浅谈如何转变高职院校测绘专业教学模式

随着社会和经济的快速发展,当前社会对人才已从注重学历开始向技能型人才方向转变。高职院校虽然是培养高素质、高技能实用型人才的重要基地,但在传统的教学模式上其所培养出来的学生不能更好地满足社会发展的需求。在这种情况下,高职院校需要加快教学模式的转变,努力提高教学质量,从而培养出符合社会需求的专业性人才。文中对现有高职院校教学模式有待改变的情况进行了分析,并进一步对高职院校测绘类专业教学模式的改进进行了具体的阐述。     

基于公钥密码体制RSA算法的注册码生成器

采用公钥密码体制RSA算法开发基于RSA的注册码生成器,首先对计算机主机ID生成一个数字签名作为软件注册码,软件运行时再对数字签名进行验证来判断软件的合法性,然后向用户提供软件注册码并发放软件使用权.该注册码生成器可应用于各类应用软件如杀毒软件、操作系统软件、办公软件等,防止软件网上发售或应用过程中被第三方破解而被盗版,这种加密方式能有效地保护软件版权,实用价值较高,能产生一定的经济效益,具有广阔的应用前景.     

基于KL变换与BP神经网络的农田害虫识别算法

KL变换是一种降低维度的算法,BP神经网络是一种智能识别算法,农田害虫的训练需要一个庞大的害虫图片库,面对巨大的图片库,如果使用高清的数码照片训练,是对计算机性能的巨大挑战,所以将KL正交变换用于降低维度,最大限度地在提高计算机性能的基础上维持神经网络的识别率。     

基于机会约束的手术计划随机模型与算法

本文研究多服务台手术计划调度问题,考虑手术时间的不确定性,提出手术室加班时间的机会约束,以一定的概率保证病人的手术时间不超过手术室的开放时间,建立随机优化机会约束手术计划调度模型,确定手术室的开放和分配决策.基于手术时间离散的概率情景,引入0-1变量转化机会约束,得到了0-1整数线性规划的等价模型.为了提高模型的求解效率,提出两类有效不等式,并设计最长路径算法分离第二类有效不等式,利用分支切割方法进行模型求解.算例分析,基于北京某医院的实际数据,验证算法的有效性,确定最优的手术计划调度方案,有效地优化配置手术室资源.     

行驶受扰延迟下配送车辆调度的干扰管理决策模型

针对行驶受扰延迟下配送车辆的调度问题,提出了基于多相量子粒子群算法的两阶段干扰管理决策方法.首先以最小化用户时间窗偏离度和最小化配送成本为目标,建立了问题的数学模型;然后对车辆配送发生干扰事件可能采取的干扰管理模式进行了归纳和分类,并在选定模式基础上提出了用多相量子粒子群算法进行路线选择的方法;最后在Solomon算例的基础上通过实验仿真,对所提出方法的性能进行测试,并与全局重调度方法进行对比分析,验证了本文方法不仅达到了优化目标的目的,还满足了干扰管理的实用性要求.     

基于改进突变理论的公路工程建设风险评价研究

“一带一路”背景下海外公路工程建设面临的风险众多且复杂，参与方涉及多个国家，管理风险能力差异大，风险偏好不同通过分析常规突变评价法存在的不足，建立基于熵权法、数值转换法的改进突变评价体系，并进一步提出基于改进突变理论的公路工程建设风险评价模型将此评价模型运用在“一带一路”沿线公路工程项目建设风险总体评价，选取“一带一路”沿线国家公路工程技术、经济、管理、政治法律、自然环境、社会文化6个评价要素和相应15个评价指标，运用熵权法对该15种风险按重要程度排序，运用数值转换法将常规集中接近1的突变评价值映射到0~1的10个区间基于计算结果建设风险从大到小的排序为阿富汗、柬埔寨、巴基斯坦、缅甸、哈萨克斯坦、越南、泰国、印度，前3个国家风险等级为重要风险，后5个国家为一般风险     

MIV-SVM-BPSO模型在铀矿堆浸中的应用

利用某矿区ZQ7堆浸柱实测数据作为建模分析样本,建立MIV-SVM、BPSO-SVM、MIV-SVM-BPSO三种模型,对铀矿堆浸进行建模仿真。其中,平均影响值(MIV)算法,可对影响铀矿浸出率的特征因子进行排序;离散二进制粒子群(BPSO)算法可筛选出最优的特征子集;而改进的MIV-SVM-BPSO模型,则是将排序后的优良子集作为后续BPSO算法的部分种群,进而对样本进行仿真实验。结果表明,MIV-SVM-BPSO模型的模拟效果均比单一的MIV-SVM和BPSO-SVM模型好,该模型具有有效降低数据维数,在小样本条件下学习更加有效,建模采样过程更快,模拟精度更高的优点;将浸出液体积,Eh_出,Fe■,Fe~(2+)_出作为铀矿生物堆浸工艺的主要控制因数可降低生产成本,提高铀矿浸出率。     

基于改进匹配网络的单样本学习

当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20 way 1 shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20 way 1 shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。     

一类六角系统的点可区别边染色

设H_(m,n)为“长”为n个相邻六边形,“宽”为m个相邻六边形构成的形如平行四边形的六角系统。通过设计染色算法,证明了H_(1,n)的点可区别边色数满足点可区别边染色猜想;给出了m≥2时H_(m,n)点可区别边色数的一个上界。     

我国股票市场行业间波动溢出效应研究——基于改进的EMD去噪方法

针对我国股市噪声交易能量较大、行业指数同步性较高的特点,提出改进的EMD(empirical mode decomposition,经验模态分解)去噪方法对行业数据进行处理,进而采用BEKK-GARCH模型分析金融危机前、金融危机期间、金融危机后三个阶段行业间波动溢出效应.研究表明,在降低股价同步性方面,改进的EMD去噪方法效果更佳;行业间波动溢出效应在金融危机期间显著上升,金融危机后回落;较之金融危机前,金融危机后传统制造业受产业链上游的波动溢出效应有所降低、受科研的波动溢出效应有增强的趋势.