一种基于领域知识的XML数据模糊查询

为了解决普通用户对XML数据的模糊查询问题,提出了一种基于领域知识的XML数据模糊查询方法.以模糊集理论为基础,首先介绍了XML数据模糊查询的构成形式;然后提出了将领域知识和模糊集的隶属函数相结合的方法实现XML数据的模糊查询条件转换,转换过程考虑了查询谓词的重要程度和用户偏好;最后按结果元素对模糊查询的满足程度对模糊查询结果进行排序.该方法无需改变传统的XML查询语言和XDBMS就能够实现模糊查询,从而提高了用户与系统之间的交互能力.实验结果表明,提出的模糊查询方法具有较高的查全率和准确率.     

协同工作模式的《编译原理》教学方法探讨

针对《编译原理》课程教学内容抽象,学生难以参与到教学过程中的问题,在分析《编译原理》课程的特点及相关研究工作基础上,提出协同工作模式的《编译原理》教学方法。该方法将教学内容设计成多个任务,将知识点融于任务中。课堂上学生与教师协同工作,通过解决任务从而达到教学的目的。实验环节,学生分组共同完成一项实验任务,在完成过程中互相交互、协作,从而使学生即能完成小知识点的实践任务,又能对整个任务中各个知识点之间的关联有较好的认识。该方法应用于教学实践,取得良好的教学效果。     

融合注意力的生成式对抗网络单图像超分辨率重建

基于深度学习的单图像超分辨率重建方法已经比较完善,重建图像具有较高的客观评价值或具有较好的视觉效果,但是图像感知效果和客观评价值不能均衡提升.针对这一问题,提出一种融合注意力的生成式对抗网络单图像超分辨率重建方法.首先去掉残差网络中会破坏图像原本的对比度信息、影响图像生成质量的批归一层,其次是构造注意力卷积神经网络残差块,可有效地在特征映射中进行自适应特征细化,改善重建结果在大尺度因子下缺乏高频信息和纹理细节的问题,最后构造像素损失函数,使用鲁棒性较好的Charbonnier损失函数替代均方差损失函数,用总变差正则项平滑训练结果.实验结果表明,在4倍放大因子下,与其他方法在Set5、Set14、Urban100、BSDS100测试集上进行测试比较,本文方法峰值信噪比平均值提升2.88 dB,结构相似性平均值提升0.078.实验数据和效果图表明,该方法主观上具有丰富的细节,客观上具有较高的峰值信噪比值和结构相似性值,实现了视觉效果和客观评价指标值的均衡提升.     

基于图像分割的语义标注方法

为有效解决图像检索中存在的“语义鸿沟”问题,提出了一种新的语义标注方法。该方法以图像分割为基础,在训练阶段构建图像字典,通过对图像单元颜色、纹理、小波轮廓的分析和描述形成一种结合小波轮廓比对和概率统计的二阶段标注模型,模型针对不同类别的图像分阶段采用相应的标注方法。经实验,应用该模型进行图像检索查全率和查准率都有明显提高,其中查准率最高可提升23.6%,证明该方法更接近人对图像内容的理解,具有良好的标注效果和检索性能。     

改进的SLTP方法在掌纹识别中的应用

对掌纹识别进行研究,提出了基于改进的软直方图局部三值模式（SLTP）的掌纹识别方法。该方法先对掌纹训练样本进行能量函数的构造,然后用梯度下降法对能量函数进行优化,得到最佳的模糊隶属度函数,进而对掌纹的特征进行提取,最后用Chi概率统计的相似度度量方法进行匹配识别。在PolyU掌纹数据库和IITD掌纹数据库中进行实验验证,结果表明,在相同的训练样本下,改进的SLTP方法相比于SLTP方法,识别率得到提高。从而证明了该方法的有效性。     

基于CMM的PDCA循环在高校师资管理中的应用

高校师资管理所具有的开放式的、动态的、持续改进的特点决定了可以借鉴PDCA循环对其进行构建基于CMM的高校师资管理过程改进模型,持续地改进师资管理过程中的不足,提高管理能力和水平.     

程序设计类课程教学模式研究

针对目前程序设计类课程学习过程中出现的学生听懂课程但编写不出程序的现象,提出了在程序设计类课程的教学过程中采用"任务驱动+自主学习"的教学方式,充分发挥教师的主导性和学生的主体性,提高学生的程序设计能力,同时培养学生的编程思维及软件开发能力。     

基于任务驱动的《C程序设计》教学模式设计

针对C语言学习中存在的知识点较多,学生不易掌握以及程序设计能力不强等问题,在分析任务驱动教学法的基础上,提出基于任务驱动的教学模式,结合我院学生的实际应用在C语言的理论与实践教学上,增强学生的学习热情,提高学生程序设计能力,同时通过实践训练培养学生程序设计的综合能力以及团队合作的能力.     

基于上下文特征的渐进式图像修复方法

针对现有图像修复方法在面对大尺度缺失时生成部分易产生伪影、不符合原始图像语义等问题,提出了一种基于上下文特征的渐进式图像修复方法。首先,使用ResNet18网络对破损图像进行粗略填充。然后,将其输入具有双分支结构的细化网络：上下文特征聚合模块通过多尺度语义特征获取现存图像内部最有利于修复图像的区域;注意转移网络学习缺失区域与剩余背景区域的联系,将其以更高分辨率对缺失区域进行填充,引入CBAM(convolutional block attention module)模块作为网络注意力机制。定义全局和局部判别网络实现生成图像与背景语义一致性并计算得到对抗损失,将L₁损失与结构相似性损失相结合作为网络重建损失,再将其与对抗损失相结合作为损失函数。在Place2数据集上进行实验,平均峰值信噪比和平均结构相似性分别为27.83 dB和93.19%;与四种图像修复方法进行比较：主观感受上该方法较其他方法生成的修复图像更加清晰自然,与背景语义高度相符;客观指标上选用四种常用评价指标进行比较,在更符合人眼视觉的结构相似性上该方法分别提升11.48%、6.23%、3.24%、2....