基于改进Faster R-CNN的农田残膜识别方法

为了实现农田残膜的精准捡拾,提高残膜回收机的回收率.将改进Faster R-CNN卷积神经网络运用到农田残膜的识别检测中,提出了一种农田残膜的识别方法.以11MS-1850残膜回收机工作后遗留在农田表面的残膜为研究对象,分别在晴天、阴天不同时间段采集图像共计1648幅.通过更改图像亮度、旋转等方式扩充数据集,最终得到4950幅残膜样本图像,按照7:2:1划分为训练集(3465幅)、验证集(990幅)、测试集(495幅);采用双阈值算法替代传统的单阈值算法,降低了阈值对模型性能的影响;通过对比试验,选取具有残差网络结构的ResNet50作为主干特征提取网络,准确率可达88.84％,召回率为87.70％,总体精度为88.27％;为了使检测模型对小目标更加灵敏,根据数据集中残膜尺寸大小,在原有锚点基础上增加322和642的尺度参数,准确率、召回率、总体精度分别提升了1.29％、0.67％、0.97％,单幅检测时间为284.13 ms,基本满足了识别残膜的要求.可为残膜回收机加装补收装置提供参考,为研制人工智能残膜回收机提供理论基础.     

基于行业特色高校应用型人才双创能力培养体系研究

具有鲜明办学特色的行业高校在服务行业和培养应用型人才中发挥了重要作用,高素质应用型人才培养是行业高校一贯坚持的目标,具体表现在系统思维能力、逻辑推理能力、技术研发能力、工程实践能力和创新协同能力的培养,而创新创业能力是支撑上述五种能力培养的关键.通过对当前双创能力培养存在问题的基础上进行分析,构建了基于行业特色高校应用型人才双创能力"一二三三四"培养体系,并提出了相关解决方案.该研究为行业高校应用型人才双创能力培养提供参考借鉴.     

对称熵损失函数下指数分布寿命性能指数的贝叶斯检验

在产品的质量特性值服从指数分布条件下,用过程能力指数评估产品的寿命性能,建立了对称熵损失函数下指数分布寿命性能指数的贝叶斯检验方法,给出寿命性能指数C_L的最大似然估计及贝叶斯估计,提出一种新的方法对C_L进行检验,并通过一个应用实例说明该方法的有效性.     

彰显教师主体性——校本研修的有效实现途径

校本研修是促进教师专业发展、全面提升中小学教育教学水平的有效途径,为广大中小学教师的专业发展提供了宝贵的机遇。在校本研修中,教师主体性的发挥至关重要。然而,在某些学校的研修活动中,教师的主体性并没有得到充分的彰显,存在教师主体性意识淡薄,参与研修的自主性、创造性缺失等现象,使研修效果大打折扣。为改变上述状况,可以从下述几个方面着手努力:唤起教师的主动性和能动性;强化教师的专业发展意识;培养教师的创造性人格;提升教师的自主学习能力。     

局部Fisher向量编码与交叉视角二次判别分析的人头重识别

目前行人重识别主要是基于完整人体的研究,但是某些特定场景下,完整行人图片难以获取,因此本文建立一个基于人头的重识别数据库,并提出了相关算法.算法采用局部Fisher向量编码和交叉视角二次判别分析算法,首先基于HSV颜色信息去描述特征,使用高斯混合模型对特征数据建模,然后Fisher向量加权聚合,最后对样本的低维特征子空间和度量矩阵同时进行学习.实验及分析证明了基于人头的重识别算法的可行性,其中基于Rank1的重识别率达到89.29%.     

企业家战略管理能力、生态创新与企业绩效关系研究——基于中国制造业企业的实证分析

以制造业企业为研究对象，从理论上探讨企业家战略管理能力、生态创新对企业绩效的影响，并运用结构方程模型深入挖掘生态创新在企业家战略管理能力影响企业绩效过程中的中介作用。实证结果显示：企业家战略管理能力、生态创新均与企业绩效呈显著正相关关系，且企业家战略管理能力对生态创新有显著正向影响；生态创新在企业家战略管理能力影响企业绩效过程中具有中介效应。研究结论为企业科学开展生态创新、重视企业家战略管理能力建设提供了经验证据。     

空中目标辐射源的个体识别方法

针对传统的辐射源个体识别方法在低信噪比环境下识别性能不佳的问题,提出了一种空中目标辐射源的个体识别方法,该方法利用经验模态分解和变分模态分解得到信号不同频率的模态分量,将各模态分量的多尺度排列熵作为特征,利用主成分分析对数据进行降维,并采用支持向量机分类器进行辐射源个体识别。仿真结果表明,该方法对相位噪声、频率漂移以及谐波失真等细微特征的识别性能明显优于传统方法,并具有良好的抗噪性。     

基于卷积神经网络和稀疏滤波的调制识别方法

针对当前通信系统所采用的主要调制方式,提出了一种基于卷积神经网络和稀疏滤波的调制识别方法。首先,分析了利用信号循环谱二维灰度图进行通信信号调制识别的可行性;然后,通过降采样和裁剪技术对循环谱图预处理;最后,设计了深度卷积神经网络架构,并提出了稀疏滤波预训练的方法。仿真结果表明:相比于经典的基于深度学习的调制识别方法,该方法模型简单,优化量少,且在小样本场景下性能最佳,具有很高应用价值。