基于教学团队“七步法”项目课程的建设——江苏省精品课程“数据库系统设计与项目应用”实践

提出按照"七步法"项目课程建设流程,通过课程教学团队的分工协作,引入实际工程项目,根据项目与任务的实际工作过程来重构课程知识体系,构建丰富多样的教学资源,并运用"项目引导、任务驱动"教学方法,创设任务情景,激发学生学习兴趣,提高学习效率。     

遮挡人脸表情图像预处理研究进展

对遮挡表情图像的传统预处理、基于重要区域的预处理、基于图像重构和基于深度学习的预处理方法进行总结,阐述了各类方法的基本原理,介绍了常用的表情数据集及其特点,讨论了现阶段存在的问题和未来的研究方向.     

基于细胞自动机和QPSO的间接编码神经网络结构设计算法

设计间接编码方案表达网络结构,利用二维细胞自动机中的元细胞表示网络连接存在与否,对元细胞的坐标和值分别演化,实现对网络结构的生长和剪枝.应用二进制量子化粒子群算法,采用特定的适应度函数,生成和进化元细胞的坐标.设计元细胞的邻域演化规则,演化元细胞的值.利用浮点量子化粒子群算法训练当前网络,逐步得到最终稳定网络结构及其参数.实验结果表明,当应用于不同规模的网络结构设计时,算法复杂度变化不大,并且具备稳定的收敛性能.     

零售业CRM系统中的数据挖掘探讨

阐述了零售业CRM系统的特点及技术要求,在此基础上对零售业CRM系统的数据挖掘思路进行了探讨。     

基于中心型TSK模糊模型的分层模糊系统

模糊系统随着输入维数的增加,其中模糊规则和辨识参数的数量将按指数级增长,针对这一问题,采用分层模糊系统是一种很好的解决方法,但分层模糊系统中各层的辨识变量没有明确的物理含义,无法进行合理的模糊化设计和解释。基于一种分层模糊系统,引用中心性TSK模糊系统思想,从而构造了一种新型的模糊系统。这种新型模糊系统保留了分层模糊系统的结构优势,极大地减少了模糊系统的模糊规则数量和辨识参数数量,又能对用到的内部参数进行很好的解释。并通过实例仿真表明基于中心型TSK模糊模型的分层模糊系统具有较好的逼近性能和更简单的结构。     

基于临近像素空间距离的模糊C均值聚类算法

针对传统图像分割算法对不同类型噪声敏感性缺陷的问题,基于临近像素空间距离的模糊C均值聚类算法即SFCM (fuzzy C means clustering algorithm based on the space distance of the nearest pixels)算法,采用核化的空间距离公式,将点到点之间的距离转化为点到空间的距离,很好的平衡了考察像素点临近像素点的灰度信息与位置信息间的关系,进一步克服了临近像素的位置差异对考察像素影响不同的缺点.通过在合成图像和自然图像上的大量实验并与几个传统算法进行对比,不仅表现出了很强的抗干扰能力,提高了聚类精度,并且很好的保留了原图像边缘等细节信息,体现出了较强的鲁棒性.     

基于数据分布一致性最小最大概率机

针对既包含有标记样本又包含未标记样本的分类数据,提出数据分布一致性原理,并将其融入到最小最大概率机中。把有标记样本和无标记样本映射到决策超平面所在空间（简称超空间）,通过最小化有标记样本和无标记样本在超空间的概率分布差异,充分利用无标签样本来修正最小最大概率机的误差,使得修正后的决策超平面更接近于真正的分类超平面。实验证明,数据分布一致性最小最大概率机（DCMPM）比最小最大概率机（MPM）具有更好的分类性能。     

基于C／S架构的厂站自动化系统优化设计

针对C／S架构存在冗余切换困难、同步数据量大、网路负载严重、需要休克更新等问题,分析基于C／S架构的厂站自动化系统工作模式和特点,提出C／S架构厂站自动化系统的优化设计方案。     

基于神经-模糊控制系统的移动机器人动态路径规划

针对机器人在未知、复杂环境下从源到目标之间,避开各种类型的障碍的问题,设计了系统的神经-模糊控制算法进行动态路径规划：设计了合理的模糊推理体系,实现输入模糊化、模糊推理规则库、输出去模糊化控制;根据规则库设计神经网络结构,简化网络结构和参数;采用QPSO算法训练网络;状态变量的存储和管理策略,解决了“U”型障碍物内的死循环路径问题。实验结果表明,在以上算法的控制下,机器人能够朝着目标,规划产生合理的路径,不会陷入死循环。     

基于空间距离的快速模糊C均值聚类算法

针对传统的模糊C均值聚类算法在进行图像分割时对孤立点、噪声点敏感性较强,聚类耗时随图像变大而快速增长等缺陷,基于临近元素空间距离的模糊C均值聚类算法即SFGFCM算法,采用核化的空间距离公式,计算出空间临近像素与考察像素的相似度Sij,然后用邻近像素灰度加权和计算出邻近信息制约图像,并进一步在邻近信息制约图像的灰度级统计的基础上进行聚类。该算法考察了临近像素灰度和位置等信息,并且它们之间取得了很好的平衡;不仅表现出较强的鲁棒性且很好地保留了原图像边缘等细节信息,提高了聚类精度,同时大大缩短了大幅图像的聚类时间。通过在合成图像、医学图像及自然图像上的大量实验,与传统算法对比该算法聚类性能明显提高,在图像分割上体现出了较好的分割效果。