摘要：传统程序设计课程教学通常以讲授为主,偏重知识传授,学生编程能力锻炼不足,且缺乏既能满足实训教学管理,又能提供编程实训环境的统一平台。通过设计面向程序设计课程的编程实训平台,利用Docker容器化方式部署服务端和数据库端,采用JupyterHub编程系统提供编程环境,提供实训教学管理、编程实训、在线编程作业与编程结果保存功能。结果表明,平台的使用有利于学生知识的应用和编程能力的锻炼,帮助教师及时获知学生编程实训状态,为教师教学组织及教学策略的优化提供支撑。

摘要：为解决水果分拣难题,设计了一种基于深度学习的水果识别系统。首先,利用网络爬取工具对水果图片进行抓取、清洗和分类,完成数据集制作;然后,基于SSD(Single Shot Mutibox Detector)目标检测算法开展数据集的学习训练,生成权值文件;最后,将权值文件载入预训练模型并对水果图片进行预测,完成基于PyQt5框架的前段界面设计,实现水果边界框和分类置信度的图形展示。试验结果表明:系统可对视频文件进行快速、准确的水果图像识别,视频识别实时帧率稳定在22fps/s左右,识别准确率大于85%,可为后续水果识别、分拣等自动化作业提供技术支撑。

摘要：无论是铁矿还是有色金属矿产的勘查,都要运用计算机算法,因为数字矿山是现代与未来矿山勘查的趋势。数字矿山模式下,可利用计算机算法来建立多源异构海量的数据体系,建立矿山勘查空间的信息数据与数据中心,建立矿区三维模型,实现矿山信息的可视化,提供高效、准确的勘查数据。对此,《计算机算法设计与分析》全面地阐述了金属矿产勘查中主要应用的计算机算法,具有包括无模型矿产预测中的搜索法,矿产资源规划中的动态规划法以及矿体边界圈定中的递归算法,这些算法为数字矿山的构建提供了重要的参考依据。

摘要：视频异常事件检测一直是一个具有挑战性的问题,现有的方法往往把视频特征提取和异常检测模型建立两个步骤独立设计,导致方法无法达到最优。针对该问题,设计了一种一类神经网络方法用于视频异常检测。该方法结合了自编码器的逐层数据表示形式能力以及一类分类能力,隐藏层的特征是针对异常检测的特定任务而构建的,从而获得了一个超平面以将所有正常样本与异常样本分开。实验结果表明,提出的方法在PED子集和PED2子集上分别达到了94.9%的帧级AUC和94.5%的帧级AUC,在Subway数据集上实现了80个正确事件检测,证实了该方法在工业和城市环境中的广泛适用性。

摘要：基于所提的一类光滑二次通用忆阻器,构建一种忆阻Lorenz混沌系统。稳定性分析表明,系统具有与原系统相同的平衡点和稳定性,即一个不稳定鞍点和两个不稳定鞍焦。利用分岔图、李雅普诺夫指数谱、相图等分析方法揭示所提忆阻系统的动力学,结果表明:忆阻Lorenz混沌系统具有共存双稳态模式和自相似分岔结构。最后,通过改变通用忆阻器的内部参数实现对系统的幅度调控,分别设计忆阻器和忆阻系统等效电路并利用模拟元件综合,仿真结果证实了数值模拟的正确性。

摘要：针对人群图像中尺度变化大及现有密度估计网络泛化性能差的问题,提出一种基于视觉注意力机制的人群密度估计方法。该网络模型基于VGG-16网络,由空间注意力模块(Spatial Attention Module, SAM)、全局注意力模块(Global Attention Module, GAM)及融合模块(Fusion Module, FM)等几个模块组成,通过在网络不同层级中引入注意力机制来选择性地增强网络的功能,提高多尺度级联的有效性。设计一个弱监督学习来扩展提出的密度估计网络,使人群密度估计模型可以适应不同的场景和数据集。实验结果表明,该方法对不同尺度、不同场景下的人群密度图像都有很好的适用性和准确性,算法性能也优于现有的人群密度估计算法。

摘要：针对当前Web网盘系统存在的问题,提出了利用SSM+vue的技术架构,进行技术方案设计。该文首先通过UML的用例图分析了Web网盘系统的需求;其次应用SSM框架设计了系统的架构;前端使用vue实现前后端分离,最后介绍了系统的实现。SSM+vue框架能简化Web网盘系统的开发,可以有效地降低各层之间的耦合度,提高系统的可维护性。

摘要：高职院校艺术类毕业生由于专业的特殊性、学历层次相对不高,致使其在就业竞争中处于相对弱势。这反过来容易导致他们就业焦虑、迷茫等心理问题的产生。高职院校在开展针对性的就业指导及心理健康教育时,应该对帮助其树立正确的择业观、培养独立自主品格、加强就业心理辅导等几个方面予以重点关注,以促进他们顺利、高质量就业。

摘要：受新冠肺炎疫情影响,各高校积极展开线上教学,作者提出了基于超星学习通结合腾讯课堂的混合式教学模式,并应用于JavaWeb课程中,详细介绍了基于该模式的教学设计与实施,并对传统的"导—探—析—练—评"五环节的教学活动进行了补充,以期为疫情之下的教学提供有价值的思路.

摘要：车牌识别系统在生活中的使用越发广泛,占据重要地位。车牌识别一共分为图像处理和字符识别两部分。本文首先使用OpenCV技术定位车牌、分割车牌,接着应用Tensorflow识别车牌字符。每个环节都是独立出来的,能够降低各层之间的耦合度,提高系统可维护性。其中车牌定位是一步非常关键的步骤,能够精准地定位出清晰的车牌能减少后续环节的误差。系统具有较高的识别率,能够精确地识别出彩色图像中的车牌字符,具有一定实用价值。