检索结果-内蒙古大学图书馆

“管理信息系统”实验教学研究——以内蒙古农业大学职业技术学院计算机教学为例

引用

内蒙古师范大学学报（教育科学版） 2015年第9期28卷 159-160页

作者：崔立尉内蒙古农业大学职业技术学院计算机技术与信息管理系内蒙古包头014109

"管理信息系统"是信息管理专业的一门核心主干课程。职业学院重在突出实践性,更要明确该课程的教学目标是培养既有一定理论素养,又能解决实际问题的专业人才。因此,合理设置课程体系,走校企合作化道路是实现教学目标的有效途径。

关键词：管理信息系统教学实践校企合作

来源：评论

学校读者我要写书评

暂无评论

基于改进人工神经网络的多指标冷鲜羊肉新鲜度无损检测

引用

光谱学与光谱分析 2025年第1期45卷 291-300页

作者：徐子洋姜新华翟成珺马学磊李靖内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018 内蒙古自治区农牧业大数据研究与应用重点实验室内蒙古呼和浩特010018 内蒙古自治区教育考试院内蒙古呼和浩特010018

冷鲜羊肉新鲜度受多种因素影响,可通过多个理化和微生物指标综合评价。传统检测方法操作复杂、效率低。高光谱成像作为一种快速且非破坏性的检测技术,可以有效地检测冷鲜羊肉新鲜度改变过程中不同成分的变化。为了研究采用高光谱成像技... 详细信息

冷鲜羊肉新鲜度受多种因素影响,可通过多个理化和微生物指标综合评价。传统检测方法操作复杂、效率低。高光谱成像作为一种快速且非破坏性的检测技术,可以有效地检测冷鲜羊肉新鲜度改变过程中不同成分的变化。为了研究采用高光谱成像技术实现冷鲜羊肉新鲜度多指标评价的可行性,提出一种改进人工神经网络算法,通过重新定义损失函数加强标记之间的相关性,充分采用多个新鲜度指标对冷鲜羊肉新鲜度分类。试验收集了0~14 d冷鲜羊肉样本在400~1000 nm范围的高光谱图像,采用实验室方法测定挥发性盐基氮(TVB-N)、pH值、菌落总数(TAC)和大肠菌群近似数(ANC)指标值。通过S-G平滑滤波法和多元散射校正对冷鲜羊肉样本原始光谱数据进行预处理,采用连续投影法(SPA)选择光谱数据的18个特征波长作为输入数据,采用所提出的改进人工神经网络算法建立多指标冷鲜羊肉新鲜度等级模型。结果表明,改进人工神经网络对测试集的分类准确率达96%,三个新鲜度等级样本的识别率分别为100%、89.28%和98.68%,采用汉明损失(hamming loss)、1-错误率(one-error)、排序损失(ranking loss)和覆盖率(coverage)四种多标记模型指标进行评价,评价指标分别为0.008、0.002、0.0025和4.048。改进人工神经网络分类模型的准确率和各项模型评价指标均优于传统ANN,证明改进人工神经网络用于多指标冷鲜羊肉新鲜度的无损检测具有可行性。

关键词：无损检测高光谱神经网络多指标分类

来源：评论

学校读者我要写书评

暂无评论

改进RRPN模型的遥感图像目标检测

引用

现代电子技术 2025年第1期48卷 8-16页

作者：鲁晓波郭艳光辛春花内蒙古农业大学计算机技术与信息管理系内蒙古包头010010

针对遥感目标背景复杂、易受外界环境干扰,传统方法无法满足复杂场景下的检测高精度与实时性要求的问题,提出基于改进RRPN模型的遥感图像目标检测方法。首先,将特征金字塔(FPN)架构引入到了模型的残差网络中,使得遥感图像的高、低层特... 详细信息

