摘要：天基遥感图像分辨率的退化为舰船目标的识别带来了巨大挑战。图像超分辨率重建技术可以为识别任务提供丰富的信息,然而将图像超分辨率重建与舰船目标识别任务分别独立进行,将会忽略两个任务间的内在相关性。针对这些问题,为了探索图像超分辨率重建与目标识别任务间的有效结合方式,提出了面向舰船目标识别的遥感图像超分辨率重建方法。设计了一种通道全连接网络,以自适应加权的通道全连接代替残差连接,提升各层特征的流动性与表达性能,实现遥感图像的高效超分辨率重建。为了进一步挖掘超分辨率重建对舰船目标识别性能提升的潜力,引入多任务学习技术,提出了一种超分辨率重建与目标识别联合网络,通过多阶段训练优化策略实现联合端到端网络的稳定训练,从而引导任务间进行有效的互相监督学习。在公开数据集FGSCR-42上的实验结果表明,当遥感图像在8倍和16倍的分辨率退化情况下,提出的超分辨率重建网络帮助舰船目标识别准确率分别提升了33.27和17.48个百分点,所提联合网络则将识别准确率进一步提升了1.75和1.91个百分点。

摘要：光照是植物生长的基本条件之一,其作物的生长周期、光合作用以及生物节律都有深远的影响。本文就智能照明控制技术在农业种植中的应用机制、设计要素及其对作物生长的潜在影响展开探讨,以期为实现精准控制农业种植条件、提高作物产量和质量提供理论基础和实践指导。

摘要：按照第一权利人统计,2023年我国1578所高职院校获得发明专利共计6771项,平均每校获得4.3项专利,获得1项及以上专利的院校为608所。数据分析表明:“双高”院校、本科院校、公办院校比非“双高”院校、专科院校、民办院校有更强的技术研发能力;经济发达省份的高职院校具有较强的技术研发能力;高职院校在加工制造、农业与食品、建筑、物流运输技术上具有较强的研发能力,而在半导体、通信、计算机、医学诊断、电池、药品等技术上的研发能力相对较弱。从战略性新兴技术上来看,高职院校在新一代信息技术、高端装备制造、新材料、生物技术上有一定的研发能力;但在新能源汽车、新能源、节能环保、数字创意、相关服务技术上的研发能力不强。

摘要：研学旅行作为旅游和教育融合发展的新业态正在蓬勃发展。中华大地幅员辽阔,历史悠久,孕育出灿烂的地方文化,并形成丰富的地方文化资源,这些文化资源为研学旅行的发展提供了土壤。依托地方文化资源,设计与之相适应的研学旅行,并以河东大地为例,梳理出根祖文化游、盐文化游、红色文化游、关公文化游、德孝文化游五大研学旅行线路,提出现场教学、实景互动、多条并举、与时俱进地开展河东研学旅行路径,旨在传承河东文化精神,树立文化自信,全过程、全方位地培养更加健全、更认同地方文化、更愿意服务地方的社会主义建设者和接班人,助力地方发展,实现中华民族的伟大复兴。

摘要：车联网构建了“车-云-路-人”的互联传输体系,而非法网络入侵和攻击使得车联网多通信场景存在巨大的安全隐患。基于数字签名技术设计了车联网安全体系架构,对云端、路侧设施端、移动终端、车端4个部分的架构进行了设计,同时搭建了数字签名的车联网安全架构。通过所设计的车联网安全体系架构,为车联网终端身份认证安全性提供了保障,确保了车联网的安全。

摘要：针对现阶段基于方向信息的编队跟踪控制方法需要提前预知系统期望速度的问题,提出了基于分布式速度观测器的无人机群编队控制策略。通过速度观测器和基于方向信息的编队控制器的结合,解决了部分无人机在编队过程中无法直接获取速度信息的问题。系统的编队采用了领导者-跟随者结构,通过改变领导者的相对位置来完成缩放任务。控制器的设计引入了旋转矩阵来实现编队系统的旋转任务,然后通过Lyapunov方法证明了控制器的稳定性。最后通过仿真软件的缩放和旋转试验证明了控制策略的有效性。

摘要：随着信息技术的飞速发展,各级政府和大型企业掌握的数据量正在以指数级别增长。然而,数据来源多样会导致格式差异,数据质量参差不齐会影响应用效果,数据分散管理会弱化关联汇集,数据形态异构会造成语义鸿沟。在此背景下,多源异构数据融合负责将来源不同的多模态数据进行有效整合,完成数据互补与关联,进而实现信息增强。目前,大多数已有研究的关注重点集中在大数据治理流程与多模态深度学习,很少有工作研究讨论完整的多源异构数据融合技术框架。因此,在综述关键技术的基础上,文中提出了一整套涵盖“数据引接-数据清洗-数据集成-数据融合”全过程的多源异构数据融合关键技术框架,并对各个环节需要解决的问题与重点任务进行介绍。然后,通过一个政务应用实例场景,给出了政务大数据治理体系的设计,以解决政务数据来源广泛、质量参差不齐、管理分散、形态异构的问题,并进一步阐述了多源异构数据融合的重要价值。最后总结全文并展望未来。

摘要：计算机类专业教学存在生师比偏高、伴学机制重形式轻内容、学生综合实践应用能力不足等问题。为解决这些问题,提出了基于教育知识图谱的智慧伴学机制。该机制融合了同伴学习、合作学习、导生制等基本思想,构建了由教师、高年级导生、同年级学生共同参与的立体化伴学机制。通过构建智慧伴学大数据平台,打破了时空限制,实现了伴学组织的信息化、伴学过程的数字化和伴学管理的智慧化。设计了教育知识图谱赋能智慧伴学策略,以解决传统教学模式中知识点孤立、学生学习主动性不足、综合应用能力较差等问题,实现知识点的网络化、立体化教学。指出了伴学机制未来的研究方向,即构建线上与线下有机融合的混合式伴学模式,教育知识图谱质量保障,创新智慧伴学平台数据分析与应用。

摘要：随着人工智能与学生作业深度融合,实现了作业数据的全流程记录,为推动“双减”落地实施提供了数据支撑。减轻学生作业负担作为“双减”重要一环,充分发挥数据在作业减负中的作用也是落实“双减”的必然要求。研究从作业数据视角出发,通过聚焦数据赋能作业减负的实践案例,旨在厘清数据赋能作业减负的内在逻辑、现实困境及实践路向。研究发现,数据驱动的作业设计层次更具差异性、完成过程更为可视化、学情反馈更富效率,但仍面临如何实现减负增效、兼顾个性需求及满足精准需要的现实困境。就如何进一步发挥数据在作业减负中的作用,还需从深挖学习过程数据、扩展数据使用主体、发挥教师数据智慧三方面进行优化。

摘要：传统的果蔬批发市场收费模型是依靠人力完成的,效率较低。研究提出了基于YOLOv5算法的智能收费系统,将收费模式自动化、智能化。当车辆驶入停车场时,收费模块会记录车辆进场时间并开始计时收费。在车辆离开停车场时,收费模块会记录车辆出场时间并计算车辆的停车费用。根据停车场的收费标准和车辆的停车时间来计算停车费用,并显示在出口处的显示屏上。该系统降低了人力成本,提高了操作效率,为传统行业带来了数字化转型的可能性。