摘要：不确定性可视化是网络空间地图可视化领域的重点和难点,合理的不确定性符号设计对网络空间地图信息的快速读取挖掘与精准分析决策至关重要。本文提出了一种基于多粒度时空对象数据模型的网络空间双变量不确定性符号表达方法,解决网络空间节点链接图中变量符号无法及时高效地体现节点、连边不确定性表达不一致的情况。以地理社交网络为案例,首先采用多粒度时空数据模型建模的方法,分析网络空间对象建模的内容和流程,设计网络空间实体对象类并创建相应时空对象;在此基础上结合传统符号在网络空间节点链接图表达方面存在的问题,分析网络空间不确定性表达原理和模型,制作相应的视觉熵符号;最后开展对照实验,并采用统计方法对符号实验结果进行检验。结果表明基于对象化建模的方法有助于网络空间多粒度、全类型、多维动态的表达,通过可视化和交互技术能生动直观、全面多维地表现网络空间的发展变化;新设计的视觉熵符号在网络空间双变量不确定性差异表达方面的效果较好,有助于及时高效准确地获取网络空间的不确定性信息。研究可以为网络空间地图可视化领域的发展提供一定借鉴和参考。

摘要：联邦学习是一种不通过中心化的数据训练就能获得机器学习模型的系统,源数据不出本地,降低了隐私泄露的风险,同时本地也获得优化训练模型。但是由于各节点之间的身份、行为、环境等不同,导致不平衡的数据分布可能引起模型在不同设备上的表现出现较大偏差,从而形成数据异构问题。针对上述问题,提出了基于节点优化的数据共享模型参数聚类算法,将聚类和数据共享同时应用到联邦学习系统中,该方法既能够有效地减少数据异构对联邦学习的影响,也加快了本地模型收敛的速度。同时,设计了一种评估全局共享模型收敛程度的方法,用于判断节点聚类的时机。最后,采用数据集EMNIST、CIFAR-10进行了实验和性能分析,验证了共享比例大小对各个节点收敛速度、准确率的影响,并进一步分析了当聚类与数据共享同时应用到联邦学习前后各个节点的准确率。实验结果表明,当引入数据共享后各节点的收敛速度以及准确率都有所提升,而当聚类与数据共享同时引入到联邦学习训练后,与FedAvg算法对比,其准确度提高10%~15%,表明了该方法针对联邦学习数据异构问题上有着良好的效果。

摘要：为了能准确控制卫星在轨运行的姿态,避免太阳光及其反射光影响光学传感器工作,需要快速计算并绘制出不同时刻太阳光反射至传感器入瞳的光通量变化情况,设计并实现了一种基于图形处理器(GPU)的星载传感器光照反射分析算法,并对分析结果进行了实时三维可视化。首先以太阳为点光源,通过计算太阳位置矢量并利用深度图和渲染到纹理(RTT)技术,实时生成以太阳为视点的卫星表面受光区分析图;然后根据传感器反射镜面在卫星中的相对位置,计算出受光区范围内反射光线能够进入镜面的卫星部位,从而实现星载传感器反射区分析的三维可视化。实验结果表明,该算法具有较高的绘制效率和良好的视觉效果,对航天器光照环境的三维仿真具有一定的参考价值。

摘要：针对目前存在的由矢量地图数据生成时空对象的方法通用性、灵活性、可复用性不足等问题,本研究提出一种面向矢量地图数据生成时空对象的工作流技术框架。首先,将由矢量地图数据生成时空对象的流程划分为文件解析层、时空对象构建层和数据持久层三个层次;在文件解析层进行矢量地图数据的多要素解析以获取原始属性信息,在时空对象构建层将各几何要素进一步封装为时空对象,在数据持久层将时空对象及其关联的映射集进行批量入库,各层之间基于工作流引擎变量进行功能连接和信息传递;其次,在Camunda工作流引擎外部任务模式下实现了上述框架,在三个层次设计了五个功能节点和六个引擎变量,可分别针对不同任务需求进行功能节点的模块化拼接;最后,以重庆市大德镇6852份农田矢量数据和某出租车3306条轨迹数据为例,分别测试了各节点的独立功能、多节点拼接和全功能的时空对象批量生成任务。结果表明,研究成果可以在进行少量人工干预的情况下,实现从矢量地图数据生成时空对象的各项自定义任务,提高了时空对象生成的灵活性和复用性。