针对遥感目标背景复杂、易受外界环境干扰,传统方法无法满足复杂场景下的检测高精度与实时性要求的问题,提出基于改进RRPN模型的遥感图像目标检测方法。首先,将特征金字塔(FPN)架构引入到了模型的残差网络中,使得遥感图像的高、低层特征得到了有效融合;其次,在特征提取网络中添加了通道和空间相融合的注意力机制(CBAM),提升了模型在遥感图像目标特征提取方面的跨通道和空间处理能力;此外,将剔除重叠建议框时的原始NMS算法优化为DIoUNMS算法,综合考虑遥感图像候选框之间的重叠度、距离、尺度大小等因素,使目标框的回归过程更加稳定。对比实验与消融实验显示,所提方法在公共数据集DOTA和HRSC2016上获得的平均精度均值mAP分别可高达77.30%、90.24%,较原始RRPN模型分别提高了8.29%、11.16%,且优于其他几种较新的经典模型,表明所提方法对于复杂环境下的遥感图像目标检测是合理且有效的。

关键词：目标检测遥感图像带旋转的候选框算法卷积通道注意力模块 DIoU-NMS 特征金字塔 DOTA HRSC2016数据集

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv8n+无人机图像的荒漠草原鼠洞检测

引用

中国农机化学报 2025年第5期46卷 155-161+168页

作者：宋健郁志宏戚桂美解晶晶刘志兴王涛内蒙古农业大学机电工程学院内蒙古师范大学计算机科学技术学院

鼠洞密度是草原退化的重要参考指标，也是鼠害程度的标准之一。针对传统鼠洞检测劳动强度大、工作效率低的问题，提出基于Yolov8n+和无人机图像的鼠洞检测方法。首先，无人机搭载可见光传感器采集RGB图像，对图像进行标注制作鼠洞数据... 详细信息

鼠洞密度是草原退化的重要参考指标，也是鼠害程度的标准之一。针对传统鼠洞检测劳动强度大、工作效率低的问题，提出基于Yolov8n+和无人机图像的鼠洞检测方法。首先，无人机搭载可见光传感器采集RGB图像，对图像进行标注制作鼠洞数据集。然后，统计鼠洞尺度区间优化YOLOv8n网络结构：剔除冗余的检测头，精简网络结构；保留深层与浅层之间的信息交互通道。最后，采用目标检测评价指标从检测精度和模型复杂度两个方面对YOLOv8n+进行评估。结果表明：YOLOv8n+对鼠洞的平均检测精度为98.6%,模型体积为3.2 MB,检测速度为172.42 FPS。相比于YOLOv8n和其他主流算法，YOLOv8n+在检测精度和检测速度上表现最好，表明YOLOv8n+能够实现对鼠洞精确、高效的检测，满足现实场景下无人机低空遥感对鼠洞的检测要求，弥补传统方法的不足，提高鼠洞监测的实时性和灵活性。

关键词：荒漠草原鼠洞无人机目标检测鼠害监测

来源：评论

学校读者我要写书评

暂无评论

基于特征融合FRCNet的草地高光谱识别分类研究

引用

内蒙古师范大学学报(自然科学版) 2025年第2期54卷 159-169页

作者：刘雨珂刘一磊罗小玲郜晓晶潘新内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010010

为解决高光谱草地识别分类任务中存在的精度低、计算成本高的问题,提出了FRCNet(faster R-CNN,FRC)网络模型。通过无人机搭载高光谱成像仪进行草地平扫拍摄,建立四种类别的草地高光谱数据集。采用高斯滤波器与主成分分析法(principal co... 详细信息

为解决高光谱草地识别分类任务中存在的精度低、计算成本高的问题,提出了FRCNet(faster R-CNN,FRC)网络模型。通过无人机搭载高光谱成像仪进行草地平扫拍摄,建立四种类别的草地高光谱数据集。采用高斯滤波器与主成分分析法(principal component analysis,PCA)对高光谱图像降噪与降维处理,建立主要由FRC模块与FAC模块组成的FRCNet网络模型进行分类任务。实验采用平均精度(average accuracy,AA)、总体精度(overall accuracy,OA)、F1分数与运行时间作为性能指标,并且使用八种方法与FRCNet进行对比实验。结果表明,FRCNet网络表现最好,AA为93.36%,OA为93.49%,F1分数为96.64,较其他方法准确度提高了10%~20%。同时使用三个公开数据集进行对比试验,FRCNet表现最好,准确度提升了2%~20%。研究结果证明,FRCNet网络模型在高光谱草地分类任务中的有效性,可以作为当前高光谱精度低、计算成本高问题的一种高效解决方案。

