摘要：本文详细介绍了一种基于物联网技术的防控电子封条系统设计,首先,对数字技术在物联网中的应用进行了深入的研究。进而,本文详细描述了电子封条系统的设计与实现,包括硬件设计和软件设计。最后,设计了一种基于物联网的电子封条防控系统,提出了系统设计思路,并进行了系统功能测试和性能分析。本文旨在为物联网在安全防控领域的应用提供一个新的解决方案。

摘要：防控电子封条是一种新型的物联网技术应用,可实现过程监控、精确定位、环境检测等功能。本文首先介绍了RFID、传感器、数字通信和云计算技术在防控电子封条中的具体应用。然后分析了快递企业和医药企业的防控电子封条解决方案。结果表明,该技术能提高过程可视化监测水平。但是,也存在成本高、融合度不够等问题。最后,得出防控电子封条技术发展前景广阔的结论,随着核心技术成熟和产业推动,其性价比将不断提升,在物联网领域具有重要应用价值。

摘要：针对短视频推荐的广告与视频内容无关,而导致的投放收益低和用户体验差的问题,提出了一种基于机器学习的图片检测与内容推荐算法.使用基于相似度计算的关键帧提取算法从短视频中提取出关键帧,使用Faster R-CNN物体检测框架实时检测关键帧中包含的物品,并使用基于用户偏好的广告推荐算法实时更新用户的偏好权重.算法实现与仿真测试结果表明,所提出的方法可以满足实时用户推荐系统的需求,并能够根据用户的偏好情况进行广告推荐,实现84.19%的推荐准确率.

摘要：针对复杂决策环境下的决策者倾向于使用定性评价数据和现实环境中数据信息通常存在正态分布规律的问题,构建了基于犹豫正态语言有序加权平均(hesitant normal linguistic ordered weighted average,HNLOWA)算子的决策模型。将正态模糊数和犹豫模糊语言元相结合,引入了犹豫正态语言元(hesitant normal linguistic element,HNLE)的概念,其不仅能够运用语言变量来描述决策信息,还能传递出语言决策信息的分布情况;定义了HNLE之间的基本运算法则和大小判别准则,并设计HNLOWA算子用于对HNLE进行信息融合,同时探究了HNLOWA算子的相关性质;构建了基于HNLOWA集成算子的多属性决策方法,并运用推荐系统选择评估案例进行了模型的验证分析。

摘要：模糊群决策的两个主要问题包括完全一致模糊偏好关系(FPR)的构造和专家共识水平的提升,因此,构建了基于乘性一致性和共识调整模型的群决策算法,并将其运用于高性能数据库优选问题。首先,运用专家提供的FPR,设计一种完全乘性一致FPR的构造方法,进而引入同时衡量一致性和共识性的一致性-共识性指数;其次,提出基于最小调整成本策略的群共识调整模型,以共识调整总成本最小化为目标函数建立最优化模型,进而得到每个专家的最优调整参数和共识阈值下界;最后,构建一种具有收敛性的模糊群决策算法。通过高性能数据库产品的优选实验表明,所构建的群决策算法在成本和效率方面更为有效。

摘要：为了使OBE理念能够在学校的传统教育框架下贯彻实施,以数据结构课程为例,重点探讨如何合理利用线上课程资源组织线上线下混合教学,以更加深入地将OBE理念运用于本科课程的教学设计、教学实施与考核评价中,介绍具体教学设计,最后说明实践效果。

摘要：随着二手车行业的发展,企业在二手车销售管理中会遇到估值困难、不科学、过度依赖劳动力等问题,对企业利润产生了较大影响。分析了二手车行业的发展现状、主要的二手车评价方法、国内外二手车价格评价的研究现状和发展趋势。在此基础上,将理论知识和开发技术相结合应用于系统的研究,结合机器学习算法、数据挖掘技术、网络技术和开发技术,将随机森林回归算法应用于二手车价格评价模型,通过对模型参数的优化找到最优参数组合,进而得到价格评价模型的最优结果,设计二手车价格智能评估和销售决策支持系统。系统应用表明,基于随机森林回归算法的二手车价格智能评估和销售决策支持系统可以为二手车企业提供科学的评估价格,降低业务风险,提高销售利润。

摘要：“新工科”是高等院校工程教育改革新方向,以全新的角度引导了计算机学科教育的理论和实践探索。文章以计算机及相关专业中的课程“C++程序设计”为基础,结合企业对程序设计人才的需求更新,针对当前教学模式中存在的课程内容陈旧僵化、学生兴趣不足等问题,进行“C++程序设计”课程教学改革的优化和内容升级。建立新工科新形态的SPOC在线教学课程,融合思政元素进行项目化课程教学改革,更好地进行线上线下多元混合教学,以创新理念培养具有持续竞争力的程序设计人才。

摘要：由于已有算法未能通过卷积神经网络进行分类,导致分类结果不准确,分类复杂度提升,容错率下降。结合卷积神经网络,提出一种新的复杂文本多标签分类算法。首先在训练样本集中通过Bootstrap方法进行样本抽取,利用特征选择算法对抽取的特征进行评价。采用投票方法确定评价结果的特征权重,通过特征权重完成特征选择。然后,利用Word2vec工具将复杂文本特征提取结果转换为词向量,同时将句子整理为向量矩阵的形式。利用粒子群算法对卷积神经网络模型进行优化,进而实现复杂文本多标签分类。最终进行仿真测试,结果表明所提算法能够获取高精度的分类结果,降低分类复杂度,提升容错率。

摘要：提出一种基于位置的社交网络中利用深度学习的POI推荐方法。建立一个地理时空注意力网络,以发现总体序列依赖性和微妙的POI-POI关系;将签到序列中连续的地理距离和时间间隔信息加入到地理时空注意力网络中,建立用户个性化移动行为和挖掘用户个性化时空偏好;设计特定于上下文的共同注意力网络,通过从签到历史中自适应选择相关签到活动来学习更改用户偏好,使地理-时空门控循环单元网络(geographical-spatiotemporal gated recurrent unit network,GS-GRUN)能够区分不同签到的用户偏好程度。在Foursquare和Gowalla数据集上的实验结果表明,所提算法能够显著提升POI推荐方法的推荐匹配度。