基于人脸检测的课堂关注度分析系统

针对各高校课堂教学质量评价带有主观、片面和滞后的问题,提出一种基于"交并均"的多种人脸检测融合算法的课堂关注度分析系统。首先对获取的视频帧图像进行图像均衡和滤波等处理。然后,将处理后的图像分别通过三种不同的人脸检测算法进行检测,获得三个不同的坐标集合;同时,对坐标集合中的数据进行比对分析获得理想最大坐标集合、理想最小坐标集合和理想均衡坐标集合;最后,使用集合中的坐标信息计算出学生抬头率,通过阈值分级量化出学生的课堂专注度,从而实现对课堂教学质量的客观评价。实验结果表明,该系统能够对各种课堂的教学质量做出客观评价,为评估和改善学生听课效率和课堂教学质量提供科学依据。     

基于人工神经网络的DGA僵尸网络检测

基于DNS协议的僵尸网络大多采用域名生成算法(domain generation algorithm,DGA),该算法可以随机改变域名来隐藏自身。与传统检测方法相比,基于机器学习的检测可以获得更好的检测结果。因此,提出了一种基于人工神经网络的僵尸网络检测体系结构,可以帮助在线安全卫士监控网络流量,区分DGA域和普通域,通过测试朴素贝叶斯模型和用DGA的正常特征或DGA的N-gram特征训练的人工神经网络(artificial neural network,ANN)模型并用真实的数据集实现并评估该解决方案的实用性。结果表明,采用人工神经网络的新模型能够更好地区分DGA的域,能够正确地处理更多的域。     

基于相控阵自适应零陷的大规模NGSO星座间干扰规避策略研究

针对大规模非静止轨道（Non-Geo Stationary Orbit,NGSO）通信星座系统间同频干扰的实时性和突发性问题,将自适应波束成形技术的变步长LMS(Least Mean Square,最小均方误差)算法应用于NGSO间干扰场景。分析自适应波束成形技术的适用场景,选取OneWeb星座系统与Starlink星座系统的馈线链路间下行干扰场景进行仿真。通过对现有算法进行系统收敛速度、稳健性的性能比较,当NLMS(Normalization Least Mean Square,归一化最小均方误差)算法的参数μ0=0.6时,算法具有较快的收敛速度以及较小的稳态误差,因此运算量小、易于星上硬件实现。分别利用固定步长LMS算法、ENLMS(Error Normalization Least Mean Square,误差归一化最小均方误差)算法以及μ0=0.6的NLMS算法计算最优权向量,并应用于干扰仿真场景。结果表明,μ0=0.6的NLMS算法最能有效规避NGSO通信星座系统间的同频干扰,ENLMS算法次之,固定LMS算法的干扰规避效果最差。     

基于Matlab/GUI的数字图像边缘检测算法研究

为了对图像信息进行有效提取,利用数字图像边缘检测技术可以对图像进行信息的分离,这是一种基础的图像分割技术。目前研究的经典边缘检测算子有Roberts算子、Prewitt算子、Sobel算子、Laplace算子、Log算子、Canny算子等。文章通过开发的基于Matlab/GUI的系统实现这些算法,并通过大量的实验得到关于边缘检测算子对特定阈值和标准差的实验结论,在横向和纵向上对实验结果进行对比分析,并在此基础上对一些改进算子进行了实验研究。     

线上线下课程混合式教学改革研究——以“大学计算机基础”课程为例

信息技术的发展促使人们更加关注计算机教学。计算机已经成为当前人才培养过程中一种最基础的必备技能。文章针对当前“大学计算机基础”课的教学实践,在课程规划上,有针对性地推动线上线下混合式教学模式的落地,能够更好地提升“大学计算机基础”课程教学效果。     

基于RGBD数据与深度权重的压缩光场显示

使用多层空间光调制器的压缩光场(compressive light field,CLF) 显示技术具有空间带宽利用率高、图像分辨率好等优势,是一种很有前景的光场显示技术。传统的方法将光场分解视为超定问题并使用优化算法求解。随着重建光场的分辨率、深度、视角等性能参数的提升,优化算法的计算效率低、内存消耗大的缺陷被放大,难以实现快速计算。为此,本文提出了一种新型CLF分解算法,该算法将原始光场分解为物点进行存储,仅占用少量内存;利用深度权重和加权平均代替了优化算法,大幅提高了运算效率。在同等条件下,所提出的算法占用内存仅是传统方法的38.8%,计算时间缩短了93.7%,图像质量提高约1 dB。最后通过仿真和实验两种方式对比了该方法和传统方法的显示效果,验证了算法的有效性。     

基于自适应阈值分割改进Canny算子的管道边缘检测方法研究

针对工厂中管道破损位置无法通过机器视觉准确判断的问题,提出一种基于自适应阈值分割改进Canny算子的管道边缘检测方法。该方法从滤波方式、梯度方向以及阈值分割角度对采集图像进行处理,首先采用采样-自适应中值滤波+双边滤波代替传统Canny算子中的高斯滤波,减少图像边缘信息丢失并去除图像中的噪声,然后增加梯度幅值的计算来更好地检测不同方向的边缘信息,最后为避免人工选取阈值效果不佳的情况,采用最大类间方差 (OTSU)阈值分割算 法进行阈值的自适应选取。实验表明,该方法相比于传统Canny算子的图像信噪比提升28.22%,边缘点数提升39.97%,四连通道数提升11.52%,八连通道数提升5.92%,提取特征完整且连续性较好,实现了对管道图像中破损情况的有效检测。     

改进的MEA-WNN图像复原方法

模糊图像复原是计算机视觉和图像处理领域的重要任务。针对思维进化算法(mind evolutionary algorithm,MEA)和小波神经网络(wavelet neural network,WNN)相结合的图像复原模型中,MEA的得分函数相对差别小、选优功能较弱等问题,提出了一种改进的MEA-WNN图像复原方法。该方法采用逻辑回归函数进行幂律变换,增加得分之间的差别,从而增强MEA的选优功能。将改进的模型与传统的基于WNN和MEA-WNN的图像复原模型进行对比,改进的模型把复原图像峰值信噪比(peak signal-to-noise ratio,PSNR)分别提高15%和6.5%、结构相似性(structural similarity,SSIM)提高了6.1%和5%,实验结果证明改进模型的有效性和优越性。     

基于研学营地、基地、企业和学校资源整合的“互联网+云研学”实践课程研究

旅游研学在高中阶段的教学当中发挥着非常重要的作用,在教学理念不断更新的现在,旅游研学教学模式已经成为多数中小学培养学生综合素养的主要手段。但是今年来新型冠状病毒的出现对我国当前的旅游研学造成了非常大影响,这在一定程度上影响到了我国旅游研学教学模式的发展,在此大背景下,“互联网+云研学”的概念被提出,利用互联网虚拟影像技术实现线上旅游研学已经成为当前阶段旅游研学教学模式的主流。但是“互联网+云研学”模式是近期提出的全新教学模式,在具体的实践当中还存在一定的问题,因此我们有必要针对“互联网+云研学”模式进行深入的探讨。     

关于信息化时代背景下高校加强行政管理工作的思考

在信息时代发展的背景下,高校内部管理效率对提高教学质量和科研水平 有着重要影响。本文分析了高校行政管理的创新方法,包括完善行政管理 OA体系、 加强规范化、提高信息素养等。随着信息化的发展,人们意识到计算机化的便利性和新颖性,计算机已成我们关注的焦点,逐渐融入行政管理当中。21世纪以来,信息技术在大学管理中得到高度重视。根据高校科研、教学、后勤等方面的发展需要,应加强行政管理体系的信息化。