关键词：高光谱影像分类识别分类特征融合重参数化重聚焦卷积注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于RMI损失的玉米病害图像分割研究

引用

计算机仿真 2025年第4期 296-300+346页

作者：许珂姜新华王志刚马达灵内蒙古农业大学计算机与信息工程学院内蒙古自治区农牧业大数据研究与应用重点实验室内蒙古农业大学农学院

及时的农作物病害诊断对于农业生产极为重要。为了提高语义分割中玉米病害数据集制作精度,改善语义分割损失函数忽略了像素间关系的问题,本文使用基于区域互信息(RMI)损失的计算方法。方法的关键思想是交叉熵损失的基础上,引入一种新的... 详细信息

及时的农作物病害诊断对于农业生产极为重要。为了提高语义分割中玉米病害数据集制作精度,改善语义分割损失函数忽略了像素间关系的问题,本文使用基于区域互信息(RMI)损失的计算方法。方法的关键思想是交叉熵损失的基础上,引入一种新的损失项用于衡量预测概率分布之间的相互信息。在研究中构建了一个结合Plant Village数据集以及网络收集的共2912张的玉米叶片病害图片作为新的数据集并训练,相比使用sigmod损失函数RMI损失在该玉米病害数据中MIo U平均提升约2%。结果表明改上述损失对于玉米病害语义分割问题有着改进作用。

关键词：玉米病害图像语义分割损失函数区域互信息损失

来源：评论

学校读者我要写书评

暂无评论

基于TB-IDACNN的新闻推荐模型

引用

计算机工程与设计 2025年第5期 1387-1394页

作者：辛春花鲁晓波何婷内蒙古农业大学计算机技术与信息管理系

针对现有新闻推荐方法存在未考虑新闻的动态特性、难以深度挖掘新闻的语义信息等问题，提出一种融合TinyBERT和改进型动态注意卷积神经网络的个性化新闻推荐模型(TB-IDACNN)。充分利用TinyBERT词向量模型、卷积神经网络和内积注意力网... 详细信息

针对现有新闻推荐方法存在未考虑新闻的动态特性、难以深度挖掘新闻的语义信息等问题，提出一种融合TinyBERT和改进型动态注意卷积神经网络的个性化新闻推荐模型(TB-IDACNN)。充分利用TinyBERT词向量模型、卷积神经网络和内积注意力网络等深度学习模型的优势，综合考虑新闻的动态特性和静态特性，实现个性化新闻推荐。在MIND和Adressa数据集上的结果表明，相比其它几种先进的新闻推荐模型，所提模型可以获得更好的推荐性能，能够有效满足用户在新闻推荐任务中的需求。

关键词：动态神经网络新闻推荐词嵌入模型内积注意力机制卷积神经网络词向量化平均加权池化

来源：评论

学校读者我要写书评

暂无评论

融入专业英语的计算机导论双语教学改革——以内蒙古农业大学为例

引用

内蒙古农业大学学报（社会科学版） 2015年第3期17卷 87-89页

作者：潘新薛河儒郜晓晶王艳芬罗小玲内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018

《计算机导论》是计算机类双语专业的基础课程。在教学中尝试将计算机英语融入计算机导论专业基础课的教学改革,通过选择适合教学资料、培养学生的专业英语技能、综合多种教学与考试方式等环节实现。

关键词：计算机导论双语教学专业英语

来源：评论

学校读者我要写书评

暂无评论

基于Stacking集成学习的冷鲜羊肉新鲜度无损检测研究

引用

内蒙古农业大学学报(自然科学版) 2025年第3期 68-79页

作者：鄂计祥姜新华任晓丹内蒙古农业大学计算机与信息工程学院内蒙古自治区农牧业大数据研究与应用重点实验室内蒙古机电职业技术学院电气工程系

冷鲜羊肉新鲜度的快速、无损检测有助于评估其食用价值和安全性。本研究结合堆叠（stacking）集成学习与高光谱技术，提出一种融合卷积神经网络（convolutional neural network,CNN）的冷鲜羊肉新鲜度检测分类模型。通过对样本的高光谱... 详细信息

