基于项目驱动应用型本科《Java程序设计》教学研究与实践

应用型本科在Java实用教程中引入项目驱动法,旨在“以学生为中心,以教师为辅”,使学生巩固Java理论知识和提高其项目开发的综合能力,通过实验教学,效果理想。     

学会微信小程序的设计与实现

为了满足学会的信息移动化需求,该文在调查了当前学会的信息化建设现状、移动端应用等信息的基础上,提出一套基于微信小程序开发的移动端设计方案,并以中国地球物理学会水利电力分会的特定需求为例实现了水电分会微信小程序。经测试,水电分会小程序能够及时传递学会动态信息给会员,达到宣传学会,服务社会的目的,对水电分会会员间的信息交流具有实际应用价值。     

基于改进DCGAN的数据增强方法

针对小样本数据在深度学习中训练难的问题,为提高DCGAN训练效率,提出了一种改进的DCGAN算法对小样本数据进行增强。首先,使用Wasserstein距离替换原模型中的损失模型;其次,在生成网络和判别网络中加入谱归一化,以得到稳定的网络结构;最后,通过极大似然估计算法和实验估算得到样本的最佳噪声输入维度,从而提高生成样本的多样性。在MNIST、CelebA和Cartoon这三个数据集上的实验结果表明：改进后的DCGAN所生成样本的清晰度以及识别率比改进前均得到了明显提高,其中平均识别率在这几个数据集上分别提高了8.1%、16.4%和16.7%,几种清晰度评价指标在各数据集上均有不同程度的提高。可见该方法能够有效地实现小样本数据增强。     

基于目标检测的地铁站人群数量估计

为实时估计并控制地铁站的人群数量,提出了一种基于改进YOLOv3的人群数量估计方法.首先,对收集的多场景的地铁监控视频进行抽帧、采样、标注等前期处理;其次,通过上采样改进模型的输出尺度,同时以"人头"代替"人"作为检测目标训练检测模型;最后,对测试结果进行评估,验证所提出方法的有效性及实时性.实验结果表明,在地铁监控视频检测任务中,改进YOLOv3检测方法的平均准确率可以达到90.42％,每帧的检测时间大约50 ms,在达到准确率要求的同时,可以满足特定场景所需的实时检测的需求.     

基于深度学习的miRNA靶位点预测研究综述

MicroRNAs(miRNAs)是一类长约22~23碱基(nt)的单链非编码RNA,在生物进化方面有着重要意义。成熟的miRNA会通过其种子序列(5’第2-8位核苷酸)与message RNAs(mRNAs)的3’UTR区域靶位点进行完全或不完全配对,实现切割mRNA及抑制mRNA翻译等功能。由于miRNA结合mRNA靶位点的机制仍未明确,因此预测miRNA靶位点的工作一直是miRNA研究领域的一大挑战和难题。实验方法虽然准确,但耗时长且昂贵。在生物信息领域,基于规则匹配的常规计算方法虽然能进行靶位点的预测,但存在着准确率偏低的问题。随着深度学习的兴起及实验验证数据及具体靶位点信息的丰富,基于深度学习的方法成为了miRNA靶位点预测领域的研究热点。首先介绍了常用的miRNA预测数据集、预测类型和常见特征;之后对预测研究中常用的深度学习模型进行阐述;接着介绍了常规的预测方法及基于深度学习的预测方法,并对这些方法进行了分类总结和性能的对比分析;最后对使用深度学习的预测工作当前存在的问题及未来的发展进行了探讨。     

基于犹豫模糊决策算法的云制造系统选择研究

云制造系统的选择评价是云制造管理中的重要研究课题。针对复杂的云制造系统评价问题,构建了基于信息集成算子和一致性提升算法的犹豫模糊互补判断矩阵（HFCJM）决策模型。由于现有的犹豫模糊加权平均算子存在不能满足幂等性的不足,提出了一种改进的犹豫模糊加权平均（I-HFWA）算子,并验证其满足幂等性这一重要性质;研究了完全乘性一致HFCJM的构造方法,并引入一致性指数概念来衡量HFCJM的一致性水平;建立了基于犹豫模糊决策算法的云制造系统选择模型,并分析了决策模型在每次迭代过程中的信息损失量、一致性水平提高程度、计算复杂度以及模型的收敛性。采用案例进行验证分析。实验结果表明,相对于对比模型,犹豫模糊决策算法在可靠性和有效性上更优。     

以就业为导向的计算机教学模式的探讨

现代社会的教育及培训离不开社会就业现实的导向作用。对于中职学生来说,以就业为导向的教育模式更容易让学生认识到当前的形势。每一个中职学生在计算机课堂上学习时,都应紧跟就业导向的要求。中职计算机教师对就业导向领悟的程度不同,学生学习的实际效果有很大差异。因此有必要对目前中职计算机教学的现状加以探讨,结合学习内容和计算机学科的特点,结合就业市场的具体需求、提升学生的就业竞争力。     

新冠肺炎疫情趋势预测模型

2019年新型冠状病毒肺炎(corona virus disease 2019,COVID-19)的爆发对人们的健康和生活造成了极大的危害和影响。预测疫情的发展趋势可帮助人们提前制定应对措施。SEIR模型是经典的传染病模型之一,由于该模型中病毒传染率为常数,难以对新冠肺炎传播情况进行准确建模并完成疫情趋势预测。针对此问题,本文提出基于长短期记忆网络(long short-term memory,LSTM)的病毒传染率预测方法,并将其与SEIR模型结合,建立新冠肺炎疫情趋势预测模型(LSTM-SEIR network, LS-Net)。为了验证本文提出的方法,收集了国内多个省市官方公布的疫情数据进行实验。实验结果表明,本文提出的LS-Net可对疫情发展趋势进行有效预测,并优于传统SEIR模型。     

基于宽度学习的结构沉降预测

结构监测是确保工程结构建设在施工和运营阶段安全的关键因素,因此采用合理有效的预测模型对结构沉降监测数据进行科学准确的预测成为了当前结构沉降预测研究的重点。针对传统预测方法与深度学习方法用于结构沉降预测存在的预测精度不够高、模型结构复杂、训练耗时等问题,提出了一种基于宽度学习的结构沉降时间序列预测模型。通过实测地铁地下隧道沉降监测数据对宽度学习、人工神经网络、支持向量回归和深度置信网络-支持向量回归预测模型的预测结果进行对比分析。实验结果表明:宽度学习系统(broad learning system,BLS)应用于结构沉降预测具有良好的效果,其训练速度更快,预测精度更高。验证了所提出的宽度学习算法应用于结构沉降预测的可实施性和有效性。     

河流连通性综合评价方法研究

保障河流连通性是生态系统保护与修复的一项重要举措,为推进我国江河湖库水系连通工作,亟需加强河流连通性评价的理论方法研究。基于河流生态系统四维结构和功能整体模型,构建了河流连通性综合评价方法;通过梳理国内外河流连通性评价的研究和实践,从4个维度凝练了构建河流连通性指数的5个评价指标,包括破碎度指数、库容调节系数、水资源利用消耗率、路网密度和城市夜间灯光指数;通过综合分析各个指标的阈值和权重,建立了河流连通性指数计算方法、综合评价方法及评价依据。研究成果进一步完善了河流连通性评价的理论方法,为河流连通性评价提供了一种新的思路,可为河流生态系统保护与修复提供参考。