如何对校园网络的性能进行监视与维护

本文主要分析如何定期收集各种信息,分析网络中各种资源的使用率,及时发现影响网络性能的"瓶颈",并做出相应的优化或者增加网络设备从而提高网络性能.     

HNLOWA集成算法应用于推荐系统评估

针对复杂决策环境下的决策者倾向于使用定性评价数据和现实环境中数据信息通常存在正态分布规律的问题,构建了基于犹豫正态语言有序加权平均（hesitant normal linguistic ordered weighted average,HNLOWA）算子的决策模型。将正态模糊数和犹豫模糊语言元相结合,引入了犹豫正态语言元（hesitant normal linguistic element,HNLE）的概念,其不仅能够运用语言变量来描述决策信息,还能传递出语言决策信息的分布情况;定义了HNLE之间的基本运算法则和大小判别准则,并设计HNLOWA算子用于对HNLE进行信息融合,同时探究了HNLOWA算子的相关性质;构建了基于HNLOWA集成算子的多属性决策方法,并运用推荐系统选择评估案例进行了模型的验证分析。     

建筑工程造价计价与估算方法探讨

建设工程造价的合理确定和有效控制是工程建设管理的重要组成部分,它对工程的顺利实施起着至关重要的作用,对投资效益的实现起着关键的作用。本文运用建立数学模型思路总结出若干快速估算技术和方法,并对其进行了简单的评价,这对企业实践快速估算具有一定的价值。     

基于机器学习的视频识别与自适应推送算法

针对短视频推荐的广告与视频内容无关,而导致的投放收益低和用户体验差的问题,提出了一种基于机器学习的图片检测与内容推荐算法.使用基于相似度计算的关键帧提取算法从短视频中提取出关键帧,使用Faster R-CNN物体检测框架实时检测关键帧中包含的物品,并使用基于用户偏好的广告推荐算法实时更新用户的偏好权重.算法实现与仿真测试结果表明,所提出的方法可以满足实时用户推荐系统的需求,并能够根据用户的偏好情况进行广告推荐,实现84.19%的推荐准确率.     

一种结合贪心选择和特征加权的高维数据聚类算法

为解决传统聚类算法无法对高维数据聚类的问题,文中提出了一种结合贪心选择和特征加权的TC-Mean shift高维数据聚类算法。通过对一维数据进行聚类,获得一维数据的聚类结果,再通过加权添加维度聚类,最终获得所有维度数据的聚类,实现对高维数据的聚类。测试结果表明,该算法能够准确地对稀疏的高维数据样本进行聚类,能够处理各种维度的数据,具有良好的实际应用价值。     

深度迁移学习的相干斑噪声图像标注算法研究

由于相干斑噪声会导致图像特征提取困难,普通的图像处理算法无法对相干斑噪声图像进行有效分类标注。针对其图像特征设计了具有正则与拟合项的求解模型,并提出了深度迁移学习标注算法。在正则项中引入滤波算法和惩罚策略,用于过滤相干斑噪声;拟合项控制估计结果向真实结果的逼近。为满足深度学习网络处理的凸特性要求,对模型采取非凸优化。在深度学习过程中,将图像标注整体分为两个子任务,通过参数迁移进行并行处理。在各个子任务的最末层,分别设计相应的损失函数,对各个特征标签采取计分评价,改善网络学习的搜索能力和收敛性。通过和数据库的仿真,验证了深度迁移学习标注算法能够有效过滤图像中的相干斑噪声,获得更好的图像标注准确性和稳定性。     

半纤维素基多孔水凝胶载钯高效催化铃木反应

通过简单的化学改性在较温和的条件下制备了丙烯酰胺接枝半纤维素(AM-g-XH),并以其为原料制备了多孔水凝胶,然后通过浸渍、还原制备了丙烯酰胺改性半纤维素-异丙基酰胺互穿网络水凝胶载钯(AM-g-XH-NIPAM-Pd(0))催化剂。改性半纤维素中含量丰富的N和O元素以及水凝胶中的多级孔洞结构,有利于贵金属纳米颗粒的配位及分散。通过FT-IR、SEM、XRD、XPS和ICP-MS对催化剂(AM-g-XH-NIPAM-Pd(0))的物理结构以及化学组成进行了表征,并探究了其对Suzuki反应的催化性能。结果显示以K_2CO_3作为反应用碱、乙醇做为溶剂,在70℃的条件下反应3h,反应产率高达100%。并对底物的普适性进行了探究。另外,对催化剂的循环使用性测试表明此催化剂在重复使用8次后,其结构没有发生明显的变化,催化效率仍然可达97.83%。     

浅谈Photoshop的创新教学

针对职业院校的学生在PhotoSho学习中出现的学生创新能力缺乏的问题，从实际的课堂教学过程中，对如何培养学生自我探索的创新能力提出了自己的一些观点。