基于BP网络的指纹识别系统

针对指纹数据库规模不断增大的情况,为了提高指纹识别的速度和准确度,采用BP神经网络先对指纹进行分类,把指纹分成左环、右环、拱、涡、棚状拱和不辨型6种类型,然后在相应的子类库中根据特征提取进行识别。设计并实现了一个指纹识别系统,该系统能够自动地进行指纹分类,而且还能实时地将结果与指纹数据库进行比对。实验结果表明,该系统能迅速地获得被识别人员的身份信息。     

基于BP网络的人脸朝向识别方法

为了使仿人机器人的视觉系统能够识别出人脸,利用BP神经网络的理论知识,研究人脸识别技术,对图像中人脸朝向判别进行实验研究。实验采用Matlab工具箱进行BP网络设计,实现对人脸角度方向的判别。讨论了输入和目标向量设计BP神经网络结构的设计,以及网络参数和训练参数的设定等问题。实验结果表明,BP神经网络可以根据输入图像的二值化信息,以一定的准确率判别该图像的人脸朝向。     

建筑类院校景观学专业人才培养模式构建

在回顾我国景观学专业的发展、探讨其学科内涵及特征的基础上,应对风景园林类专业多元化办学的现实背景,阐述了作为地方性建筑类工科院校的山东建筑大学景观学专业人才培养目标.汇聚学科优势,提出了"以设计为主导、以理论为支撑、以融贯为外延"的景观学人才培养模式,结合课程体系设置,对多元办学背景下的建筑类院校景观学人才培养特色进行了积极的探索.     

南天山与西昆仑帕米尔冲断带的空间对接关系研究

利用人工和天然地震剖面解释,地面地质资料分析,研究了位于塔里木盆地西北缘的南天山与西昆仑帕米尔冲断带的空间对接关系.结果表明:在浅层阿图什与克拉托—明尧乐背斜带之间是来自于南天山与西昆仑帕米尔冲断带的构造结合带,南天山冲断带可分为浅层叠瓦式冲断系统和深层的隐伏双重冲断系统,西昆仑帕米尔冲断带以乌泊尔基底断裂为界分成北部的克拉托—明尧乐背斜带和南侧的乌泊尔背驮盆地;在深层塔里木地块受到新生代以来印度板块与欧亚板块的碰撞和乌泊尔右行走滑断裂的控制作用,产生南北两侧的双向大陆深俯冲作用,致使南天山与西昆仑仰冲于塔里木地块而抬升,形成南北两大新生代复活造山带.     

CVSD语音编解码的DSP实现

连续斜率可变增量调制(CVSD)语音编码简单且具有良好的抗信道误码能力,擅长处理丢失和被损坏的语音采样,较其他编码方法语音效果更清晰,可靠性更高,降低带宽的同时保证了语音质量.利用DSP芯片研制开发基于语音压缩编码技术的语音产品已经成为一大研究热点.选用TMS320VC5509芯片作为硬件平台,用C语言实现了CVSD语音编解码,能较好实时实现语音编解码.     

小氮肥造气系统的改造

前言我厂是一九八○年投产的年产合成氨三千吨的小氮肥厂。造气系统为二台φ1980煤气发生炉,采用固定层间歇气化工艺。由于采用石灰碳化煤球制气,带出物多,煤灰由造气烟囱喷出,严重污染附近环境。系统阻力大,几乎每天都要停炉疏通管道。生产能     

智慧校园大数据库安全防护的设计与研究

智慧校园建设必然带来数据的爆发式增长,数据库安全问题应作为一个重要的方面去考虑。文章首先针对大数据库的安全问题从系统体系架构的设计上进行优化;接着介绍了大数据库防护设计方案的特色,即从统一身份认证、数据中心运行环境、安全体系和人员工作体系等几方面对数据库的安全进行保障,这种设计方案必定会使到数据库的保障更为安全。     

基于随机失活的循环神经网络交通事件预测

智能交通是现代交通发展的前沿领域,交通事件预测是其中的一个研究热点.传统BP神经网络模型是交通事件分析中常用的模型分析方法之一,但易陷入局部极值,不适合处理长期且连续的交通事件数据.为解决上述问题,提出使用循环神经网络处理交通事件数据,利用循环神经网络模型的有限时间长度记忆优势,构建序列数据分类模型来训练数据,采用随机失活方法去除模型的过拟合问题,通过达拉斯地区的实际流量数据验证,将预测结果与传统BP神经网络模型方法作对比.实验对比结果表明,该综合算法在预测精度和损失值方面均有较明显提升,验证了方法的有效性.     

疫情下数据结构课程线上教学模式探索与实践

为了在新冠肺炎疫情的影响下充分保障正常的教学秩序,全力做到“停课不停教、停课不停学”,落实“教师真在教、学生真在学”,数据结构教学团队利用超星“一平三端”智慧教学系统和钉钉直播相结合的方式,在教学准备、教学实施、学习评价和教学改进等四个方面开展线上教学模式探索和实践,实现了将线上线下混合式教学转变为纯线上教学模式,体现了“以学生为中心”的教学理念,达到线上与线下同质同效。     

改进Mask R-CNN算法的带钢表面缺陷检测

在带钢的生产过程中可能会因为生产工艺的问题导致带钢表面出现缺陷,传统的带钢表面检测方法存在检测速度慢、检测精度低等问题。在计算机深度学习快速发展的今天,为实现带钢表面缺陷快速有效的检测,提出改进的掩码区域卷积神经网络（Mask R-CNN）算法,使用[k]-means II聚类算法改进区域建议网络（RPN）锚框生成方法;同时调整Mask R-CNN模型的网络结构,去掉掩码分支,提高了模型的缺陷检测速度。实验在NEU-DET数据集的5种缺陷检测中将原算法的均值平均精度（mAP）从0.810?2提升到0.960?2,检测速度达到5.9?frame/s。并且能够实现对缺陷目标的检测和实例分割,以便研究人员观测缺陷的大小和形状,从而改进工艺。相比于目前其他深度学习的缺陷检测算法,更能满足带钢的生产检测要求。