检索结果-内蒙古大学图书馆

构建基于三螺旋结构的大学生创新创业教育模式——以福州大学数学与计算机科学学院为例

创新与创业教育 2015年第3期6卷 62-65页

作者：李瑞宝翁谦福州大学数学与计算机科学学院福建福州350108

当前,创新创业教育在培养高素质人才、缓解就业压力及促进经济发展上起到越来越重要的作用.但大学生创新创业教育的效果却尚未尽如人意,在发挥实效机制上还存在诸多问题。从三螺旋结构创新创业理论出发,分析当前高校创新创业教育面临的... 详细信息

当前,创新创业教育在培养高素质人才、缓解就业压力及促进经济发展上起到越来越重要的作用.但大学生创新创业教育的效果却尚未尽如人意,在发挥实效机制上还存在诸多问题。从三螺旋结构创新创业理论出发,分析当前高校创新创业教育面临的主要问题。结合福州大学数学与计算机科学学院的工作实际,从制度建设、师资配套、校企合作、奖励制定、氛围营造和竞赛参与六个方面构建基于三螺旋结构的大学生创新创业教育模式。

关键词：福州大学大学生培养三螺旋结构长效机制

来源：评论

学校读者我要写书评

暂无评论

基于系统工程理论的高校共青团创新创业人才培养模式——以福州大学数学与计算机科学学院为例

引用

创新与创业教育 2016年第1期7卷 74-77页

作者：李瑞宝福州大学数学与计算机科学学院福建福州350108

创新创业教育是一个复杂的系统工程,从系统工程理论视角研究高校创新创业模式,有助于提高其科学性和有效性。系统工程理论下的创新创业教育必须注重全程化培养、全员化参与和层次化教育。由此结合工作实际,提出了新的高校共青团创新创业... 详细信息

创新创业教育是一个复杂的系统工程,从系统工程理论视角研究高校创新创业模式,有助于提高其科学性和有效性。系统工程理论下的创新创业教育必须注重全程化培养、全员化参与和层次化教育。由此结合工作实际,提出了新的高校共青团创新创业"3234"人才培养模式。"3"就是抓好一个主线、建好一个学生会职业发展部和举办一年一届的大学生职业规划节,"2"就是上好两门就业类课程和建设两个创新创业实践平台,"3"就是鼓励学生参与大学生程序设计竞赛、大学生软件外包服务设计竞赛和大学生创新创业大赛三大赛事,"4"就是加强学院与通过四年学习走上社会的毕业生的交流,让毕业生和企业意见回归。

关键词：福州大学数学与计算机科学学院创新创业教育系统工程创新高校共青团工作人才培养模式

来源：评论

学校读者我要写书评

暂无评论

两部件串联的平衡系统最优视情维修策略

引用

运筹学学报(中英文) 2025年

作者：魏茜董秋仙罗洪辉南昌大学数学与计算机学院

为了解决现有平衡系统维修策略中检测时间缺乏灵活性,不能充分利用部件退化状态信息的问题,针对退化独立的平衡系统,提出了视情维修决策优化模型。采用G amma过程建立部件退化模型,给出依据部件退化状态安排检测时间的方法;由于实际维... 详细信息

为了解决现有平衡系统维修策略中检测时间缺乏灵活性,不能充分利用部件退化状态信息的问题,针对退化独立的平衡系统,提出了视情维修决策优化模型。采用G amma过程建立部件退化模型,给出依据部件退化状态安排检测时间的方法;由于实际维修工作中,不完美维修次数的增加会造成部件退化加速以及修复程度变差,通过设置预防维修次数阈值对部件进行预防性更换;在对部件进行预防维修或更换前若发生软故障或失衡,则进行故障后更换;基于更新报酬定理,在系统长期平均成本率最小的情况下,得到系统最优的检测时间和预防维修次数阈值。最后通过算例验证所提出的维修策略的合理性,同时对关键参数进行敏感性分析,对平衡系统的维修具有一定启发。