冷鲜羊肉新鲜度的快速、无损检测有助于评估其食用价值和安全性。本研究结合堆叠（stacking）集成学习与高光谱技术，提出一种融合卷积神经网络（convolutional neural network,CNN）的冷鲜羊肉新鲜度检测分类模型。通过对样本的高光谱数据采集与新鲜度指标测定，构建了14 d内的冷鲜羊肉光谱数据集。优化数据预处理和特征选择方法后，将其输入极限梯度提升（extreme gradient boosting,XGBoost）、K近邻（K-nearest neighbors,KNN）、支持向量机（support vector machine,SVM）和朴素贝叶斯（naive bayes,NB）等基模型训练。并引入CNN进行堆叠融合，形成分类效果更优的CNN-Stacking。结果显示，堆叠后模型有效实现了对冷鲜羊肉的新鲜度检测分类，分类准确率、加权查准率、加权召回率和加权F1分数分别为99.22%、99.23%、99.22%和99.21%。与传统堆叠模型相比，准确率和加权召回率分别提高了1.05%和1.04%，且仅出现2个误分类。此外，改变数据集的规模，CNN-Stacking表现出良好的泛化性和鲁棒性。研究为肉类新鲜度检测提供了新的方法。

关键词：羊肉新鲜度堆叠卷积神经网络检测分类

来源：评论

学校读者我要写书评

暂无评论

融合ConvLSTM和多注意力机制网络的高光谱图像分类

引用

光谱学与光谱分析 2023年第8期43卷 2608-2616页

作者：唐婷潘新罗小玲郜晓晶内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018

近年来,基于深度学习的模型在高光谱图像(HSI)分类方面效果显著。针对小样本数据基于深度学习的高光谱图像分类方法分类精度不高的问题,提出一种融合卷积长短期记忆(ConvLSTM)和多注意力机制网络的高光谱图像分类方法。该方法分三个分支... 详细信息

近年来,基于深度学习的模型在高光谱图像(HSI)分类方面效果显著。针对小样本数据基于深度学习的高光谱图像分类方法分类精度不高的问题,提出一种融合卷积长短期记忆(ConvLSTM)和多注意力机制网络的高光谱图像分类方法。该方法分三个分支:光谱分支、空间X分支和空间Y分支分别提取光谱特征、空间X特征和空间Y特征,并将三个方向的特征融合进行高光谱图像分类。由于ConvLSTM在学习有价值的特征和对光谱数据中的长期依赖关系建模方面表现出良好的性能,所以在光谱分支中用了3个隐藏层、卷积核大小为3×3、通道分别为150、100和60提取光谱信息。在空间X分支和空间Y分支,采用基于DenseNet和3D-CNN的Dense空间X块和Dense空间Y块分别提取空间X特征和空间Y特征。为了增强特征提取,在这三个分支中还分别引入了其特征方向的注意力机制,针对信息丰富的光谱波段设计了光谱注意块,信息丰富的像素点分别设计了空间X和空间Y注意块。在三个公开的高光谱数据集上进行了实验,即Indian Pines(IP)、Pavia University(UP)和Salinas Valley(SV)数据集;并对比了其他五种方法:基于RBF径向核的支持向量机模型(SVM)、更深更广的卷积神经网络模型(CDCNN)、快速密集光谱-空间卷积网络模型(FDSSC)、空谱残差网络模型(SSRN)、双分支双注意力机制网络模型(DBDA)。实验中,IP数据集上训练样本和验证样本的大小设为总样本的3%,UP和SV数据集上训练样本和验证样本的大小设为总样本的0.5%。该方法和所有基于深度学习的方法,批处理大小均设置为16,优化器设为Adam,学习率设置为0.0005,并动态调整学习率。由于SVM直接利用光谱信息进行分类,输入样本块像素大小为1×1,其他基于深度学习方法的输入样本块像素均设置为9×9。实验结果表明,该方法能充分利用高光谱图像的光谱和空间特征,在OA、AA、KAPPA等评价标准上均获得了更好的效果,其中,该方法的OA指标比次优的算法平均提高0.12%~2.04%。

关键词：高光谱图像分类深度学习 ConvLSTM 卷积神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：