基于创造性学习的JSP程序设计课程教改探讨

针对目前Web应用开发类课程教学过程中存在教师"灌输"教学,学生"被动接受"的情况,提出教师以"引导为模式"的导向性教学,学生以"兴趣为基础、创造为目的"的主动式学习来提高教学质量。该文以JSP程序设计课程为例,提出上述思想的教改方案,最后通过教学验证,充分说明了本方案的有效性。     

计算机软件技术中不可靠性的分析与判断

随着当代社会的不断发展,网络建设问题逐渐引起了人们关注,但就当前的现状来看,基于信息时代背景下软件技术的更新,安全性问题、系统性问题逐渐凸显出来,因而在此基础上,为了打造良好的计算机运行空间,要求相关技术人员在对计算机平台进行操控过程中应注重针对不可靠性展开分析和判断,从而综合确定结果,制定不可靠性解决措施,满足计算机网络应用需求。文章从计算机软件技术特征分析入手,旨在推动计算机技术的快速发展。     

基于就业质量的计算机专业人才培养评价模式

针对我国普通高等学校计算机(本科)专业毕业生就业难和就业质量不高,而IT企业却招不到能直接适应岗位需求的计算机专业人才的"两难"问题,指出普通高校计算机专业人才培养与市场脱节的主要原因是长期的人才培养评价模式不适应高等教育的发展,分析以往我国计算机专业普通本科教育评价模式并列举国内外新型评价体系,提出建立一个较全面的计算机专业人才培养评价模型。     

马尔科夫协同过滤模型在用户动态行为分析中的应用

文章利用马尔科夫模型和协同过滤的思想,解决了对"中国科技论文在线"用户进行实时上下文信息的动态推荐问题。先按时间排序对每一个用户的访问URL抽取,提取出状态转移矩阵,再根据协同过滤中的邻居相似度思想用余弦因子法找出最近邻的N个邻居;当给出某用户的当前访问URL时,推荐给他自身和N个最近邻居可能访问的下一个URL的集合。     

高等院校教学管理中计算机科技的应用实践

高校教学管理是高校相关教学活动正常进行的重要基础,随着高校教学改革的不断深入,为了获得更好地发展,提高高校教学管理效率成为高校管理工作的重点。计算机科学与技术的应用能够优化高校教学管理措施,提高教学管理效果,为高校的正常教学秩序提供有力的支持。基于此,文章对高校教学管理工作中的计算机科学与技术应用实践进行了分析,以期为高校教学管理工作提供一定的参考。     

试论分层技术在计算机软件开发的应用

随着我国科学技术水平的不断提升,分层技术得以快速发展,并广泛应用于计算机的软件开发中。目前,计算机互联网技术逐渐在社会众多领域中有应用,而软件开发能够为计算机提供充足动力,是计算机技术水平提升的保障。将分层技术运用于计算机软件开发中,可以提高人们工作效率和满足人类社会生活的需求。文章主要介绍分层技术的内涵及特点,并对二层、三层、四层、五层、中间件技术的实际应用进行阐述。     

基于多模态组合模型的语音情感识别

语音情感识别在人机交互、人工智能(AI)、自然语言处理(NLP)、5G技术等方面扮演着重要的角色。为了克服单模态模型语音情感识别率低和手工调参的缺点,本文首先在Gaurav Sahu的基础模型上增加KNN、CNB和Adaboost单模态模型,提出多模态组合模型C3;然后应用排列组合方法通过计算机实现自动组合,克服GauravSahu手工组合存在的不足;最后用超参数优化方法和交叉验证方法对网络模型进行训练和测试,解决手工调参存在的不足。在IEMOCAP数据集上对本文提出的C3进行实验,实验结果表明,C3比Gaurav Sahu提出的多模态组合模型E2的语音情感识别性能提升1.56%。     

基于云计算的海量大数据智能清洗系统设计

大数据资源是企业拥有的最重要的战略资源之一,也是管理层制定远景规划,提高市场竞争力的主要方式和途径,但大数据中会存在错误、冗余和不完整的数据,降低了大数据的总体质量。为此设计一种基于云计算的海量大数据智能清洗系统,改善现有大数据清洗系统在脏数据处理性能上的不足。分析了基于云计算的大数据智能清洗系统的总体框架和硬件构成,数据清洗系统的硬件部分由数据预处理模块、数据云聚类模块、数据识别模块和实体划分模块等部分组成;给出了智能大数据清洗系统的总体软件工作流程,并重点分析大数据空间聚类、相似度计算等关键的数据处理技术。验证结果表明,提出的基于云计算的海量大数据智能清洗系统设计的总体功能性较为完善,在系统性能测试方面也能够保持95%以上的数据查准率和召回率。     

改进的SSD行人检测算法

针对行人检测中检测速度慢,不能实现实时性检测的问题,提出一种改进的SSD(Single Shot MultiBox Detector)行人检测算法。改进网络通过调整基础网络中卷积层的数量,去除冗余的卷积层,降低模型复杂度,提高检测速度;不同尺度特征图进行预测之前加入残差块,进一步提取特征,提高准确率。提取PASCAL VOC数据集中的行人图像和INRIA数据集形成混合数据集进行训练,增加模型泛化性,实验证明本方法拥有较高的精度和较快的速度,具有良好的泛化性,满足实时性要求。     

改进樽海鞘群优化K-means算法的图像分割

目的 针对樽海鞘群算法寻优精度低、易陷入到局部最优,以及K-means算法进行图像分割容易被初始聚类中心干扰等缺点,提出改进樽海鞘群优化K-means算法的图像分割。方法 首先利用Circle映射来对樽海鞘种群进行初始化;其次引入莱维飞行到领导者和追随者位置更新公式中,使得樽海鞘种群的多样性得到提高,克服算法陷入到局部最优。最后,对改进樽海鞘群算法先采用8个基准函数进行性能测试;再将改进樽海鞘群算法优化K-means进行图像分割。结果 改进算法在寻优精度、稳定性、收敛速度以及跳出局部最优的本领得到了提高。同时,改进樽海鞘群优化K-means算法进行图像分割,有效地提高了图像分割质量。结论 改进算法改善了原始樽海鞘群算法的寻优精度低、易陷入到局部最优的缺点,很好地优化了K-means算法对图像进行准确分割,在图像分割领域具有一定的参考意义。