积极心理学取向的体验式团体辅导在高职院校学生中的应用

积极心理学提倡积极的情绪和体验、积极的人格特征、积极的社会环境,在高职院校学生中心理健康教育正应该关注此方面,本文以积极心理学视角、取向探讨在高职院校学生群体中如何有效进行体验式团体辅导,找到更有效的心理健康教育方式.     

论大学生就业指导中的思想政治教育方法简

当前,大学生就业已经成为社会关注的热点,就业形势日趋严峻,毕业生的就业状况也直接影响着高校的生存状态。分析了大学生就业指导工作中思想政治教育的重要性,论述了就业思想政治教育的可操作性,提出大学生就业指导工作中思想政治教育的具体方法。     

基于模糊综合评价法的大陆游客台湾旅游体验研究

为考察台湾地区的旅游资源形象和旅游服务接待水平,通过对江苏省赴台游客进行问卷调查,获得了大量大陆游客赴台湾旅游旅游体验的第一手资料,并对其进行模糊综合评价分析,得出台湾旅游发展中自然景观特色较弱,娱乐项目安排不足等问题.并根据大陆游客对各因子满意度和关注度,将因子分类,提出了改善自然景观、娱乐项目的安排、旅游交通条件,增加大陆赴台旅游的自由行城市数量等策略.     

地方高校融入区域协同创新发展践行路径探索

地方高校融入区域协同创新发展体现其办学价值,是其“服务社会,引领社会”的时代新模式之一。从地方高校办学的内外在条件因素,分析指出了该类高校融入区域协同创新的优弱势,并从“培育协同创新体”、“夯实协同创新基础”、“增强科研导向性”三大方面,提出地方高校融入区域协同创新的践行路径之思考。     

高校始业教育中团体辅导模式探索

高校始业教育中团体辅导模式对大学生具有的激励和引导作用。应以促进人际关系发展、培养集体归属感、拓展个体视野、提升个体价值等为前提,通过班级辅导、职业规划、自我探索、时间管理等辅导模式,探索团体辅导模式在高校始业教育活动中的积极作用。     

基于深度学习的相对地质时间体估计方法

常规自动解释方法难以正确追踪三维地震数据体中被断层错断的地震反射层位。为此,提出了基于深度学习的相对地质时间体估计方法。首先,针对相对地质时间体估计需求,设计一个由编码器—解码器框架组成的相对地质时间体估计网络;其次,采用结构相似性准则为损失函数,利用生成的准确标注合成训练数据集对相对地质时间体估计网络进行训练,使其具备准确地从地震数据体中估计相对地质时间体的能力;最后,通过提取多个恒定的相对地质时间体等值面实现多个地震反射层位的自动追踪。测试结果表明,该方法不仅在验证数据集上显示出优异性能,而且在实际地震数据体上也获得了较好效果;利用估计的相对地质时间体能够一次性获得多个能够表征地层空间形态的地震反射层位。     

碲粉涂料防止铸件渗漏作用的探讨

介绍用碲涂料解决铸件渗漏的方法,对碲粉涂料防渗漏的作用形式、机理进行了探讨,并指出一些使用中的注意事项.     

基于视觉运动特性的视频时空显著性区域提取方法

为了更准确有效地提取人眼观察视频的显著性区域,提出一种基于视觉运动特性的视频时空显著性区域提取方法。该方法首先通过分析视频每帧的频域对数谱得到空域显著图,利用全局运动估计和块匹配得到时域显著图,再结合人眼观察视频时的视觉特性,根据对不同运动特性视频的主观感知,动态融合时空显著图。实验分析从主客观两个方面衡量。视觉观测和量化指标均表明, 与其他经典方法相比,所提方法提取的显著性区域能够更准确地反映人眼的视觉注视区域。     

基于最佳燃油经济性的换挡指导系统

针对驾驶员不良换挡习惯造成明显燃油浪费的现状,提出了一套基于最佳燃油经济性的换挡指导系统,其基本原理是通过汽车OBD-Ⅱ接口读取车辆状态参数,然后依据最优换挡理论,在恰当的时机提醒驾驶员换挡.对系统的设计与实现进行了详细说明,主要包括系统框架、缺失参数的识别算法、最佳换挡的判别算法.最后对系统进行有效性验证,结果表明应用该系统平均节油8.6%,并且能使油耗水平更加稳定.研究成果可在现实中进一步推广,对交通领域节能减排有重要的价值.     

自上而下注意图分割的细粒度图像分类

目的 针对细粒度图像分类中的背景干扰问题,提出一种利用自上而下注意图分割的分类模型。方法 首先,利用卷积神经网络对细粒度图像库进行初分类,得到基本网络模型。再对网络模型进行可视化分析,发现仅有部分图像区域对目标类别有贡献,利用学习好的基本网络计算图像像素对相关类别的空间支持度,生成自上而下注意图,检测图像中的关键区域。再用注意图初始化GraphCut算法,分割出关键的目标区域,从而提高图像的判别性。最后,对分割图像提取CNN特征实现细粒度分类。结果 该模型仅使用图像的类别标注信息,在公开的细粒度图像库Cars196和Aircrafts100上进行实验验证,最后得到的平均分类正确率分别为86.74%和84.70%。这一结果表明,在GoogLeNet模型基础上引入注意信息能够进一步提高细粒度图像分类的正确率。结论 基于自上而下注意图的语义分割策略,提高了细粒度图像的分类性能。由于不需要目标窗口和部位的标注信息,所以该模型具有通用性和鲁棒性,适用于显著性目标检测、前景分割和细粒度图像分类应用。