团队项目训练法在《国际贸易实务》教学中的应用

团队项目训练法是项目教学法的延伸和发展,也是设计教学法、体验教学法、情景模拟教学法等行动导向教学方式的综合运用。文章浅析了团队项目训练法在高职《国际贸易实务》课程教学中的应用,说明团队项目训练法对于调动学生积极性和主动性、培养学生思考能力和观察能力、提高教学效果等方面具有显著的成效,并总结了开展团队项目训练需要注意的问题。     

基于混淆矩阵和集成学习的分类方法研究

针对多分类问题,本文提出一种基于混淆矩阵和集成学习的分类方法。从模式间的相似性关系入手,基于混淆矩阵产生层次化分类器结构;以支持向量机(SVM)作为基本的两类分类器,对于分类精度不理想的SVM,通过AdaBoost算法对SVM分类器进行加权投票。以变电站环境监控中的目标识别为例(涉及到人、动物、普通火焰(红黄颜色火焰)、白色火焰、白炽灯),实现了变电站环境监控中的目标分类。实验表明,所提出的方法有效提高了分类精度。     

一种道路车辆监控视频中的关键帧提取方法

针对道路监控视频中特定车辆图像序列的关键帧提取问题,在运动对象检测的基础上,提出一种关键帧提取方法。将积分通道特征和面积特征作为图像特征描述子,结合Ada Boost训练分类器,实现道路监控视频车辆序列图像中关键帧的提取。通过运动对象前景检测技术获得出现在监控区域的运动车辆最小外接矩形图像序列,选择满足监控分析需求(车牌清晰度高,能判断车型)的若干帧作为正样本,其他不满足监控分析需求的作为负样本,提取样本图像的面积特征和积分通道特征,利用Ada Boost方法训练得到一个分类器,使用Ada Boost分类器对测试样本进行分类,根据打分规则提取关键帧。实验结果表明,该方法能提取运动车辆从进入到离开监控区域的序列图像帧中最清晰的图像,实现道路车辆监控视频分析数据的有效压缩。     

基于AdaBoost.MH的Reyes渲染架构时间预估算法

在大规模真实感渲染系统中,需要对渲染任务进行分解和调度,将其优化后分配给不同的可用计算资源,实现快速集群渲染。为了实现渲染任务的有效分解和调度,提高并行效率,高精度的时间预估算法是不可欠缺的。通过深入研究使用RenderMan规范的渲染器常用的Reyes渲染架构中对渲染时间产生影响的各种因素,分析提取出影响渲染时间的7大要素特征,提出了基于AdaBoost.MH的渲染时间预估算法。通过在基于Reyes渲染架构的渲染引擎中的实验与测试表明,训练集和测试集的准确率分别达到79%和78%,为渲染任务的并行调度奠定了基础,同时也为渲染费用预估提供了依据。     

“典型性训练法”与服装设计专业教学中课程整体设计的关系

文章以整体教学目标为核心,原创＂典型性训练法＂,以教学目标中某个具体问题或项目作为切入点,将各个不同的项目模块由浅入深、逐步分解,再回到服装设计整体教学中。解决的教学问题为：探索从教学过程中的教师、课程与学生三要素入手,推进服装设计教学改革与教学建设,精心设计整个专业、整门课程、精心设计每节课,以＂一体化＂课程（整体设计）与原创＂典型性训练（单元设计）＂互融共进的教学方法为手段,带动＂任务驱动型合作式（师生共同完成）、实践型项目化、研究型自主学习＂等教学方式改革,将创新型教学方式转变作为服装设计专业建设的重点,使学生具有＂系统的应用知识和持续的发展能力＂,以提高职业人才培养质量。     

基于稀疏表示的多特征融合害虫图像识别

为提高害虫图像识别的准确率,针对不同害虫具有不同的颜色、形状、纹理的特点,提出一种将颜色、形状、纹理特征与稀疏表示相融合的害虫识别方法.该方法利用已标注的训练样本构造不同特征下的训练样本矩阵,通过求解样本的最优稀疏系数以实现害虫图像识别.由于相同样本通过不同特征训练字典求解的稀疏系数不同,进而识别结果也不同.因此,文中进一步通过设计不同特征下的识别分类器实现多特征的融合.在实验室环境与农田环境下的实验结果表明,相较于其他方法,该方法的害虫识别率获得较大的提高.     

"团队项目训练法"在市场营销实践教学中的应用——以"与爱同行"营销策划综合训练为例

“团队项目训练法”是充分利用各种市场资源,按照市场营销工作实际,让学生自组团队、自寻商机、自设项目,理论联系实际分析营销环境．对真实对象进行市场营销方案设计、实施、评估,亲历市场营销的完整过程,以此进一步掌握理论,训练技能,提高能力。介绍了重庆科技学院对市场营销专业本科生运用“团队训练法”进行实践教学的做法及效果。     

基于AdaBoost算法的VOD代理数据分布策略

提出一种面向园区网VOD代理系统的节目分布策略,首先构建基于BP神经网络的弱分类器并采用AdaBoost算法将其提升为强分类器,然后基于该分类器对系统中的节目按流行度高低进行分类,再根据分类结果采用基于分组和点播率的方法对系统中的代理服务器进行文件分布.该策略充分利用用户点播行为中蕴含的信息,并具有执行结构简洁,易于实施的优点,仿真实验结果表明该策略能有效提高代理服务器的利用率.     

基于改进的AdaBoost和支持向量机的行人检测

针对AdaBoost算法在训练样本和特征较多时训练时间过长的问题,提出了一种改进的AdaBoot算法与支持向量机组合的分类器.对多重分类器的输出结果以非线性的方式组合,采用交替的方式轮流对不同的特征进行学习,将多重分类器处理完后的结果作为另一种输入样本,再以一个分类器做一次分类.实验表明该算法用于行人检测可行、性能稳定.