检索结果-内蒙古大学图书馆

电脑与电信 2024年第7期 73-77,81页

作者：陈镇于延陈德涛万曦泽范雪琴哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨150025

针对C语言课程特点以及教学效果不理想的问题,提出了基于知识图谱的C语言游戏化教学模式,目的在于提高学生的学习效率和对知识点的深度理解。从课程教材、教学方法、游戏化教学平台等多个方面进行探索。根据学生在线游戏化教学平台数据... 详细信息

针对C语言课程特点以及教学效果不理想的问题,提出了基于知识图谱的C语言游戏化教学模式,目的在于提高学生的学习效率和对知识点的深度理解。从课程教材、教学方法、游戏化教学平台等多个方面进行探索。根据学生在线游戏化教学平台数据、学生问卷调查、学生期末成绩、学生学习兴趣等多角度对教学方法进行评估。研究结果表明:构造后的知识图谱游戏化课程可以很好地帮助学生完成课程学习,达到预期效果。

关键词：知识图谱游戏化教学 C语言

来源：评论

学校读者我要写书评

暂无评论

融合思政的程序设计类课程知识图谱设计与研究

引用

电脑与电信 2024年第7期 62-68页

作者：陈德涛于延陈镇万曦泽李红宇哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨150025

针对程序设计类课程教学中存在的问题,为了利用好课堂教育这个主渠道,加强高校学生的思想政治建设的号召,提出了思政与知识的融合、构建出知识图谱并运用到实际教学中这一方案,目的在于提高学生成绩以及思想政治觉悟。以C语言程序设计... 详细信息

针对程序设计类课程教学中存在的问题,为了利用好课堂教育这个主渠道,加强高校学生的思想政治建设的号召,提出了思政与知识的融合、构建出知识图谱并运用到实际教学中这一方案,目的在于提高学生成绩以及思想政治觉悟。以C语言程序设计这门课程为列,利用Neo4j图数据库、网络爬虫、PyCharm等工具以及相关技术,构建出知识图谱,并基于该图谱融入思政元素。对知识图谱的构建以及思政元素的融入进行了具体阐述,最后通过课程实践来说明教学成效并提出反思。

关键词： C语言程序设计知识图谱思政元素教学实践

来源：评论

学校读者我要写书评

暂无评论

学习成对样本运动显著性的细粒度人体骨架动作识别

引用

中国科学：信息科学 2023年第12期53卷 2440-2457页

作者：李红艳涂志刚谢伟张嘉旭湖北经济学院信息工程学院武汉430205 武汉大学测绘遥感信息工程国家重点实验室武汉430072 华中师范大学计算机学院武汉430079

基于骨架数据的细粒度人体动作识别是一项重要的研究课题,但未被充分解决.由于骨架数据缺乏视觉表观信息,相似类别的人体动作很难被现有的深度网络模型识别.在这项工作中,我们提出了一个新型的运动显著性探测器(motion salience prober,... 详细信息

基于骨架数据的细粒度人体动作识别是一项重要的研究课题,但未被充分解决.由于骨架数据缺乏视觉表观信息,相似类别的人体动作很难被现有的深度网络模型识别.在这项工作中,我们提出了一个新型的运动显著性探测器(motion salience prober,MSP),并引入了配对学习(motion salience prober-incorporated pairwise-learning,MSP-PL)框架,以实现细粒度的骨架动作识别.我们的MSP-PL框架在构造成对的相似骨架运动样本基础上(查询样本与探测样本),利用运动显著性学习机制,促进编码器学习精细化的运动特征.其核心模块MSP可以在我们设计的探测样本和损失函数的帮助下,增强查询样本的显著性运动特征,并消除冗余的噪声.本文设计了3种探测样本构造策略来生成查询–探测样本对,辅助模型识别查询样本的动作,并测试了它们对模型性能的影响.在NTU-RGB+D120数据集与Kinetics-Skeleton数据集上的大量实验表明,我们的MSP-PL框架是通用的,大多数骨架特征编码器可以无缝嵌入其中,并显著提高其准确性.5个主流的编码器对精细化动作的平均分类准确率提高了2.4%以上.此外,我们的MSP-PL框架在与最新的编码器相结合时,在骨架动作识别方面达到了最先进的性能.