关键词：平衡系统视情维修不完美维修非周期性检测

来源：评论

学校读者我要写书评

暂无评论

融合正切搜索与竞争交配的斑马优化算法及应用

引用

计算机科学与探索 2025年第4期19卷 945-963页

作者：苏晨王防修黄淄博武汉轻工大学数学与计算机学院武汉430023

针对斑马优化算法(ZOA)在求解最优解时存在早熟收敛和容易陷入局部最优的缺陷,提出了一种融合正切搜索与竞争交配的斑马优化算法(TZOA)。对该算法使用了正切搜索策略,增加种群多样性防止陷入局部最优解,并使用双曲余弦因子作为调节参数... 详细信息

针对斑马优化算法(ZOA)在求解最优解时存在早熟收敛和容易陷入局部最优的缺陷,提出了一种融合正切搜索与竞争交配的斑马优化算法(TZOA)。对该算法使用了正切搜索策略,增加种群多样性防止陷入局部最优解,并使用双曲余弦因子作为调节参数,避免影响收敛速度。将野马优化算法(WHO)的放牧行为与斑马优化算法的觅食行为共同组成双种群共生策略,提高算法前期的全局探索能力与后期的局部收敛能力。加入一种全新的竞争交配机制进一步提高种群多样性与局部探索范围。实验部分则通过与改进策略、近几年优秀算法、其他作者改进ZOA算法分别在14个CEC2017测试函数的10、30、50维上进行测试,并使用种群多样性分析、Wilcoxon秩和检验、探索开发分析和运行时间对比图来验证算法的性能。实验结果表明,TZOA相较于其他几种智能优化算法具有更好的求解能力与精度。同时将TZOA应用于机器人路径规划问题,在简单地图与复杂地图测试所得结果中皆为最佳值,进一步证明了改进算法TZOA的有效性。

关键词：斑马优化算法正切搜索双曲余弦函数野马优化算法双种群共生竞争交配机器人路径规划

来源：评论

学校读者我要写书评

暂无评论

基于深度霍夫变换的语义圆目标检测

引用

计算机工程与应用 2025年

作者：黄镔曾勋勋刘莞玲陈飞福州大学计算机与大数据学院福州大学数学与统计学院天津大学智能与计算学部

目标检测领域的模型设计愈发复杂且精密，对于利用目标的固有特性进行模型设计的研究工作寥寥无几，并且这类方法对于深度网络模型具有更强的可解释性。在细胞检测领域数据往往具有明显的形状特征，通过形状先验的引入，模型具有更好拟... 详细信息

目标检测领域的模型设计愈发复杂且精密，对于利用目标的固有特性进行模型设计的研究工作寥寥无几，并且这类方法对于深度网络模型具有更强的可解释性。在细胞检测领域数据往往具有明显的形状特征，通过形状先验的引入，模型具有更好拟合数据的能力。因此将经典的圆形霍夫变换与深度学习相结合，提出了可以单阶段端到端训练的Anchor-free语义圆目标检测框架。通过圆形参数化及深度霍夫变换，将二维特征图中圆形先验信息对应的特征值沿着圆形参数化变换方式，聚合到三维霍夫空间中的一个点，将语义圆检测问题转化为检测三维霍夫域中的一个点。其次，提出偏移量预测来缓解圆形参数化中离散化处理引发的精度下降问题。在CBC与TXL-PBC等多种血细胞检测数据集上测试结果表明，圆形先验信息的引入，增强深度检测算法的可解释性和泛化能力。

关键词：霍夫变换深度学习语义圆目标检测

来源：评论

学校读者我要写书评

暂无评论

基于梯度频率多阶段引导的深度图超分辨率方法

引用

计算机工程 2025年

作者：蔡江河陈飞姜凡程航王美清福州大学计算机与大数据学院北不列颠哥伦比亚大学计算机科学系福州大学数学与统计学院

颜色图像引导的深度图超分辨率(GDSR)旨在利用同一场景下高分辨率(HR)彩色图像提供的引导信息，将低分辨率(LR)深度图重建为高分辨率深度图。尽管基于空间域的学习方法可以有效提高深度图的整体重建质量，但在从低分辨率深度图进行重建... 详细信息