摘要：直方图统计在图像增强和目标检测等领域有着重要的应用。然而,随着图像规模不断增大、实时性要求越来越高,直方图统计局部增强算法的处理过程较慢,达不到预期满意的速度。针对这一不足,在图形处理器(GPU)平台上实现了直方图统计图像增强算法的并行处理,提升了处理大幅面数字图像的处理速度。首先,通过充分利用统一计算设备架构(CUDA)活动线程块和活动线程来并行处理不同的子图像块和像素点,提升了数据访问的效率。然后,采用内核配置参数优化和数据并行计算技术,实现了直方图统计图像增强算法在GPU平台上的并行化。最后,采用主机端和设备端间高效的数据传输模式,进一步缩短了系统在异构计算平台上的执行时间。研究表明,对于像幅大小不同的图像,图像直方图统计并行算法的处理速度相比CPU串行算法均有两个数量级的提高,处理一幅像幅大小为3241×3685的图像需要787.11 ms,并行算法的处理速度提高了261.35倍,为实现实时大规模图像处理奠定了良好基础。

摘要：在新工科的背景下,高校“C语言程序设计”课程在计算机相关专业的重要性越来越高,然而传统的教学模式存在理论教学和实践训练之间的矛盾。为了解决这个问题,分别从学生和教师的角度进行分析,在教学改革上通过多种模式,结合案例探究C语言教学的新思路和新方法,旨在提高学生的学习效果和能力水平。

摘要：以C语言程序设计课程思政为例,根据问卷调查分析发现,在教学中融入思政元素具有积极作用,不仅可以提高学生的学习兴趣,增长学生的见识,丰富教学内容,而且对于学生的成长、成才有着十分重要的作用。

摘要：小样本图像分类任务要求模型仅从少量的图像样本中学到新类别的正确分类方法,是一种特殊的分类任务。然而,以往大多数小样本工作都单独处理来自不同类别的样本,而没有充分利用到不同类别间的信息。本文提出了一种新的类别融合网络(Category-fusion network,CFN),通过融合来自不同类别的样本信息,同时挖掘类别内和类别间的信息。CFN的重要部分是一个融合映射的学习,即如何融合样本中的特征,从而映射出网络参数。其中的一个重要问题是融合映射是否应该随不同的输入样本而改变。本文设计了3个不同的模块:具有固定映射的类无关模块、融合映射仅依赖于期望学习的目标类别的半相关模块和完全相关的模块,其中融合映射完全依赖于输入样本。本文的网络可以通过学习多个类别的样本之间的关系来进行类别概念的学习,并生成融合信息的分类器。实验结果表明,本文网络在广泛应用的MiniImageNet数据集上得到了60.03%的分类精度。

摘要：智慧教学、精准教学要求实现教学的精准化、个性化。为促进程序设计课堂师生互动的精准化,开发对学生在在线判题平台的提交数据进行统计分析的网站,以发现学生编程时的问题,辅助教师的教学决策,为学生编程时的互助提供辅助手段。通过该网站,教师能够更加深入地了解学生,进行有效的教学设计和教学活动;学生能够了解同学、寻求帮助,提高程序设计的积极性。

摘要：逆向教学设计从预期结果出发,确定合适的评估证据后,再设计教与学活动,使得教学指向性更明确。本研究尝试将逆向教学设计的教学理念融入线上线下结合的混合式学习活动设计中,依托超星在线学习平台和学习通App,探索如何有效地组织混合式学习活动,最终使学生获得有效的学习。