关键词：骨架动作识别细粒度动作识别视觉注意力运动显著性学习对比学习

来源：评论

学校读者我要写书评

暂无评论

基于GRU-FedAdam的工业物联网入侵检测方法

引用

网络安全与数据治理 2024年第2期43卷 9-15页

作者：谢承宗王禹贺王佰多李世明哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨150025

针对工业物联网中的入侵检测存在数据隐私泄露和训练时间长的问题,提出一种基于GRU-FedAdam的入侵检测方法。该方法首先采用联邦学习协作训练入侵检测模型,保护客户端数据隐私;其次,构建基于门控循环单元(GRU)的入侵检测模型并采用Adam... 详细信息

针对工业物联网中的入侵检测存在数据隐私泄露和训练时间长的问题,提出一种基于GRU-FedAdam的入侵检测方法。该方法首先采用联邦学习协作训练入侵检测模型,保护客户端数据隐私;其次,构建基于门控循环单元(GRU)的入侵检测模型并采用Adam优化算法,提高客户端模型的训练速度。选用TON_IoT数据集为实验数据,经过两轮通信轮次计算,训练时间比单层LSTM模型减少4 s;利用Adam算法训练模型比SGD算法收敛速度更快,入侵检测模型准确率为0.99。实验结果表明,基于GRU-FedAdam的入侵检测方法在保护数据隐私的情况下,可减少训练时间和获得更好的入侵检测效果。

关键词：工业物联网入侵检测 GRU 联邦学习

来源：评论

学校读者我要写书评

暂无评论

基于认知诊断与XGBoost的学生表现预测研究

引用

华南师范大学学报（自然科学版） 2023年第1期55卷 55-64页

作者：秦亚杰刘梦赤胡婕冯嘉美华南师范大学计算机学院广州510631 湖北大学计算机与信息工程学院武汉430062

针对认知诊断方法未考虑学生的答题共性和矩阵分解方法未考虑学生知识点掌握个性的问题,提出一种结合认知诊断与XGBoost(eXtreme Gradient Boosting)的学生表现预测方法(PRNCD-XGBoost):首先,根据试题中知识点之间的共现关系探索知识点... 详细信息

针对认知诊断方法未考虑学生的答题共性和矩阵分解方法未考虑学生知识点掌握个性的问题,提出一种结合认知诊断与XGBoost(eXtreme Gradient Boosting)的学生表现预测方法(PRNCD-XGBoost):首先,根据试题中知识点之间的共现关系探索知识点之间的相似性,并结合试题-知识点二分图挖掘试题中各知识点所占权重,从而进行认知诊断;然后,用认知诊断阶段的预测结果对历史得分矩阵进行填充;最后,采用非负矩阵分解方法提取出包含认知诊断因素的学生答题共性特征进行得分预测。并在ASSISTments2009和ASSISTments2017数据集上,将PRNCD-XGBoost方法与PMF、NeuralCD、PR-NCD、NMF-XGBoost、MNMF-XGBoost等方法进行对比实验。实验结果表明:PRNCD-XGBoost方法在学生表现预测方面具有更高的预测精确度。

关键词：认知诊断矩阵分解 XGBoost算法学生表现预测

来源：评论

学校读者我要写书评

暂无评论

融合习题难度和作答经验的深度知识追踪模型

引用

华南师范大学学报（自然科学版） 2023年第4期55卷 81-86页

作者：梁祥刘梦赤胡婕冯嘉美华南师范大学计算机学院广州510631 湖北大学计算机与信息工程学院武汉430062

针对现有的深度知识追踪模型缺乏对习题和学生特征信息综合考虑的问题,文章提出融合习题难度和作答经验的深度知识追踪模型(DKT-DE)。该模型通过分析作答序列评估习题的难度和学生的作答经验来丰富模型输入层的特征信息,从而提高模型的... 详细信息

针对现有的深度知识追踪模型缺乏对习题和学生特征信息综合考虑的问题,文章提出融合习题难度和作答经验的深度知识追踪模型(DKT-DE)。该模型通过分析作答序列评估习题的难度和学生的作答经验来丰富模型输入层的特征信息,从而提高模型的预测性能。最后,在3个公共数据集(ASSISTments2009、ASSISTments2015、ASSISTments2017)上,对DKT-DE模型与5个基线模型(BKT、DKT、DKT+、DKVMN、SAKT模型)进行对比实验和消融实验。对比实验结果表明DKT-DE模型能够更准确地评估学生的知识掌握状态:与基线模型中表现最好的DKT+模型相比,DKT-DE模型在ASSISTments2009、ASSISTments2015、ASSISTments2017数据集上的AUC平均值分别提升了2.78%、2.44%、1.5%。而消融实验结果进一步证明习题难度和学生作答经验对提升模型预测能力都起到了积极的贡献。

关键词：教育数据挖掘知识追踪深度学习学生模型智能教育

来源：评论

学校读者我要写书评

暂无评论

XGBoost-RF的物联网入侵检测模型

引用

小型微型计算机系统 2022年第1期43卷 152-158页

作者：乔楠李振兴赵国生哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 哈尔滨师范大学网络中心哈尔滨150025

针对物联网入侵检测中检测数据不平衡导致的分类不准确的问题,提出了一种基于极端梯度提升树和随机森林相结合的物联网入侵检测模型.首先,针对物联网应用环境中产生的大量数据,对数据进行数据归一化处理.然后,利用XGBoost算法对其中的... 详细信息

针对物联网入侵检测中检测数据不平衡导致的分类不准确的问题,提出了一种基于极端梯度提升树和随机森林相结合的物联网入侵检测模型.首先,针对物联网应用环境中产生的大量数据,对数据进行数据归一化处理.然后,利用XGBoost算法对其中的特征进行重要性评分,选择最优特征.最后,结合改进的随机森林算法,解决因数据不平衡导致的分类不准确的问题.仿真试验表明所提模型能有效的进行数据最优特征选择及合理地检测分类,同RF算法、SVM算法、Tree-SVM模型和RF-GDBT模型相比,所提模型的检测准确率有效改善.

