基于课程的课后交流学习系统的设计与实现

本系统主要解决大学生课上学习不透彻,课后自学时可以在网站上询问老师及同学,学生可以通过系统上传下载资源和提出回答问题.该系统主要采用JSP与MySQL开发工具.本文对课后管理学习系统的背景、相关技术、主要的功能模块、数据库及界面设计等几个方面进行了详细的论述分析.     

基于自适应子空间分解的自适应超谱图像波段选择方法

针对超谱图像数据波段选择问题,最大限度地保留图像数据中的分类诊断特征,提高分类识别的精度,本文提出了一种基于自适应子空间分解的自适应波段选择的新方法.通过仿真实验,证明了这种方法对超谱图像数据分类的有效性.     

金河煤矿沿空留巷技术的研究与实践

通过把金河煤矿16105工作面回风上山作为16107工作面回风上山,将16105工作面回撤通道利用沿空留巷技术作为16107工作面回风巷的思路,对矿井的工作面迁移行巷道的支护技术参数的定量定性研究,进一步找出适合该矿的工作面在类似条件下沿空留巷支护方式和支护参数。为以后的类似条件下工作面的迁移提供可靠的数据依据,对矿井安全高效生产有较大的现场应用价值。     

概率神经网络在超谱图像分类中的应用

针对超谱图像高维光谱信息给传统分类带来的困难,结合径向基神经网络的原理,提出了一种概率神经网络分类方法。并将其成功应用到具体超谱图像数据中,验证了概率神经网络分类器的有效性。通过实验仿真,研究了特征向量维数对分类结果的影响,证明概率神经网络可应用于大于100个波段的超谱图像数据。     

基于Django的运维自动化系统设计

本文的运维自动化系统后台采用Django框架,前端使用ExtJS框架,通过Ajax进行通讯,后台任务引擎的核心采用Salt技术.系统通过脚本与Web结合的方式,把运维日常需要登录机器、不透明的操作,转换成为标准化、可视化的流程,帮助运维迅速完成繁琐、价值低的工作.     

基于改进CycleGAN的水下图像颜色校正与增强

针对水下观测图像的颜色失真和散射模糊问题, 提出一种基于改进循环一致性生成对抗网络(Cycle-consistent generative adversarial networks, CycleGAN)的水下图像颜色校正与增强算法. 为了利用CycleGAN学习水下降质图像到空气中图像的映射关系, 对传统CycleGAN的损失函数进行了改进, 提出了基于图像强边缘结构相似度(Strong edge and structure similarity, SESS)损失函数的SESS-CycleGAN, SESS-CycleGAN可以在保留原水下图像的边缘结构信息的前提下实现水下降质图像的颜色校正和对比度增强. 为了确保增强后图像和真实脱水图像颜色的一致性, 建立了SESS-CycleGAN和正向生成网络G相结合的网络结构; 并提出了两阶段学习策略, 即先利用非成对训练集以弱监督方式进行SESS-CycleGAN学习, 然后再利用少量成对训练集以强监督方式进行正向生成网络G的监督式学习. 实验结果表明: 本文算法在校正水下图像颜色失真的同时还增强了图像对比度, 且较好地实现了增强后图像和真实脱水图像视觉颜色的一致性.