进行自动校准的专用软件,本文主要研究数字多用表的远程校准技术,开发自动校准程序。通过远程加载校准程序实现对不同表进行自动校准,通过远程桌面控制技术来实现远程校准操作,从而提高了数字多用表的校准效率和校准可靠性。

摘要：针对循环流化床锅炉给煤系统存在的给煤机进口断煤、落煤管频繁堵煤、电仪控制系统设计不合理及元器件老化等问题,通过对给煤机本体、落煤管、加热风、吹堵风等系统的技术改造,消除了给煤系统长期存在的生产瓶颈,实现了锅炉平稳保供、环保达标的目标。

摘要：建设鄱阳湖生态经济区国家战略,它不仅包括科学发展的生态经济、永续利用的生态自然,更包括繁荣和谐的生态文化。基于该区域丰富文化遗产的保护,本文廓清了公众参与文物保护的概念和必要性,指出了该区域公众文物保护意识的若干现状,进而为提升公众文物保护意识提出了若干建议,以利于公众今后更有效的参与文物保护。

摘要：在新一代信息技术发展背景下,社会需要更多具备良好职业素养和优良岗位技能的计算机应用技术类高素质人才,高水平专业群建设为产教融合背景下高素质计算机技能型人才的培养提供了重要支持。文章围绕职业岗位视角下计算机应用技术高水平专业群模块化课程体系的构建展开研究,分析传统高职计算机应用技术专业建设模式面临的问题和挑战,立足区域经济和产业发展特点通过对产业链的梳理分析岗位群,根据岗位群设计课程群,构建与职业岗位能力相适应的模块化课程体系。

摘要：针对传统K-means算法不能自动确定初始聚类数目k和谱聚类算法对参数敏感的问题,提出了一种基于谱聚类的K-means(PK-means)算法。该算法在对k值选取时进行了创新改进,将计算所得的高密度数据点按规律排序,选择密度点前96%的进行聚类,可以以较高的准确率取得聚类数目k,同时采用了不受参数影响且稳定性更高的基于谱聚类模糊的相似性度量方法,利用FCM算法求隶属度矩阵确定数据点间的相似性。应用PK-means算法、K均值算法与密度敏感的谱聚类算法(DSSC)进行了多维非线性数据处理的测试实验。实验结果表明,无论是对于低维数据集还是高维数据集,K-means算法的处理效率是最低的,DSSC算法稍好,而PK-means算法优势明显,其相比传统聚类算法具有更高的聚类精度和更强的鲁棒性,且维数越高,聚类性能表现越突出。