关键词：物联网入侵检测 XGBoost 随机森林

来源：评论

学校读者我要写书评

暂无评论

基于无免靶区域的水下偏振去散射成像

引用

物理学报 2025年第4期74卷 95-102页

作者：朱叶青王星朱竹青南京师范大学泰州学院信息工程学院泰州225300 南京师范大学计算机与电子信息学院南京210023 中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室长春130033

偏振成像技术在去除后向散射光方面是有效的.针对该技术依赖免靶区域以计算后向散射光信息限制其适用范围和实时成像能力的问题,本文提出了无免靶区域的偏振成像方法.该方法结合主动偏振成像和透射率去散射模型,将相机接收到的图像分解... 详细信息

偏振成像技术在去除后向散射光方面是有效的.针对该技术依赖免靶区域以计算后向散射光信息限制其适用范围和实时成像能力的问题,本文提出了无免靶区域的偏振成像方法.该方法结合主动偏振成像和透射率去散射模型,将相机接收到的图像分解为具有偏振信息和无偏振信息的部分,具有偏振信息的部分采用主动成像模型计算,而无偏振信息的部分基于Stokes矢量计算.同时,结合透射率校正原理实现去散射.实验和真实世界水下成像结果表明,本文方法能够有效去除大部分后向散射光,且具有速率优势,能够助力实时复杂条件下的水下成像技术,在海底资源探测与研究等领域具有广阔的应用前景.

关键词：免靶区域水下偏振成像去散射透射率校正

来源：评论

学校读者我要写书评

暂无评论

细粒度图像分类综述

引用

计算机应用 2023年第1期43卷 51-60页

作者：申志军穆丽娜高静史远航刘志强阜阳师范大学计算机与信息工程学院安徽阜阳236037 内蒙古农业大学计算机与信息工程学院呼和浩特010011

细粒度图像具有类内方差大、类间方差小的特点,致使细粒度图像分类(FGIC)的难度远高于传统的图像分类任务。介绍了FGIC的应用场景、任务难点、算法发展历程和相关的常用数据集,主要概述相关算法:基于局部检测的分类方法通常采用连接、... 详细信息

细粒度图像具有类内方差大、类间方差小的特点,致使细粒度图像分类(FGIC)的难度远高于传统的图像分类任务。介绍了FGIC的应用场景、任务难点、算法发展历程和相关的常用数据集,主要概述相关算法:基于局部检测的分类方法通常采用连接、求和及池化等操作,模型训练较为复杂,在实际应用中存在较多局限;基于线性特征的分类方法模仿人类视觉的两个神经通路分别进行识别和定位,分类效果相对较优;基于注意力机制的分类方法模拟人类观察外界事物的机制,先扫描全景,后锁定重点关注区域并形成注意力焦点,分类效果有进一步的提高。最后针对目前研究的不足,展望FGIC下一步的研究方向。

关键词：细粒度图像分类深度学习卷积神经网络注意力机制计算机视觉

来源：评论

学校读者我要写书评

暂无评论

基于两通道深度卷积神经网络的图像隐藏方法

引用

电子与信息学报 2022年第5期44卷 1782-1791页

作者：段新涛王文鑫李磊邵志强王鲜芳秦川河南师范大学计算机与信息工程学院新乡453007 河南工学院计算机科学与技术学院新乡453003 上海理工大学光电与计算机工程学院上海200093

现有的基于深度卷积神经网络(DCNN)实现的图像信息隐藏方法存在图像视觉质量差和隐藏容量低的问题。针对此类问题,该文提出一种基于两通道深度卷积神经网络的图像隐藏方法。首先,与以往的隐藏框架不同,该文提出的隐藏方法中包含1个隐藏... 详细信息

现有的基于深度卷积神经网络(DCNN)实现的图像信息隐藏方法存在图像视觉质量差和隐藏容量低的问题。针对此类问题,该文提出一种基于两通道深度卷积神经网络的图像隐藏方法。首先,与以往的隐藏框架不同,该文提出的隐藏方法中包含1个隐藏网络和2个结构相同的提取网络,实现了在1幅载体图像上同时对2幅全尺寸秘密图像进行有效的隐藏和提取;其次,为了提高图像的视觉质量,在隐藏网络和提取网络中加入了改进的金字塔池化模块和预处理模块。在多个数据集上的测试结果表明,所提方法较现有的图像信息隐藏方法在视觉质量上有显著提升,载体图像PSNR和SSIM分别提高了3.75 dB和3.61%,实现的相对容量为2,同时具有良好的泛化能力。

关键词：图像信息隐藏深度卷积神经网络金字塔池化预处理

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：