大学计算机基础课教学现状及对策分析

以湖南某高校计算机基础课教学现状为背景,通过调查计算机基础课教师的专业背景、知识结构以及教学效果和个人发展前景等问题,指出当前大学计算机基础课教学由计算机专业教师担当的种种弊端,提出计算机基础课教学应与各学科专业紧密结合的思想,提出大学计算机基础课教学应由各专业教师来担任的解决方案,旨在为全面提高大学计算机基础课教学水平提供参考。     

谈智能科学多媒体辅助教学设计

在多媒体辅助教学中,教学设计直接影响教学效果。认知心理学的发展,尤其是R.E.Mayer提出的多媒体教学理论给我们提供了一个研究教学设计规则的依据。描述同多媒体教学相关的认知心理学的几个基本理论,在此基础上提出一些关于提高多媒体辅助教学效果的教学设计方法。     

研究生人工智能系列课程教学改革

从人工智能系列课程的实际特点出发,结合中南大学智能所教师授课方面的经验,总结并提出几点教学改革建议。这些教学经验在博士研究生教学改革中收到良好效果,对其他系列课程的研究性教学也有重要的指导作用。     

基于传动误差数据的齿轮误差检测方法与系统

齿轮传动误差影响齿轮传动精度和平稳性,传动误差与齿距和齿廓偏差等齿轮误差数据有直接关系.利用单面啮合测试和虚拟仪器原理,构建了传动误差检测系统,研究了传动误差与齿距与齿廓偏差数据的关系,找到一种将齿距与齿廓偏差计算出来的方法.经过试验分析,验证了本方法和系统的准确性.     

一种提取人脸特征3D信息的方法

针对头部姿态大角度偏转时,传统的2D人脸模型(主动表观模型,Active Appearance Model)定位人脸特征点的精度会急剧下降.引入与MPEG-4兼容的3D人脸形状模型Candide,并为其建立2D的形状模型和表观模型.模型拟合人脸图像的过程中,在保持3D形状模型与2D形状模型形变一致的基础之上,应用反向组合算法,提取人脸特征点的位置和头部姿态等3D信息.实验结果表明:在C环境下,算法的处理速度为250帧/秒以上,能达到实时处理;当头部姿态的偏转角度为0°-60°时,算法的标准误差值介于0.01-0.1之间.     

UWSNs中基于压缩感知的移动数据收集方案

由于水下无线传感器网络(UWSNs)工作环境的特殊性,降低节点能耗和保证数据收集的实时性是至关重要的问题.提出一种基于压缩感知(CS)的移动数据收集方案.以DEBUC协议和CS理论为基础,簇内节点依据设计的稀疏测量矩阵决定是否参与压缩采样,并将获得的测量值传输至簇头.通过AUV的移动来收集各个簇头上的数据到数据中心,该问题被建模为带有邻域的旅行商问题,并提出了近似算法进行求解.在数据中心处利用CS重构算法进行数据重构.仿真实验结果表明:相比于已有的水下移动数据收集算法,该方案在保证数据收集可靠性的同时,降低了数据收集延时,延长了网络寿命.     

树形传感网络中一种不等概率标记追踪策略

文章的主要创新是改进了日志与标记与策略中所有节点都采用相等的标记概的不足.提出了一种非等概率标记、日志与迁移(unequal probability marking logging and migration,UPLM)策略.在文章提出的策略中,每一个节点依据其距离基站的距离不同而采用不的标记概率,对于远基站区域的节点采用大的标记概率,而对于近基站区域的节点采用小的标记概率.远基站区域较大概率的标记被迁移到更远的剩余存储容量大的节点存放,从而增大的网络的标记量,也就是提高了安全.而对于近基站区域的节点采用较小的标记概率,以减少近基站区域节点存储容量与能量的不足,从而使得整个网络的安全,帮助与存储需求等性能得到了提高.通过大量的实验结果表明,对于一般的树形无线传感器网络,文章提出的UPLM策略存储的标记量是等概率策略的1.12倍到1.28倍,存储容量有效利用率是其它策略的1.15-1.26倍.     

车载移动测量系统前方交会中的误差分析

车载移动测量系统是由多个传感器集成的系统,定位精度受到很多因素的影响.首先简要介绍了车载摄影测量中内外方位元素的计算方法;其次,针对线性法前方交会求解中符号矩阵的直接求逆内存占用大的问题,提出利用杜利特尔分解(LU分解)的方法,推导出了前方交会的解算公式;最后,针对短基线小交会角的情况利用误差传播定律分析了各误差源对最终定位结果的影响,对于进一步研究车载移动测量系统具有一定的参考意义.     

机器人自然语言导航的层叠式条件随机场模型

提出了一种基于层叠条件随机场进行救灾机器人自然语言导航命令理解的方法。该方法由三层条件随机场(CRFs)构成:第一层用于导航词性标注,选取词、词性以及上下文作为特征模板生成导航词性标签;第二层用于导航过程提取,选择词、导航词性标签以及上下文构建特征模板生成导航过程标签;第三层用于起点终点识别,选取词、导航词性标签、导航过程标签以及上下文构建特征模板判断出地名词为起点还是终点。根据导航词性与导航要素的对应关系便可从命令中提取出导航信息。该方法能够处理完全不受限的自然语言导航命令,总体正确率达到78.6%,无需依赖特定的指令与地图,对完成救灾机器人导航的人机交互任务具有重要意义。     

一种基于颜色特征的感兴趣目标提取方法

针对现有的感兴趣区域(ROI)提取方法边缘不清晰、区域不完整等问题,提出一种ROI提取方法.首先采用颜色局部特征的信息量大小衡量兴趣度的大小,然后融合颜色特征信息量图获得图像的显著图(SM),再进行阈值分割,得到显著值大的区域,即ROI.实验结果表明,该方法能有效地提取出感兴趣的对象,SM中目标区域的显著值均匀、边缘清晰;与人工标记的ROI比较,该方法召回率为79.71％,精度为78.53％,优于已有的ROI提取方法.