计算机科学与技术专业实践教学模式设计

针对当今社会对计算机科学与技术专业人才实践能力和创新能力要求越来越高的实际,提出在课程实验、课程设计、现场实习、创新实践和毕业设计等实践教学环节进行教学模式的改革与设计,该模式对不同实践环节采用多样化的实践教学模式,在实践教学中培养学生信息素养,提高实践能力,激发创新意识、促进自主学习,增强创新和团队合作意识。     

计算机软件系列课程教学方式研究

本文针对计算机软件系列课程传统教学方式中以教师讲解为中心的"注入式知识教育"存在的弊端,提出了基于任务驱动、基于案例驱动以及基于项目驱动的教学模式,该模式采用以学生主动思考为中心,引导学生探索新知识为主,理论与实际相结合的"研究式素质教育"方式,在教学中培养学生信息素养,激发学生学习潜能,提高学生学习兴趣,促进学生自主学习,增强学生创新意识。     

基于MVC+Struts的医疗保险管理系统设计与实现

通过对MVC设计模式与Struts框架的分析,结合医疗保险管理信息系统的特点及功能,给出了MVC Struts框架中控制器、模型、视图组件在医疗保险管理系统中的实现方法以及Web.xml和Struts文件的配置,采用JSP Servlet JavaBean技术完成了一种基于B/S结构的医疗保险管理信息系统的设计与开发方案.     

基于改进SinGAN的遥感图像数据增强方法

随着遥感技术的发展，遥感图像被大量应用于遥感图像识别、分割等领域。但遥感图像数量少、质量低以及多样性不足等问题阻碍了遥感解译等后续研究的性能提升，如何利用少量的遥感图像生成大量的数据集是目前亟待解决的问题。针对这一问题，本文以SinGAN网络为基础，将一种新的纯卷积网络ConvNeXt与之结合来构建遥感图像数据增强框架。实验结果表明，在遥感数据集NWPU-RESISC45 Dataset上，结合ConvNeXt卷积网络进行数据增强后的图像，其FID、SSIM和PSNR这3种GAN与图像质量评价指标分别提升了5.7%、6.2%和8.2%。基于改进SinGAN的遥感图像数据增强方法进行增强后的图像质量与多样性均优于SinGAN算法与传统图像增强方法，实际中可用于图像分割、目标检测等领域。     

基于门控卷积与注意迁移的二阶图像修复

针对现有修复算法在处理较大面积缺失时易产生伪影且与原图像语义不符的问题，提出了基于门控卷积与注意迁移的二阶图像修复方法，通过加强待修复图像内部语义对修复网络的影响来确保修复结果整体语义的一致性。首先使用多层卷积对缺损图像进行粗略修复；然后将粗略修复结果输入改进的细化修复网络，使用门控卷积和注意迁移网络对图像内部纹理细节进行修复处理，在编解码阶段引入SimAM模块作为注意力机制，强化对待修复图像中重要信息的筛选能力；最后通过谱归一化的马尔科夫判别器判别真伪同时提供对抗损失，将感知损失与多尺度结构相似性损失作为重建损失再将其与对抗损失相结合作为损失函数。与其他图像修复方法的对比实验表明，本文方法较其中最好结果在结构相似性上提升1.47%，峰值信噪比上提升5.48%。本文方法修复结果更加真实自然且在各种尺寸缺失下均实现了理想的修复效果。     

基于样本不平衡与视觉多样性的超平面偏移法

在基于内容的图像检索中,支持向量机（SVM）的分类性能不仅受到样本不平衡的影响,而且由于图像的视觉多样性,导致在分类超平面附近找不到正例样本,无法提高分类器性能。针对上述问题,提出一种二阶段的SVM超平面偏移方法。根据样本的不平衡性进行超平面的相对偏移,使得当前超平面向理论的最优超平面移动,以此为基础进行相关反馈,并根据反馈结果运用超平面三原则对当前的偏移超平面再进行偏移,以解决图像的视觉多样性问题,从而得到能够提高检索精度的分类超平面。实验结果证明,与基于SVM的标准图像检索方法相比,该方法能大幅提升样本集的分类性能,使图像的检索精度平均提高16％。     

基于改进Qsplat算法的三维动态积云模拟研究

尽管人们对云模拟进行了大量研究,但是现有的云模拟算法很难在保证实时性的情况下得到真实感较强的云图形。针对这个问题,提出一种结合Qsplat算法与IFS算法的粒子系统的积云模拟方法,并考虑了积云的结构特点。首先,基于Qsplat算法的细节层次树型结构建立树型结构粒子系统,加速粒子系统搜索速度;然后,对距离视点较近的粒子使用IFS迭代函数系统算法增加层次包围球树的层次以丰富云体局部细节来建立云的外形;最后,使用球形图元映射二维纹理进行云的绘制。最终实现了三维动态积云的快速实时模拟。实验结果表明,该方法能够快速地生成实时三维动态积云图形,图形真实感强。     

少样本知识图谱补全技术研究

少样本知识图谱补全（FKGC）是目前知识图谱补全任务的一个研究热点,旨在拥有少量样本数据的情况下,完成知识图谱补全任务。该任务在实际应用和知识图谱领域都有着重要的研究意义,为了进一步促进FKGC领域的发展,对目前各类方法进行了全面总结和分析。首先,描述了FKGC的概念和相关内容;其次,以技术方法作为分类依据,归纳总结出三类FKGC方法,包括基于度量学习的方法、基于元学习的方法以及基于其他模型的方法,并从模型核心、模型思路、优缺点等角度对每种方法进行分析和总结;然后,汇总了FKGC方法的数据集和评价指标,并从模型特点和实验结果两方面对FKGC方法进行分析与归纳;最后,从实际问题出发,总结了目前FKGC任务的难点问题,分析了问题背后的困难,给出了相应的解决方法,同时展望了该领域未来值得关注的几个发展方向。