颜色图像引导的深度图超分辨率(GDSR)旨在利用同一场景下高分辨率(HR)彩色图像提供的引导信息，将低分辨率(LR)深度图重建为高分辨率深度图。尽管基于空间域的学习方法可以有效提高深度图的整体重建质量，但在从低分辨率深度图进行重建时，仍然面临“边缘结构模糊”的问题。为了解决该问题，提出了梯度频率引导多阶段整合的深度图重建网络（GFNet），利用颜色图像的梯度先验和频率信息来增强深度边缘结构细节的重建。首先，设计了一个梯度特征提取模块，结合了RGB图像的梯度先验知识来优化LR深度图的梯度结构。其次，设计了一个空间频率双路引导模块，将RGB图像中精确的高频成分传递到LR深度图中，从而引导深度图丢失的高频信息重建。最后，采用一种新颖的隐式神经函数来提高深度图的分辨率。实验结果表明，在8倍缩放因子的情况下，GFNet在数据集NYUv2、Middlebury以及真实场景数据集RGB-D-D上RMSE指标分别达到了2.48cm、1.62cm、2.57cm，相比于结构更复杂的模型GeoDSR，分别提升了0.14cm、0.06cm、 0.12cm，并在边缘结构细节方面优于对比方法，证明了GFNet模型的有效性。

关键词：深度图超分辨率边缘结构梯度特征频率引导隐式神经函数

来源：评论

学校读者我要写书评

暂无评论

基于改进ConvNeXt模型的农作物害虫细粒度识别

引用

农业工程学报 2025年第4期41卷 185-192页

作者：韩源涛张聪詹晓芸王正武汉轻工大学数学与计算机学院武汉430048 武汉轻工大学电气与电子工程学院武汉430048 武汉大学计算机学院武汉430072

精确分类不同时期的农业害虫对控制其发生和发展至关重要。针对目前不同生长时期农作物害虫分类不准确的问题,该研究创建了一个关注虫态的害虫数据集并提出了一种基于改进ConvNeXt网络的农作物害虫识别模型。通过引入多种虫态共同监督... 详细信息

精确分类不同时期的农业害虫对控制其发生和发展至关重要。针对目前不同生长时期农作物害虫分类不准确的问题,该研究创建了一个关注虫态的害虫数据集并提出了一种基于改进ConvNeXt网络的农作物害虫识别模型。通过引入多种虫态共同监督来重构网络主干,以便模型学习不同虫态的特征,引入空间注意力(spatial attention,SA)来改进模型结构,增强对害虫位置信息的提取能力。在大型公开数据集IP102上进行试验,与现有的同类最优基于Vision Transformer的方法相比,在保持模型参数量基本没有增加的前提下,准确率提高3.67个百分点,F1值提高2.49个百分点。试验证明,该研究提出的模型针对不同虫态害虫具备较强的识别准确率,可为精准农业害虫识别提供一定的参考。

关键词：害虫识别农作物 ConvNeXt 空间注意力机制多虫态识别

来源：评论

学校读者我要写书评

暂无评论

面向图神经网络的节点重要性排序研究进展

引用

计算机科学与探索 2025年第4期19卷 877-900页

作者：曹璐丁苍峰马乐荣延照耀游浩洪安琪延安大学数学与计算机科学学院陕西延安716000

节点重要性排序作为一项关键的图数据分析任务,对于识别和排序图中的重要节点至关重要。图神经网络(GNN)作为一种利用深度学习直接对图结构数据进行学习的框架,能够充分学习图结构数据中的节点和边的内在规律及更深层次的语义特征。在... 详细信息

