基于最大决策邻域粗糙集的不确定性度量方法

邻域粗糙集模型是经典粗糙集模型的变型,对处理数值型数据具有较好的优势性.本文引入最大决策邻域粗糙集模型,该模型密切关注边界样本,通过增加与决策类有最大交集的邻域样本来扩大正域,并在该模型上定义了最大决策粗糙度的概念.为了能够反映正域、负域的同时变化,提出一种基于边界域的不确定性度量方法.为了能够更全面的度量,在最大决策邻域粗糙集模型中定义了最大决策邻域粒结构,并基于该粒结构提出了最大决策邻域粒度概念,该粒度是对信息系统的分类能力的度量.文章最后提出一种基于最大决策邻域粗糙集的混合不确定性度量方法,将两种度量方法进行结合.实验结果表明,所提出的度量方法在邻域信息系统中具有较好的分类效果.     

基于Opencv的人脸检测及识别课堂点名系统设计与实现

人脸识别已经成为当今社会应用最普遍的生物特征识别技术之一,在众多场景中得到应用,例如安防、门禁、监控、追踪等领域~([1])。人脸检测与识别技术应用于大学课堂学员点名中,将具有较高的应用价值。通过高清摄像头采集照片,借助Opencv的级联分析器对采集的图片中人脸进行检测,也可考虑通过摄像头动态抓拍识别。但opencv自带的级联分析器只能对正面人脸进行识别,对侧脸及后脑无法抓取检测,另外对背景要求较高,所以系统应该具备图像或对摄像头捕获的人脸进行训练和学习,以此提高检测和识别效率。     

混合教学模式下的计算机专业课程资源建设

针对计算机专业课程教学中军事案例和思政元素不足、线下课时少等问题,提出混合教学模式下计算机专业课程资源建设的思路和方法,以计算机网络课程为例,阐述利用建设的课程资源进行线上线下混合式教学设计的具体实施过程,最后给出混合教学质量评价的策略,以期为其他课程的建设提供参考。