摘要：随着虚拟现实技术的日益成熟与融合应用步伐的加快,虚拟现实产业正迎来“元宇宙”这一新的发展浪潮.针对当前虚拟现实科技创新与产业发展面临的基础设施不完善、产品开发成本高昂、复合型人才匮乏以及产业生态尚待优化等问题,提出以下建议:其一,强化政策扶持力度,夯实产业发展的基础;其二,加强科技创新,攻克关键技术难题;其三,积极培养和引进人才,汇聚产业发展力量;其四,加大推广力度,拓宽产品应用范围;其五,优化产业生态,着力培育科技创新骨干企业.采取这些措施,有助于推动虚拟现实产业迈向新的发展阶段.

摘要：成像系统实时采集的低光照环境图像具有照度低、噪声严重、视觉效果差等问题,为了提高低光照环境成像质量,本文提出基于多尺度小波U型网络的低光照图像增强方法。该方法采用多级编解码器构建U型网络,并引入小波变换构建特征分频单元,分离高频和低频信息,增强对低频照度特征和高频纹理信息的感知。设计多尺度感知损失函数,指导网络学习低频信息到高频信息的逐级重建,从而优化网络的收敛和性能。最后,在LOL、LIME、NPE、MEF、DICM和VV数据集上进行测试。实验结果表明,所提方法能够有效提升图像照度,抑制图像噪声和纹理丢失问题,并在PSNR、SSIM和LOE评价指标上均优于比较算法,在主观和客观评价方面均优于其他对比算法。

摘要：针对蚁狮优化算法(ALO)在求解工程优化问题时易陷入局部最优及收敛速度慢等缺陷,提出一种基于Levy飞行和差分进化的改进蚁狮优化算法(LDALO)。改进算法对ALO中的蚂蚁进行差分进化操作,从而改善种群多样性,避免算法陷入局部最优并提高算法全局搜索能力。精英引导的Levy飞行被用于蚂蚁位置更新,以加快算法收敛速度。改进算法还在蚁狮捕食蚂蚁后对蚁狮进行差分变异,以提高算法的寻优精度。仿真实验基于10个基准函数进行,其结果显示LDALO较其他对比算法收敛速度更快,寻优精度更高。在无线传感器网络覆盖优化、压力容器设计、拉压弹簧设计等工程优化问题中的应用,验证了LDALO的适用性和有效性。

摘要：平面设计在视觉设计领域具有不可或缺的重要作用,它通过图形、色彩、文字的有序组合,为品牌增色,为企业添彩。从提升学生行业竞争力、提高学生设计工作效率角度出发,分析当前部分高职院校教学中的不足,阐述将多维技术融入平面设计教学的必要性;在实际教学中,教师引导学生将多维技术融入平面设计创作,学生通过参赛实践,得到较好反馈,证明了此种教学模式的可行性;最后总结了教师将多维技术融入平面设计教学的方法。

摘要：以高职学前教育专业的计算机应用基础课程的powerpoint的制作为例,紧扣教学能力大赛要求,根据学情分析和教学内容对本门课内容进行重构,确定课程重难点。从教学整体设计出发,设计适应学情的教学方法和教学策略,借助现代互联网技术、智慧课堂实施教学,采用全方位的教学评价,有效培养学生的信息素养能力,同时达到培养高素质技术技能型人才的教学目标要求。

摘要：信息化教育背景下,借助新技术手段的教学模式改革势在必行。文章旨在借助AR(增强现实,全称Augmented Reality)技术构建高职院校计算机专业课程智慧课堂教学模式,将此教学模式应用于Photoshop平面设计课程中,教学实践证明此教学模式可以充分发挥学生学习自主性,反转学生与教师在课堂上的主配角角色,打破传统以老师为主的教学模式,实现教师引导下的以学生为主体的教学模式,并卓有成效。

摘要：在教育大数据时代,如何充分挖掘数字化校园中的海量数据,为教学精准赋能,已经成为高职教育教学模式改革创新的新挑战。文章阐释了当前高职教育教学模式存在的问题和教育大数据给其带来的深刻影响。针对这些问题和影响,使用大数据分析技术构建了基于学生画像的精准教学模式,详细分析了该教学模式的具体生成路径,以期为高职院校的教学模式创新改革提供参考。

摘要：利用SDSoC技术,对传统的散列函数(Hash Function)算法进行改进,提出了基于SDSoC技术的信息加密算法优化模型,将基于传统硬件的散列函数算法与基于SDSoC技术的AES算法进行对比.结果表明,基于传统硬件的散列函数算法吞吐量较低,而基于SDSoC的AES算法吞吐量较高;当时钟周期为ap_clk、目标运行时间为Target、评估运行时间为Estimated以及误差范围时间为Uncertainty时,传统散列函数算法的运行时间大致处于8.17±1.26 ns范围,而基于SDSoC的AES算法运行时间介于8.11±1.20 ns范围,改进后的算法执行速度有较大提升.改进后算法资源利用率显著高于传统算法,能够很好地提升算法的性能,综合性能较高.

摘要：为了克服传统机器学习算法及其框架的弊端,深入分析了K-均值算法与随机森林分类算法,提出了改进的AKM与ARF算法,建立了基于Spark平台技术的AMLF机器学习应用框架。由验证结果可知,AKM算法在各数据集中的分类准确率皆接近100%,具有较强的数据聚类能力,再者AKM算法在各数据集中的加速比皆较高,因而可升级性亦较强。而ARF验证结果显示,其不仅分类准确率较高,且可升级性较强。

摘要：针对信息与网络系统各种破坏与攻击手段日益增多的问题,提出了基于PSO-FCM算法的网络入侵检测方法,将PSO算法中粒子优化后的速度用于解决FCM局部极值问题,以达到优化FCM算法的目的。结果表明,优化后的PSO-FCM智能算法入侵检测误检率显著优于传统FCM,RF,Adaboost算法,证实了算法的有效性,并得出在计算机网络入侵检测方法上,基于PSO-FCM智能算法显著优于传统其他算法。基于PSO-FCM智能算法的入侵检测方法可以较好的应用在计算机网络入侵行为的分析预测中,为网络安全提供技术支持。