以应用能力培养为导向的Python程序设计在线教学实践

为落实教育部应对新型冠状病毒肺炎疫情防控下,开展大规模在线教学的新举措,针对Python程序设计课应用性强的特点,分析本校学生学情,提出基于SPOC及在线实践平台,以应用能力培养为导向的Python程序设计在线教学模式,阐述如何在知识传递基础上,通过横向纵向多维度的任务驱动方法,开展在线教学实践,对照实施的效果表明多维度任务驱动法,可以有效促进学生应用能力培养,并调动学生完成挑战式任务的积极性。     

基于分段式的SPOC在线课程教学设计与实践

为了确保在线教学和课堂教学"同质等效",提出基于分段式的SPOC在线课程教学模式,以编译原理课程为例,从认知学习阶段、交互式学习阶段和延展式学习阶段,介绍基于分段式的SPOC在线课程教学实践,从学生的课堂表现、期末测验、综合作业、MOOC平台的学生学习数据统计以及在线调查问卷的反馈情况,说明教学效果并提出改进建议.     

以"知识核心模块"翻转的在线教学新方法

针对目前在线教学存在的疑难问题难以讲解透彻、课堂沟通互动不易等挑战,基于课前、课中和课后3个阶段,面向理工科学生教与学过程的"痛点"和"痒点",提出以"知识核心模块"翻转的高效在线教学新方法,以C++程序设计课程为例,介绍教学实施过程并说明教学效果.     

变压器油色谱在线监测装置真空脱气系统研究

变压器油色谱需要根据实际在线检测装配的标准,结合现场监测装置操作,实施真空脱气系统的保护,明确实际相关监测真空配置系统的流程。根据现行的脱气系统的操作要求,结合当前的相关内部操作思路,分析确定变压器油色谱在线检测控制的标准,分析实施符合监测装配真空脱气系统的操作实施方案。本文将依据变压器油色谱进行总体结构测定分析,通过油气分离、色谱检测、数据采样控制等方式,从硬件、软件上综合分析变压器油色谱的实际在线监控效果。     

E-HIL实践教学的在线模式研究与应用

针对计算机硬件类课程在线实践环节开展途径匮乏、效果不佳的痛难点问题,紧贴大学线上实践授课需求,以嵌入式系统设计课程为例,基于线上线下融合推进思想,提出E-HIL(Enhanced hardware in the loop)实践教学的在线模式,阐述该模式具体实现过程及应用情况,最后从学生实验质量、实践反馈等方面对该教学模式的落地应用效果进行分析.     

一种融合极限学习机和改进烟花算法的混合式目标跟踪技术

针对背景杂波干扰、目标外观形变导致的跟踪精度差的问题,论文提出了一种基于融合极限学习机和改进烟花算法的混合式目标跟踪技术(OSELM-FWA).该技术在提取图片特征信息时,为了剔除冗余信息、保留边缘轮廓处的颜色信息,提出梯度稀疏矩阵作为特征信息提取工具来提取图片的颜色特征信息;同时为了提高运动模型的预测精度,提出了一种改进烟花算法来生成候选目标样本,该算法不同于传统烟花算法采用固定不变的常量作为爆炸半径参数,而是在其基础上加入目标的运动速率量来调整烟花半径参量,而且为了控制烟花的多样性,该算法还根据烟花置信度方差的变化情况动态调整烟花的变异概率,将烟花的多样性维持在最优范围内;另外为了及时地更新目标外观模型,利用目标的置信度变化率来调整更新样本数目,随后运用在线极限学习机增量的学习相应数量的目标信息.最后,论文将该跟踪技术在标准数据集OTB上进行对比实验,通过实验得到该跟踪技术在处理复杂环境下的目标跟踪问题时,不仅兼顾跟踪的实时性而且拥有较高跟踪精度.     

一种提取抖动视频中前景目标的新方法

提取视频中的前景目标信息是视频处理领域非常重要的问题,考虑到现实生活中会出现监控摄像头不可避免地会出现晃动或偏移情况,造成监控视频短暂抖动,此时背景图像灰度和纹理信息都会受到较大的影响,从而给后期进一步分析前景信息带来了巨大的困难。为了兼顾纹理特征提取和噪声抑制两方面的要求,针对抖动视频的前景提取问题,提出了一种有效的融合小波变换和在线混合高斯模型的方案。首先运用仿射变换在线逐帧校准,接着利用小波变换对图像去噪,并建立自适应模型迭代上述过程,最后利用在线混合高斯模型提取前景。实验结果表明,与同类方法相比,该算法无论针对单目标还是多目标视频均可以有效去除抖动,得到较好的前景目标提取效果,具有较高的准确性和鲁棒性。     

基于宽度学习的结构沉降预测

结构监测是确保工程结构建设在施工和运营阶段安全的关键因素,因此采用合理有效的预测模型对结构沉降监测数据进行科学准确的预测成为了当前结构沉降预测研究的重点。针对传统预测方法与深度学习方法用于结构沉降预测存在的预测精度不够高、模型结构复杂、训练耗时等问题,提出了一种基于宽度学习的结构沉降时间序列预测模型。通过实测地铁地下隧道沉降监测数据对宽度学习、人工神经网络、支持向量回归和深度置信网络-支持向量回归预测模型的预测结果进行对比分析。实验结果表明:宽度学习系统(broad learning system,BLS)应用于结构沉降预测具有良好的效果,其训练速度更快,预测精度更高。验证了所提出的宽度学习算法应用于结构沉降预测的可实施性和有效性。