摘要：提出了一种新型网络入侵检测分类模型,设计了一个基于支持向量机(SVM)的分类器。采用因子分析法(FA)将行为样本的众多相关网络特征融合成精简的综合特征,实现了对网络监测数据的降维。利用支持向量决策函数排序法(SVDFRM),通过支持决策向量函数得到网络行为的特征贡献率并提取网络行为的重要特征。KDD99数据集测试实验结果表明,提出的分类模型降维效果显著,具有较好的实时性和较高的检测率。

摘要：为了将程序设计课程与思政教育更好地融合,提出系统化的教学模式,从计算思维的角度介绍程序设计课程的3个认知层次,归纳课程内容要点,探讨如何将其与思政元素同层映射并挖掘相关的思政案例,同时利用混合式教学方法实现不同层次上的教学目标,最后说明多元化的评价体系以检验学生显性知识和隐性知识的学习效果。

摘要：为提高与特定动作相关的目标关键姿态识别准确率,提出融合注意力机制的人体关键姿态估计方法。针对特征提取冗余和通道信息损失问题,在网络不同阶段融入注意力机制,帮助模型从空间和通道维度提取对任务更加重要的特征;考虑与特定动作相关的目标关键姿态误识别代价更大,设计一种代价敏感损失函数,提升模型对目标关键姿态的识别性能。实验结果表明,所提方法在COCO数据集和CargoSorting数据集上对目标关键姿态识别精度分别提高了1.4%和1.5%。

摘要：针对实际航班提前或延误给停机位分配带来的扰动问题,分析了航班实际到离港时间偏离计划时间的分布规律,提出了基于缓冲时间成本的停机位分配鲁棒性评价函数.在此基础上,建立了以缓冲时间成本、机位-航班大小差异度和远机位数等最小为优化目标的鲁棒性停机位分配模型,设计了求解模型的禁忌搜索算法.基于首都国际机场两个典型的A、B工作日实际运行数据的模型验证结果表明,所提方法与不考虑鲁棒性及传统最小化空闲时间离差平方和的停机位分配相比,在A日航班冲突分别减少了98.1%和97.6%,在B日航班冲突分别减少了74.3%和70.8%,有效地提高了停机位分配计划的鲁棒性.

摘要：针对OBE课程的需求,基于FPGA的模型机设计课程从教学方式、教学内容和教学方法等不同角度上提出了一系列的方案和措施。在压缩课时的情况下,保证课程核心内容以及教学效果。并以学生的学习成果导向为目标,增强学生的工程设计能力。

摘要：面向计算思维培养的计算机基础教育是国内外各大高校的教育共识。当前我校C语言公共基础课程教学存在一些问题,比如没有关注学生的专业背景和学习需求,不能满足学生的多元化个性化发展。基于课程中计算思维的体现方式,在新工科人才培养和学科融合的大背景下,对C语言程序设计课程进行改革研究,结合专业背景制定教学内容、设计教学方法和实践案例,提高授课学生计算思维能力的培养质量和水平。

摘要：机场外航服务人员排班是机场智能调度系统的重要组成.针对目前我国机场外航服务人员排班主要采用人工方式,排班效率低下,员工工作时间均衡性不高,且难以满足多种类约束这一现状,本文充分考虑员工对任务具有层次资质及各类劳动法规约束,以均衡员工工作时间为优化目标,提出了面向层次资质的机场外航服务人员排班模型,并设计了基于禁忌搜索算法的模型求解策略.在首都机场外航服务部实际数据集上进行实验,验证结果表明,相比较于现有人工排班方案,利用本文模型得到的排班方案能满足所有排班约束条件,且在员工工作时间均衡性上有显著提高.

摘要：人群计数研究普遍使用欧几里得损失函数,易造成图像局部相关性缺失,且现有研究方法未能充分提取人群图像中连续变化的尺度特征,影响了人群计数模型的性能。针对上述问题,该文提出一种基于多尺度增强网络的人群计数模型(MSEN)。首先,在多分支结构生成网络中引入区域性判别网络,将二者组合形成嵌入式GAN模块,以增强生成图像的局部相关性;之后,基于金字塔池化结构设计了尺度增强模块,将该模块连接在嵌入式GAN模块之后,进一步从不同区域提取不同尺度的局部特征,以最大程度地应对人群图像局部尺度连续变化的问题,从而增强整体模型的泛化能力。最后,在3个具有挑战性的人群计数公共数据集上进行了广泛的实验。实验结果表明,该文所述模型可有效提升人群计数问题的准确性和鲁棒性。

摘要：针对计算机组成原理课程实验,在实物实验箱上操作存在的实验线路固定、部件或芯片内部数据流动不清晰,实验时间和空间受限,不方便综合性、创新性等扩展实验的设计与开发,以至于学生的学习主动性和积极性不能得到充分发挥等的不足,基于JavaScript,利用CSS绘制芯片等组件,采用VML绘制组件间的连线,用HTML5 File API实现电路文件的导入、导出,设计并实现了计算机组成原理虚拟实验系统,配合实物实验箱用于实际教学,能有效提高学生的学习热情和学习效果。

摘要：为预测未来时刻人群密度图,对人群聚集提前预警,提出一种基于生成对抗网络动态建模的人群密度预测方法。采用生成对抗网络结构,生成器采用加入扩张卷积的U-Net网络捕捉人群空间分布信息,利用光流估计模型FlowNet提取人群运动信息,联合4项损失函数对人群空间和时序两方面约束。实验结果表明,Mall数据集上均方误差、峰值信噪比和结构相似性分别为30.97、24.26 dB和0.671,Airport数据集上分别为8.36、34.58 dB和0.931,较现有方法具有更好的性能,验证了该方法的有效性。