基于微信公众平台的实时教评系统设计与实现

本文以我校教学评价基本需求为导向,以已有教务系统为基础,设计、开发了基于微信公众平台的教评系统。该系统可按计划实时地向学生微信端发送教评任务,并统计反馈结果,得出教评结论,指导教学方法改良。经过前期试运行后发现,本系统用户体验良好、使用便捷、兼容性高、扩展性强,具有良好的应用前景。     

免疫算法在近红外光谱奇异样本识别中的应用

为了提高近红外光谱数据建模后的准确性,文中提出基于免疫算法的近红外光谱奇异样本的识别方法.通过免疫算法与遗传算法对同一近红外光谱数据集分别进行奇异样本识别并比较,删除奇异样本后,免疫算法较遗传算法分别将水分、脂肪、蛋白质的PLS模型的预测误差平方和分别降低了25.8%、32.1%、21.7%.实验表明,免疫算法适用于近红外光谱奇异样本的识别,提高了模型预测精准度和稳健性.     

多机器人协同的SLAM算法研究

针对传统的室内多机器人SLAM算法存在探索任务分配灵活低,重叠度高,导致地图融合和建图精度不高的问题。设计一个基于PSO算法的多机器人协同建图与路径规划系统。首先,采用SLAM系统中的Gmapping算法作为基础算法,加入PSO算法将地图融合问题转化为最优求解问题,即找到两个地图重叠度最高的转换矩阵,实现地图融合和多机器人协同建图。结果表明,相同室内环境下,单机器人的平均探索时间为216 s,探索覆盖率为73..38%;而双机器人的平均探索时间仅为47 s,比单机器人的探索时间低了169 s;且双机器人的探索覆盖率为99.69%,比单机器人高出了26.31%。由此说明,双机器人的探索效率和探索覆盖率更高。对比于现有的EKF-CSLAM算法和基于因子图地图融合算法,本算法的建图精度高达99.75%。地图融合和建图精度明显更佳,进一步说明提出的融合算法可提升多机器人室内环境协同建图的效率和鲁棒性。     

基于BP神经网络的人脸检测AbaBoost算法

人脸检测在日常生产和应用非常重要。本文提出了一种基于BP神经网络的AdaBoost人脸检测算法。首先,使用BP神经网络代替YCbCr高斯模型建立肤色模型。同时,针对AdaBoost算法提出了一种新的权值更新方法。在权值更新中引入阈值与样本之间的距离。另外权重有一个边界值。最后,利用BP神经网络提取图像中的肤色候选区域,并采用改进的AdaBoost算法对图像中的人脸进行精确检测。实验结果表明,利用BP神经网络和改进的AdaBoost算法的新的解决方案比现有的方法具有更高的精度。