基于CNN的计算机生成图像识别方法

针对计算机生成图像(Computer Generated images, CG)与真实照片(Photograpgh, PG)识别率不高的问题,该文提出了一种改进的卷积神经网络方法来实现CG与PG的识别.该方法首先对识别问题进行卷积神经网络二分类建模,并选择VGG-19网络结构作为基础,建立不同的模型.该方法创新性地引入迁移学习,节省训练时间和大量计算资源,最后使用softmax分类器进行分类.实验结果表明,该文方法对PG图像的识别准确率达到92%.与其他方法比较,该文方法识别准确率最高,说明该文方法具有可行性与有效性.     

中外合作办学中模拟电子技术教学探索与实践

随着科技的进步和信息化、智能化时代的到来,在教育教学领域掀起了一轮改革的热潮,其中中外合作办学,即中方高校某些专业与国外高校对口专业进行国内国外的联合培养,成为现代化教育事业的新趋势和重要组成部分.本文首先分析了中外合作办学模式中模拟电子技术在教学内容和方式上存在的问题,结合笔者在西南大学计算机与信息科学学院中外合作办学课程中的教学经验,以及在香港城市大学和美国密歇根大学、匹兹堡大学的学习体会,从加强模拟电子技术教学内容与现代科技的有机结合、加强教学内容的可视化和实践性效果、加强模拟电子技术探究式的教学方式等方面,浅谈了中外合作办学模式下的模拟电子技术教学探索与实践.探究成果有助于形成中外合作办学中合理的模拟电子技术教学资源,有利于授课教师采取科学高效的授课方式,有望培养学生的国际化视野、深度学习和探究性学习习惯、创新性和合作意识,以及科学研究的素养.     

材料力学课程中内力求解的改进设正法及其教学实践

设正法是材料力学课程中求解内力的常用方法,传统设正法有值得商榷之处.研究提出了一种改进的设正法,并通过算例对其应用过程进行了介绍,同时分析了应用该方法教学时应注意的问题.教学实践表明,用改进设正法求解内力,可以有效降低出错率,提高学生内力分析的能力,增加学习材料力学课程的自信,可对后续相关课程的学习产生正迁移效应.在日常教学中,教师应对学生是否能真正灵活地应用该方法进行必要的监控.     

随机森林分类用于雷达信号预分选新算法研究

 现代战争中,雷达电子战环境越来越复杂,随着雷达种类的多样化和雷达脉间调制方式的复杂化,对信号分选的识别难度也愈加增大。本研究采用随机森林算法对脉冲描述字特征进行预分选,可自适应的对特征进行选择,并实现分类。随机森林由于可以自动进行特征选择,可对不平衡的数据进行误差平衡等优点,通过多决策树表决方式,可以迅速完成对大量数据快速训练。在脉冲丢失导致的部分特征损失的情况下,仍可以维持识别准确率。通过实验证明了本方法对雷达脉冲描述字特征进行预分选的有效性。     

基于几何特征的兵马俑断裂面匹配方法

针对兵马俑碎块的三维数据模型中噪声含量大、断裂面存在缺损等问题,提出一种基于断裂面上几何特征的碎块精确匹配方法.首先从兵马俑碎块的外表面中分割并识别出断裂面;然后提取断裂面上凸凹不平的特征区域,并根据其相似性实现碎块的粗匹配;最后计算断裂面的曲率、法线以及点云密度等几何特征,并采用基于该几何特征的改进迭代最近点（iterative closest point,ICP）算法实现碎块的细匹配.实验采用大量兵马俑碎块验证该匹配方法,结果表明该匹配方法可以实现兵马俑碎块的匹配,特别是提出的细匹配算法,与ICP算法和MICP算法相比,其匹配精度分别提高了约40%和10%,耗时分别降低了约50%和25%;该基于几何特征的断裂面匹配方法是一种有效的兵马俑碎块匹配方法.      

基于视频特征聚合的细胞形变动态建模

提出了一种基于图像处理架构对活细胞视频中细胞动态进行建模的方法.在这个架构下,视频中两帧间的细胞动态被表示为细胞轮廓形变和细胞内部运动的动态特征.其中,前者细胞轮廓形变利用形状上下文进行度量,而后者细胞内部运动则通过尺度不变特征变换（SIFT）流进行建模.为了更好的刻画细胞质流动,基于SIFT流的细胞运动场进一步构建细胞外观变化场.在获得上述帧级细胞动态特征之后,引入时间序列建模的方法来生成视频级的细胞动态特征.具体地,基于紧凑编码的时序特征聚合方法可以捕获整个视频中的细胞动态演变过程.活细胞视频数据库被建立以用于验证提出方法的有效性,实验结果表明提出方法对于细胞形变动态度量和分类的性能优于其它主流方法.     

基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

深度学习源代码缺陷检测方法

针对由于传统的源代码缺陷分析技术依赖于分析人员的对安全问题的认识以及长期经验积累造成的缺陷检测误报率、漏报率较高的问题,提出了一种深度学习算法源代码缺陷检测方法.该方法根据深度学习算法,利用程序源代码的抽象语法树、数据流特征,通过训练源代码缺陷分类器完成源代码缺陷检测工作.其依据的关键理论是应用深度学习算法及自然语言处理中的词嵌套算法学习源代码抽象语法树和数据流中蕴含的深层次语义特征和语法特征,提出了应用于源代码缺陷检测的深度学习一般框架.使用公开数据集SARD对提出的方法进行验证,研究结果表明该方法在代码缺陷检测的准确率、召回率、误报率和漏报率方面均优于现有的检测方法.      

大学生小组合作学习及“关键能力”的培养

在推行多年教改和素质教育后,大学教学已有较大改观,但传统教学模式依然盛行。为了落实学生在教学活动中的主体地位,建立了以小组合作学习为核心的教学模式,依据加德纳多元智能理论中的人际交往智能的维度进行能力分类,选取四种关键能力指标。通过对C语言课程进行小组合作学习实例验证,结合灰色理论模型中的关联度进行分析,并根据小组合作学习模式出现的一些问题给出相关建议。     

基于WGAN的语音增强算法研究

带噪语音可看成由独立的噪声信号和语音信号经某种方式混合而成,传统语音增强方法需要对噪声信号和干净语音信号的独立性和特征分布做出假设,不合理的假设会造成噪声残留、语音失真等问题,导致语音增强效果不佳。此外,噪声本身的随机性和突变性也会影响传统语音增强方法的鲁棒性。针对这些问题,使用生成对抗网络来对语音进行增强,给出一种基于Wasserstein 距离的生成对抗网络(Wasserstein generative adversarial nets, WGAN)的语音增强方法来加快训练速度和稳定训练过程。该方法无需人工提取声学特征,且使语音增强系统的泛化能力得以提升,在匹配噪声集和不匹配噪声集中都有良好的增强效果。实验结果表明,使用训练出的端对端语音增强模型后,语音信号的客观评价标准(perceptual evaluation of speech quality,PESQ)平均得到23.97%的提高。