基于卷积神经网络的低照度图像增强方法

为提升低照度图像的饱和度,增强图像的视觉效果,对基于卷积神经网络的低照度图像增强方法设计与分析。进行低照度图像预处理,设定Reyinex卷积分辨目标,通过FRED-Net结构识别图像特征,进行BP神经元图像增强节点的布设,以此为基础,设计HSI双向卷积神经网络图像增强模型,建立注意力机制,采用合成处理实现低照度图像增强。最终的测试结果表明:与传统单质成像图像增强测试组、传统层级描述图像增强测试组相对比,文章所设计的卷积神经图像增强测试组最终得出的饱和度可以达到92%,表明该方法对于图像的增强效果更佳,具有实际的应用价值。     

遗传算法在多类型的车辆人员排班系统中的应用与研究

公交车辆人员排班的主要问题就是在给定时间点和车次数的情况下,以最小代价覆盖所有的车次。与以往都是针对单类型车辆的人员排班不同,该文主要提供对多类型的车辆人员排班的支持。首先利用高效的Auction算法获取代价最小的车次分组并根据分组情况分配车辆的营运类型;然后使用遗传算法进行随机化搜索以获得最优解。实验表明,遗传算法应用于多类型的公交车辆人员排班具有很好的效果。     

基于Virtools的虚拟装配实验室的设计——以计算机组装为例

虚拟装配是虚拟制作的关键技术之一,基于虚拟装配的虚拟实验室既可以满足一般学习、训练的需要,又可以节约实验经费。该文结合凯里学院《计算机检修》课程,利用Virtools软件设计了虚拟计算机装配实验室,供学生模拟训练。     

基于Java平台的远程线上教学系统设计

为提高系统帧速率,控制教学中资源传输的网络延迟,设计基于Java平台的远程线上教学系统。首先,安装Java组件,将Java组件与系统中的MATLAB程序进行接口适配,设计远程线上教学系统交互式界面;其次,根据远程线上教学需求,在资源交互通道中布置远程线上教学交互协议;最后,根据不同教学任务的重要程度,设计排序目标函数,进行教学任务排序管理。实验结果表明,使用设计的系统可以提高系统运行帧速率,有效降低教学资源传输与共享的网络延迟。     

基于项目驱动的《Java程序设计》课程教学设计研究

根据现有的教学特点,在《Java程序设计》课程中引入基于项目驱动的课程教学改革,以LSN在线教学平台作为支撑,打破原有的"课堂讲授为主,实验辅助为辅"教学模式,以项目形式组织教学内容,从而解决理论和实际脱离的问题.训练学生的编程能力、分析能力、解决问题的能力和团队、协作、创新、探索的精神.     

基于概率神经网络的人脸图像精准识别系统设计

针对当前识别系统在识别多角度人脸图像时存在正确识别率低的问题,引入概率神经网络,设计基于概率神经网络的人脸图像精准识别系统。首先,从路由器选型、摄像头装置选型两个方面进行系统硬件设计;其次,从建立识别模型、人脸图像特征提取、多角度人脸识别3个方面进行系统软件设计;最后,进行对比实验。实验结果表明,与对照组相比,该系统的识别率更高,识别精度符合预期要求。     

一种周期性无线传感器网络的跨层优化模型

基于跨层优化协议,提出了一种跨层优化模型。首先基于跨层优化协议的能量效率树与调度器,根据不同目标建立了三个目标成本函数;然后,为能量效率树与调度器设计了一系列合理的限制条件,并设计了网络数据传输延迟的上、下界来提高最优解的求解速度;最终,利用求解软件获得网络生命期的最优解,同时降低了网络数据传输的延迟。仿真试验结果证明,与原跨层优化协议相比,本算法提高了网络生命期、吞吐量,并降低了传感网络中数据传输的延迟。     

基于ANSYS/LS-DYNA的蜗轮蜗杆动态接触分析

针对蜗轮蜗杆疲劳破坏中,出现几率最高的齿面接触疲劳强度问题,利用ANSYS/LS-DYNA对齿轮进行动力学接触仿真分析,计算蜗轮副在啮合过程中齿面接触应力、应变的变化情况及接触过程中压力的分布情况。     

遗传算法在多类型的车辆人员排班系统中的应用与研究

公交车辆人员排班的主要问题就是在给定时间点和车次数的情况下,以最小代价覆盖所有的车次。与以往都是针对单类型车辆的人员排班不同,该文主要提供对多类型的车辆人员排班的支持。首先利用高效的Auction算法获取代价最小的车次分组并根据分组情况分配车辆的营运类型;然后使用遗传算法进行随机化搜索以获得最优解。实验表明,遗传算法应用于多类型的公交车辆人员排班具有很好的效果。     

工作站机房绿色运维探讨

近年来,机房管理者更加重视绿色IT的实施,希望在严峻的经济形势下通过实施绿色IT节约成本、提高效率、同时保护人类生存环境。中国的机房每年电费过千万元的已经不在少数,数据中心的功耗成本大得惊人,在其生命周期中的花费已经超过了机房的硬件购置成本。如何科学合理地建设机房,如何利用各种设备搭建绿色节能的基础架构、高效、节能的机房,成为用户关心的重要话题。