摘要：以人工智能为代表的计算机应用技术复合型人才短缺影响了行业的长远发展,在“1+X”证书制度的背景下,围绕产业链和岗位需求构建高职计算机应用技术专业群课程体系将使学生更快、更好地适应就业岗位。分析高职计算机应用技术专业群建设存在职业证书内容与学历教育缺乏有效融合、技能人才数量不足、供需矛盾突出等问题,明确专业群的定位和建设目标,进行专业群的岗位梳理,构建书证融通的模块化课程体系,建立“平台共享+专业核心+专业拓展+顶岗实习”的高职计算机应用技术专业群人才培养教学体系。该教学体系实施以来,专业群学生的职业态度更加端正,职业技能和素养培养更为全面,就业能力得到进一步提升。

摘要：随着大数据人工智能技术、5G技术在教育教学中的广泛应用,教育教学领域正在向智能化方向发展,但目前围绕高职专业群开展的智慧课堂建设并没有给课堂教学带来深层次的系统性变化,不能适应教育技术的发展和未来社会需求的变化。以计算机应用技术专业群智慧课堂的建设模式为研究对象,分析智慧课堂产生的时代背景,确立专业群智慧课堂的建设目标,研究智慧课堂的教学策略,提出构建专业群智慧课堂生态的方法和路径。结果表明:通过建设“云+端”信息化平台、打造智慧课堂以创建育人新生态、构建教学评价新体系能够较好地推动智慧课堂多场景常态化、底层平台共享、多模块差异化教学、多模式智慧化应用。

摘要：云计算与大数据技术作为新一代信息产业技术代表,给IT界和教育界带来了更多的机遇与挑战。文章依据目前云计算与大数据课程体系的建设现状和该专业人才培养目标及未来可能从事的就业岗位分析,提出以工科思维对该课程体系的建设进行全面的探讨与改革,并以国外先进的CDIO教育理念为主线对本课程体系建设的思路、制定、实施及运作过程进行详细论述。

摘要：传统的人脸识别技术对人脸图像特征的提取及分类器选择均较为复杂,且识别率也不高,随着卷积神经网络从手写数字识别到人脸识别的技术不断成熟,提出了一种利用Python+Keras框架测试CNN的人脸识别算法。该方法主要涉及两方面,一是通过改变隐藏层神经元数量查看对网络的影响;另一个是通过改变卷积层1和卷积层2特征图数量查看对网络的影响。通过多组实验测试得到最佳的CNN模型为36-76-1024,该模型可以自动提取人脸图像特征并分类,使用adam优化器和softmax分类器进行人脸识别可以让训练更快收敛和更有效提高准确率,并利用Dropout方法避免过拟合。实验结果表明,CNN模型在olivettifaces人脸库上的识别率达到了97.5%,当采用最佳CNN模型时平均识别率接近100%,从而验证了该算法及模型的有效性及准确性。

摘要：针对目前我国云计算和大数据时代的人才培养与市场需求存在着诸多不合理之处,调整职业教育规划以适应新时代产业的发展乃当务之急。该论文重点从人才需求方面、人才培养方面、职业教育方面和政府对产业扶持方面进行多角度深层次分析,总结出在广东省各高职院校中开展云计算和大数据专业人才培养是非常有必要的。

摘要：在多尺度量子谐振子算法(MQHOA)的优化迭代过程中,采样粒子数量的多少对算法求解成功率和计算效能有重要影响。以基准测试函数在2维和多维状态下分别进行研究,找寻不同函数对应的最佳粒子数。研究发现,结构复杂度较高的目标函数需要较大的采样粒子数进行求解,而相对简单的单峰凸函数所需采样粒子数较小。最佳粒子数可以作为算法衡量目标函数结构复杂度的重要参考依据,针对不同的目标函数,采用相对应的最佳粒子数进行求解,能够以最小的计算代价获取最佳的求解效果。

摘要：针对传统K-means算法不能自动确定初始聚类数目k和谱聚类算法对参数敏感的问题,提出了一种基于谱聚类的K-means(PK-means)算法。该算法在对k值选取时进行了创新改进,将计算所得的高密度数据点按规律排序,选择密度点前96%的进行聚类,可以以较高的准确率取得聚类数目k,同时采用了不受参数影响且稳定性更高的基于谱聚类模糊的相似性度量方法,利用FCM算法求隶属度矩阵确定数据点间的相似性。应用PK-means算法、K均值算法与密度敏感的谱聚类算法(DSSC)进行了多维非线性数据处理的测试实验。实验结果表明,无论是对于低维数据集还是高维数据集,K-means算法的处理效率是最低的,DSSC算法稍好,而PK-means算法优势明显,其相比传统聚类算法具有更高的聚类精度和更强的鲁棒性,且维数越高,聚类性能表现越突出。