Proteus软件在单片机教学过程中的应用

针对传统单片机课程教学中存在的不足,本文提出将Proteus仿真软件引入单片机课程教学中,并举例介绍了Proteus仿真软件在单片机课堂教学环节、实践教学环节中的应用方法,分析了这种教学方式在降低教学成本,提高教学效率和教学效果方面的优势。     

适度集中模式下空间信息共享平台应用框架研究

基于兵团空间信息系统和数据资源现状,分析了其建设目标、技术路线和应用优缺点,提出符合兵团现状的空间信息资源共享服务平台。通过采用适度集中模式的兵团空间信息资源平台集成兵团多源、多时态、多部门的空间数据,实现了兵团跨部门、跨平台的空间信息共享服务,为兵团农、水、土、生态、公共安全行业及各师团部门信息化建设提供了有力保障。     

遥感影像变化检测综述

变化检测作为土地利用/土地覆盖检测的关键技术,其目的是在同一区域不同时期的遥感数据中检测出变化的部分及其类型。针对传统的变化检测方法中存在繁重的人工劳动和检测结果效果差等问题,大量基于遥感影像的变化检测方法被提出。为了深入了解基于遥感影像的变化检测技术以及进一步研究变化检测方法,通过对大量有关变化检测的研究进行整理、分析和比较,对变化检测进行了较为全面的综述。首先阐述了变化检测的发展历程;然后从数据选择及预处理、变化检测技术、后处理及精度评价这三个方面详细归纳了变化检测的研究进展,其中变化检测技术主要从分析单元和比较方法的方面分别进行概括;最后对变化检测各个阶段存在的问题进行了总结并提出了未来的发展方向。     

基于Android的老人关爱系统

针对日益突出的老人监护需求,设计并实现了基于安卓智能手机的老人关爱系统,系统围绕老人的位置信息采集、传送、处理生成服务三个核心问题,并探讨了基于极光推送的老人救助模式.通过手机自带GPS定位功能实现了位置信息采集,自定义Json数据传送格式、调用百度API处理显示服务,实现了老人实时位置显示、历史轨迹回放、一键报警功能,系统服务端结合极光推送,可以将老人的求助信息快速推送到相关人员手机上,实现了周边救助模式,初步应用表明,该系统具有实时性强,用户参与度高,经济便捷等特点,为老人关爱领域提供了模型参考.     

基于卷积神经网络的无人机遥感影像农村建筑物目标检测

将深度学习应用于遥感影像目标识别,提出基于卷积神经网络的无人机遥感影像农村建筑物的目标检测方法,用端到端的方式训练Faster R-CNN网络模型,并应用于农村建筑物的快速精确识别.该方法包括基于RPN网络的区域建议和基于Inception v2的卷积神经网络模型训练.为了训练和测试模型,通过无人机采集南疆地区的农村建筑物遥感影像,并人工标注建立了农村建筑物的数据集,在TensorFlow深度学习框架上通过对该数据集目标检测验证了模型.结果表明,基于改进的卷积神经网络目标检测方法对无人机遥感影像进行快速准确识别的总体精度超过90%,通过初始参数更新,模型收敛更快,对无人机遥感影像地物分类和目标识别具有一定的参考意义.     

强化专业技能,培养高素质人才——计算机科学与技术专业实践教学改革探索与实践

实践教学是培养学生创新精神、实践能力和就业竞争力的有效途径。我校计算机科学与技术专业从教学理念、人才培养、教学模式、教学效果等方面探索,形成了一套"三大体系"良性互动、合理运行,适合培养高素质人才的实践教学模式。本文对这种教学模式作了介绍。     

基于Blog&Wiki的本科开放协作式教学应用研究

当前网络技术在教育中的应用日益广泛和深入,特别是Internet与校园网的接轨,为教育提供了丰富的资源,使网络环境下的学习真正成为现实。本文阐述了Blog&Wiki在本科教学中应用的可行性分析,然后建立一个基于Blog&Wiki的开放协作式教学模型。     

基于弱水印的地理数据拓扑完整性检验方法

拓扑关系是空间关系研究的基础问题,被广泛应用在空间查询和空间推理等方面。为了检测地理数据拓扑关系的完整性,提出了一种基于弱水印的地理数据拓扑完整性检验方法。通过地物之间空间相离距离生成水印信息,并修改其相离距离比值,根据比值进行地物缩放以达到嵌入水印的目的。在水印检测时,根据生成的水印与提取的水印的匹配结果来判定地理数据的拓扑完整性。实验结果表明,本方法可以有效地检测出矢量地理数据的拓扑完整性。     

基于SVM的加工番茄细菌性斑点病氮素含量反演

氮素是作物需要最大量的营养元素,严重影响作物的生长发育和产量品质。高光谱遥感对氮素含量进行反演,具有快速、低耗及非损伤性等优势。提出了一种多光谱指数和SVM模型相结合的方法,选取不同生育期和不同病害严重度的加工番茄细菌性斑点病的病叶,同时测定病叶的氮素含量。通过相关分析、线性回归的绝对系数R2和F值,优选了光谱指数PSSRb、ND705、GMI-2和PTBSc,作为SVM模型的输入变量,反演氮素含量和不确定性分析。结果表明:SVM模型反演氮素含量的真实值与预测值的相关系数为0.849,均方误差MSE为0.012,平均相对误差为0.007。与单光谱指数PSSRb和GMI-2构建的指数模型比较,SVM模型的预测能力更强,真实值与预测值拟合方程的绝对系数R2最大(R2=0.720)。说明多光谱指数的SVM模型,提高了加工番茄细菌性斑点病氮素含量的反演精度,同时为多波段协同反演氮素含量提供了新的思路。     

基于高阶模式间关系的跨模态关联学习

针对多模态数据查询和基于模式之间低阶关系的查询方法存在的局限性,提出一种基于高阶模式之间关系的跨模态关联学习模型。在超网络的基础上,构建一种具有层次结构的分层超网络模型,由超网络数目等于模式数目的模式层和代表几种模式之间关系的集成层构成;经过训练的分层超网络就可以通过跨模态关联推理生成对于给定多模态查询的文本术语和视觉词关键字,实现多模态查询。基于大量带有图像文章的实验结果表明,提出模型可以提高生成关键字的相似性,生成文本术语,成功检索出具有小部分信息的文章。