基于移动Agent的并行聚类算法模型

针对基于MPI环境的并行聚类算法需要手工配置数据,不利于调试程序等的不足,提出一个基于移动Agent的并行聚类算法模型.该模型以移动Agent为中心,负责系统性能数据的收集和计算任务的执行,可以实现数据的自动配置和计算.通过在基于移动Agent并行环境上的试验,该模型显示出良好的效率.     

《计算机应用基础》机试中的问题及对策

在《计算机应用基础》课程学习效果的评价中采取机试的形式，具有改卷效率高、改卷过程公平、防止舞弊等优点，已为很多高校所采用。但在使用过程中，在硬件、软件方面也存在这样那样的问题，如果不加以注意，其优点也会转化为缺点，影响到大家使用的积极性。本文总结了我们在使用考试系统中遇到的问题及积累的经验教训，希望对大家今后的工作能有所帮助。     

基于形状特征的植物叶柄与叶片分割算法

叶柄与叶片的分割是实现完整的植物叶特征提取及无损植物叶特征提取中重要的一步,可以根据叶柄与叶片的形状差异实现分割.首先将采集到的图像转换成二值图像,然后估算叶柄的大致宽度,根据该宽度对图像进行粗分割,最后根据叶柄在图像中的位置确定叶柄,实现精确分割.该算法在Visual C++6.0环境下进行了实现,对多种不同形状的植物叶进行了测试.测试结果表明,该算法能够满足应用需要,且对其它粘连目标的分割问题也具有一定的适用性.     

摔倒检测中的样本失衡问题研究

由于真实的摔倒数据难以获得,导致采集到的正常行为和摔倒行为样本比例严重失衡,从而基于此数据集训练的常规摔倒检测模型的漏警率和误警率都较高,不能满足实际的需求。针对该问题,提出一种基于样本加权极速学习机的摔倒检测方法,该方法综合考虑不同种类行为样本之间的比例关系,分别赋予其一定的权值,能较好地解决样本失衡问题。基于真实行为数据的实验结果表明,和传统非加权的行为识别方法相比较,基于样本加权极速学习机的摔倒检测方法能够将识别模型的性能提高10%左右。     

并行对象调度策略

从并行系统的软件设计模式出发,结合面向对象的思想,阐述了在并行系统中以对象为中心进行任务调度的策略.给出了一种具体的算法并简要地分析了该算法的性能.     

以考促学导向的课程全过程考核模式探索

针对传统课程考核模式存在的问题,提出在程序设计类课程的教学中,根据课程教学目标和课程特点,设计并实施全过程考核,综合学生的课堂表现、上机表现、作业完成情况、阶段性考核结果评价学生的学习结果,并对考核结果进行分析和总结。     

个人运动管理系统中的行为识别方法

为使个人运动管理系统更好地感知用户行为,给予科学的运动指导,提出一种基于通用模型迁移的自适应行为识别方法。该方法无需对个体数据进行标定,通过将群体行为的共性知识迁移到个体行为,使通用识别模型可以随着个体行为样本的增多,自适应地调整共性知识,从而形成针对特定个体的个性化行为识别模型。实验结果表明,个性化模型的平均识别精度可以从67.31%提高到83.54%。