节点重要性排序作为一项关键的图数据分析任务,对于识别和排序图中的重要节点至关重要。图神经网络(GNN)作为一种利用深度学习直接对图结构数据进行学习的框架,能够充分学习图结构数据中的节点和边的内在规律及更深层次的语义特征。在节点重要性排序任务中,GNN能够充分利用图结构信息和节点特征进行节点重要性的评估。相比于传统的节点排序方法,GNN可以更好地处理图结构数据的多样性和复杂性,捕捉节点间的复杂关联和语义信息,并自动学习节点特征表示,减少手工特征工程的偏差,提升节点重要性排序任务的准确性。因此,基于图神经网络的方法已成为节点重要性研究的主流方向。对近年来图神经网络的节点排序方法进行分类和综述。梳理了节点排序、图神经网络及经典节点重要性度量指标的核心概念。全面总结了基于图神经网络的节点重要性方法的最新进展,并根据基础图神经网络及其衍生的变体,将节点重要性排序方法分为基础图神经网络、图卷积神经网络、图注意力网络和图自编码器四类。同时,分析这些方法在社交网络、交通网络和知识网络等下游任务中的性能表现。对现有研究进行全面总结,分析现有方法的时间复杂度、优点、局限性和性能,并根据现有研究的不足讨论未来的研究方向。

关键词：节点重要性节点排序图神经网络表示学习

来源：评论

学校读者我要写书评

暂无评论

融合多模态特征的恶意TLS流量检测方法

引用

信息安全研究 2025年第2期11卷 130-138页

作者：曾庆鹏贺述明柴江力南昌大学数学与计算机学院南昌330031

恶意TLS流量检测旨在识别出利用TLS协议传输恶意活动的网络流量,由于TLS协议的加密特性,传统的基于文本特征的流量分析方法在面对加密流量时效果有限.为了解决这个问题,提出了一种融合多模态特征的恶意TLS流量检测方法(MTBRL),该方法从... 详细信息

恶意TLS流量检测旨在识别出利用TLS协议传输恶意活动的网络流量,由于TLS协议的加密特性,传统的基于文本特征的流量分析方法在面对加密流量时效果有限.为了解决这个问题,提出了一种融合多模态特征的恶意TLS流量检测方法(MTBRL),该方法从不同模态中提取和融合特征,实现对恶意TLS流量的检测.首先,通过专家经验进行特征工程,从加密流量中提取关键特征,包括协议版本、加密套件和证书信息等,对这些特征进行处理后将其转化为2维图像表示,再利用ResNet对这些图像进行编码,以提取图像的特征.其次,使用加密流量预训练的BERT对TLS流进行编码,从中学习到TLS流的上下文和语义特征.此外,使用LSTM对加密流量的包长度分布序列进行编码,以捕捉时序特征.最后通过特征融合技术整合不同模态特征,利用反向传播算法自动学习并优化模型的权重参数,以准确预测恶意TLS流量.实验结果表明,该方法在DataCon2020数据集上准确率、精确率、召回率和F1值分别达到94.94%,94.85%,94.15%和94.45%,显著优于传统机器学习和深度学习方法.

关键词：加密流量网络安全入侵检测多模态深度学习

来源：评论

学校读者我要写书评

暂无评论

改进RT-DETR的航拍小目标检测算法

引用

计算机工程与应用 2025年第4期61卷 272-281页

作者：刘思元高凯雍龙泉陕西理工大学数学与计算机科学学院陕西汉中723001

针对现有的目标检测算法在航拍图像中的小目标上易出现的漏检和误检问题,提出了基于改进RT-DETR(real-time detection transformer)的算法。在主干网络中引入了部分卷积(partial convolution,PConv),设计了PConvBlock结构,并通过由PConv... 详细信息

针对现有的目标检测算法在航拍图像中的小目标上易出现的漏检和误检问题,提出了基于改进RT-DETR(real-time detection transformer)的算法。在主干网络中引入了部分卷积(partial convolution,PConv),设计了PConvBlock结构,并通过由PConvBlock组成的BasicBlock-PConvBlock模块替代原有BasicBlock,有效减少了模型参数。采用双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)结构优化特征融合模块,并引入S2特征进一步提升小目标的检测能力。引入CARAFE上采样算子,增强了多尺度特征的快速融合。实验表明,在VisDrone测试集上,改进后的模型在参数量上比RT-DETR模型降低了13.9%,同时在mAP0.5和mAP0.5:0.95指标上分别提升了2.4和1.9个百分点。在TT100K和DOTA数据集上均优于RT-DETR算法。改进模型在保持较小参数量和计算量的同时,提高了检测精度,满足了无人机航拍图像实时检测的应用需求。

关键词：小目标检测轻量化 RT-DETR 部分卷积

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：